ビジネスの観点から見ると、ディープラーニングを始めとする機械学習は、単なる技術単体で利用される段階を超えて、複合的なAIシステムにおける一要素として利用される段階に到達しています。しかし、ビジネスの観点から見たAIシステムの開発には、機械学習モデルの提供者とAIシステムの開発者が異なる場合の、責任分解点やモデルに対する権利の帰属など、解決しなければならない諸問題が存在します。さらに、AIシステムの開発をコントロールするためには、機械学習特有の開発メソッドと従来型の開発ハンドリングと違いを踏まえたプロジェクトマネージメントが必要になります。
　本講演では、AIシステムの制作を外注する場合、機械学習モデルの作成のみを外注する場合など、実際に起こりうるビジネスパターンにおける、契約上の注意点及び、開発体制の構築、データのハンドリング手法と機械学習モデルの開発ステージ、落とし穴となりやすい体制構築上の注意点などを紹介します。

1. 人工知能とは (おさらい)
   1. 人工知能研究史概略
   2. 現在の人工知能ブームの正体
   3. 人工知能に対するよくある誤解
   4. 現在の人工知能の限界点
2. AIシステムを開発するということ
   1. システムとしての人工知能
   2. 伝統的SIerとAIベンチャーのコラボ
   3. 携わる関係各社とその思惑
   4. 機械学習プログラミングの難しいところ
   5. AIシステムのテスト
3. AIシステムにおける責任分解点
   1. 内製と外注の違い – 性善説・性悪説どちらを取るべきか
   2. AIの瑕疵担保責任と実際に保証出来る限界
   3. 契約上の検収条件と性能向上のモチベーション
   4. 技術の吸い上げや搾取を契約で防ぐことは出来るのか
4. AIモデル開発における実例
   1. 受託案件における実例 – 不確かな比較コンペ
   2. PoC案件における実例 – 製品化へのボトルネック
   3. 顧問契約における実例 – キャッチアップ能力の不足
   4. オープンソース開発における実例 – 権利の帰属問題
   5. コンペティションサイトにおける実例 – 競争と協力
5. 契約時、検収時における注意点
   1. 優秀なAI開発者を見分けるポイント
   2. 提案段階における評価のポイント
   3. デモンストレーションとモデルの変更
   4. データのサブセットと評価スコア
   5. 研修後に行う学習に対する保証について
6. AIシステム開発のマネジメント
   1. AIシステム開発における人員、体制の事例
   2. 開発ステージと現在の到達点を知る方法
   3. モデルの性能向上手法・学習曲線の見方
   4. 重要な割に評価されない仕事
   5. 定常運用時にAIが狂うパターン
7. 機械学習ビジネスの今後
   1. 人工知能の本当の可能性
   2. 知的財産権とモデルの権利について
   3. 機械学習ビジネスの健全な発展のために (まとめ)
• 質疑応答