費用や利益の見積もりが不確かでも、AI導入を判断するには？
利益が事業の目的なら、なぜ予測AIでは利益を測る指標があまり使われないのか。理由は、利益の計算に使う条件が変わりやすく、不確実だからだ。例えば、不要な割引による損失を1件250ドル（約3万9500円）、引き留めに成功した場合の利益を1件700ドル（約11万600円）と置いたが、どちらも推定値にすぎない。さらに精密に計算するなら、顧客の利用履歴などを基に、引き留めた場合の将来利益を顧客ごとに変えるべきだ。企業にとって維持する価値は、顧客によって異なる。
推定に幅があれば、試算結果への信頼も揺らぐ。費用や利益の前提が確定していない以上、同僚が数字を疑うこともある。予測AIを業務へ組み込んだ時に、どれほどの価値が生まれるかが分かりにくくなってしまう。
ただし、不確実だからといって予測AIの導入を断念してはならない。予測AIの役割は、確率を利用して意思決定を改善し、組織内で繰り返される細かな判断をデータに基づいて効率化することにある。不確実性を避けて判断を勘に戻せば、より良い選択をする機会を失う。
顧客1件の維持利益が約12万6400円なら、割引対象は約30％
対策は、利益の計算に使う前提条件を変えながら、結果がどれほど動くかを確かめることだ。例えば、解約しそうな顧客を正しく選んで引き留めた場合の平均利益を、700ドル（約11万600円）ではなく800ドル（約12万6400円）と仮定する。
この条件では、解約リスクの高い顧客17％に割引を提示した場合の推定利益が、520万ドル（約8億2160万円）から800万ドル（約12億6400万円）へ増える。ただし、17％はもはや最大利益を得られる割合ではない。対象を約30％まで広げれば、推定利益は最高の930万ドル（約14億6940万円）になる。どちらの利益想定がより正確だとしても、予測AIの導入に踏み切るべきだ。期待だけに頼らず、実現可能な事業価値を具体的な数値として確認できているからだ。
3種類のJevを比べる「事業コンソール」の仕組み
利益曲線は、予測AIを運用するための「事業コンソール」を構成する要素の一部だ。事業コンソールとは、AIモデルの選び方や割引対象の範囲を変えると、利益や対応件数がどう変わるかを比較する画面を指す。利益だけが常に重要な業績評価指標（KPI）とは限らないため、利益曲線はより広く「価値曲線」とも呼べる。検討すべき条件は無数ではないが、2、3項目に収まるわけでもない。
通常型・積極型・顧客視点重視型のJevは何が違う？
Jevの使い方を変えた次の3種類のモデルを比較する。
通常型Jev： 顧客のメッセージとともに、「この顧客は解約、返金、サービスの利用停止を望んでいるか」と質問する。これまでの試算で使った標準的な方法だ
積極型Jev： 「解約意向がある顧客を見逃す偽陰性は、意向がない顧客を誤って検出する偽陽性の5倍の損失になると想定して予測する」と指示する。不要な割引が増えても、解約しそうな顧客の見逃しを減らすことを優先する。そのため、利益曲線の左端付近に小さな盛り上がりが生じる
顧客視点重視型Jev： 顧客が問題解決に疲れ、対応を諦めてしまったやり取りなどを見つけるよう求める。顧客側の事情を重視して分類させたが、うまくいかなかった実験だ
割引対象を動かし、利益と判定の正誤を見比べる
事業コンソールの画面下部には、割引の費用や顧客維持による利益などの前提条件を表示する。利用者はスライダーを動かして数値を変えられ、そのたびに3種類のJevに対応した利益曲線も変化する。画面上部には利益以外に、割引を提示する顧客数、解約しそうな顧客に正しく提示した件数、不要な割引を提示した件数という3つの指標を表示する。
表示される数値は、割引対象を決める「意思決定境界」の設定で変わる。利益曲線上の縦線を左右に動かすと、対象とする顧客の割合が変わり、画面上部の数値も連動する。事業コンソールは公開されており、リンク先で「Jev」の例を選べば、スライダーや意思決定境界を操作して試せる。
予測AIの事業価値を重視するとは、利益などの成果を数値で明らかにし、導入方法を変えた場合の影響を検討することだ。Jevを含む予測モデルの活用を、技術的な精度だけでなく、得られる価値に基づいて判断する必要がある。予測AI業界が長く必要としてきた変革を実現し、技術にふさわしい成熟と専門化を進める道も、そこにある。
