第１章　ここがヘンだよ、日本のＡＩビジネス

■「ＡＩ＝ロボット」という勘違い
「ＡＩが動いている姿を見せてください」
「ＡＩの◯◯ちゃん」と擬人化することの問題
「ＡＩ“が”××する」ではなく、「ＡＩ“で”××する」
なぜ日本人は「ＡＩが仕事を奪う」と考えるのか
エンジニアを社内にかかえるアメリカ、外注する日本

■「ＡＩビジネスは自分には関係ない」という勘違い
中小企業ほどＡＩ活用が重要になる
街の歯科医にもＡＩは必要
ＡＩを活用すれば業績が伸びる業種は全体の７割

第２章　ＡＩビジネスの最先端を見てみよう

■ＡＩはどんなシーンで活用されているか
コーディネートをＡＩ＋スタイリストで
ユーザーにすすめる商品をＡＩで決める
ＡＩで新しい基準値を作る
ＡＩの判断をスタイリストに検証させる
ＡＩでトレンドを予測する
配送の最適化にもＡＩが使われる
商品のピックアップもＡＩで管理
顧客中心主義を実現できるのはデータサイエンスの力
すべての仕事がＡＩに置きかわるわけではない

■ＡＩと人間の協働スキームをつくる
コンピュータが得意なこと、人間が得意なこと
テスラの自動運転は、人とＡＩの協働で進化する

■ＡＩはビジネスモデルを変える
ＡＩとＡＲ技術で「試し塗り」が可能に
イノベーションは顧客の課題解決から生まれる
日本企業に今求められているのは、ビジネスモデルの変革
ＡＩビジネスは、どこで収益を得ればよいか
カメラの概念を変えたセキュリティサービス
「借りる」と「所有する」の境目をなくすビジネスモデル
新しい課題を解決するには、新しいビジネスモデルが必要

■Ｇｏ ｔｏ Ｍａｒｋｅｔの発想で考える
Ｇｏ ｔｏ Ｍａｒｋｅｔ戦略とは
プロダクトアウトの落とし穴
ウーバーの課題解決法

第３章　ＡＩを導入したい企業がすべきこと

■ビッグデータを集めればＡＩを導入できるわけではない
肝入りのＡＩプロジェクトが頓挫した理由
日本企業の多くは「データ集めなきゃいけない病」
せっかくのデータをゴミデータにしないために
データは「21世紀の石油」

■課題は何か？ データは揃っているか？
症状がわからないのに薬は処方できない
サンプルデータから何が診断できるのか
これが企業の持つデータを分析するプロセスだ
事前にサンプルデータを検証するメリット
ＡＩはクッキーの型抜きではない

■解決したい課題がはっきりしていない場合は？
健全な危機感がＡＩビジネスにつながる
まずは課題を棚卸しする
ＡＩビジネスには仮説検証サイクルが必須
効率化と売上増加の二軸で判断する

■ＡＩ導入はゴールではない
ＡＩビジネスに立ちはだかる「定着の壁」
現場の声を拾いあげて、はじめてＡＩが活用できる
「導入の壁」を乗り越える
効果検証できなくては意味がない

■ＡＩ実装のプロセス
ＡＩ導入には会社のコミットが必要
「環境スキャニング」でビジネスチャンスの大きさを調べる
プロトタイプがあれば、変更のコストも抑えられる
アウトプットを想定して開発する

第４章　ＡＩビジネスの課題とは

■ＡＩの判断は中立か？
バイアスの取り除き方が今後の課題
グーグル翻訳で指摘されたＡＩの課題
ＡＩは黒人より白人を３倍見分けやすい
目的を持ったＡＩ（AI with Purpose）という対応策

■プライバシーはどう守られる？
フェイスブックスキャンダルがもたらしたこと
選挙に行く人を34万人増やした、個人情報の力
ＧＤＰＲは日本の会社にどんな影響を及ぼすか
ＧＤＰＲによってＡＩビジネスはどう変わるのか
ＧＤＰＲの施行は日本にとってチャンス？
日本企業が今すぐ取り組むべきこと
今後、個人情報を暗号化する事業が増える

■ＡＩと著作権
機械学習用のフリー画像
ＡＩが作る作品の著作権はどこに？
「クリエイティブ」「アート」の定義が変わる

第５章　ＡＩ人材とこれからの日本

■ＡＩビジネスに必要な人材
データサイエンティストとはどんな仕事？
エンジニアにもさまざまな職域がある
ＡＩビジネスデザイナーとはどんな仕事？
ＡＩ人材を育てるために今後必要な教育とは

■ＡＩ人材は今後ますます高騰する
１億円のＡＩ人材リクルートコンペ
ＡＩ人材の平均年収は３６００万円
海外に流出する優秀な人材
インドから才能を輸入したメルカリ

■ＡＩ人材争奪戦。日本企業の選択肢は？
グローバルマーケット人材を採用するには？
日本のモノづくりが持つ、ひとつの可能性
モノづくりのスキルをＡＩ時代に生かす
Ｂ２Ｂ企業にも活路はある
京都のモノづくりに見る日本の活路
世界のＴＯＰ２にどう食い込むか

第６章　ＡＩ時代における私たちの働き方

■ＡＩは私たちの仕事を奪わない
人間＋ＡＩ＝スーパーパワー
「僕の仕事はどうなりますか？」
ＡＩ時代に増える職業
ＡＩトレーナーに必要な資質

■ＡＩ時代に増える仕事
ＡＩ導入は省人化のためではなく、作業の均質化のため
中国企業が米国でＡＩロボットを使って生産工場を開設
ＡＩロボット導入で雇用を増やし賃金も上げたアマゾン
すべてがＡＩ化されるわけではない
ＡＩ化によって生産性を上げていく

■ＡＩ時代に生き残れる人、生き残れない人
これから生き残る３つのタイプ
アメリカで「ＣＢＯ」という役職が生まれた意味
ＡＩバイリンガルを育てる

■私たちはこれから何を学べばよいか
社会人になっても学び直しの時代に
企業の再トレーニングも加速
日本は２０１８年リカレント教育元年
自分のキャリアを自分でデザインする

おわりに