AIoTを活用したデザインの実践と考察これまでAIoTとデザイン思考の組み合わせがもつ可能性と課題をひもといてきました。課題が複雑化し、ニーズも多様になっている今、企業はどのようにAIoTを活用しているでしょうか。今回は事業展開を推進しようとしている日本と中国の企業事例から未来デザインの可能性を模索していきたいと思います。AIoTを活用したデザイン事例：中国AI技術が最も進んでいる国のひとつと言われている中国では「新基建（新型インフラ建設）」などの政策や「5G」の超高速・超低遅延・多数同時接続の特徴を生かし、AIoTの利活用が急速に増加しています。中国国内の14億人を超える大市場での多種多様なニーズを満たすため、特にHuawei（ファーウェイ）とXiaomi（シャオミ）という2つのブランドは、AIoTを活用して中国人の日常生活に深く浸透してきました。2社の事例からAIoTがどのように実装されているのか見ていきたいと思います。HUAWEI CLOUD：あなたのためだけの移動体験Huawei Cloud（＊1）では、フルスタック・クラウドサービスを提供し、自動車と人々の生活をよりスマートにする「Automotive」というプラットフォームを提供しています。自動車に設置された数多くのセンサーと「Connected Car」というソリューションを用いて、ユーザーの運転時の行動や道路状況などの運転に関わるデータをクラウドに収集。そこから、ドライブにおけるユーザー体験を通して、ユーザーのペルソナ、自動車の特性、運転行為、シーンなどを分析・解析しています。ドライブにおける意思決定をより迅速かつ正確に行い、加えて、ユーザーに対して車内エンターテイメントをはじめとする様々なコンテンツを提示できます。AIoTを搭載した自動車によって安心・安全な運転の実現とともにオーナーの行動や習慣にフィットした「移動体験」に対応することで、ユーザー個人の特別な自動車へと進化していくのではないでしょうか。出所：https://www.huaweicloud.com/intl/en-us/solution/automotive/index.html＊1：https://www.huaweicloud.com/intl/en-us/solution/automotive/index.htmlXIAOMI：多岐にわたるAIoTネットワークで生活の新たな価値を提供次にXiaomiという中国のスマホ・家電ブランドでは、スマートフォンを核として家電、掃除、健康、日用品、生活雑貨、照明など幅広い分野で、スマートデバイスを展開しています（＊2、3）。その範囲はウクレレや、自転車などの非必需品にも及んでいます。それらを、自社のAIoTプラットフォームを通じて、多様なスマートデバイスと相互接続することで、あらゆる生活場面において便利さを向上させ、より好みに合うアドバイスの提供を可能にしています。例えば、Xiaomiが提供している洗濯乾燥機は、ユーザーの洋服の好みと洗濯習慣を把握することで、季節ごとの洗濯の頻度、洗濯1回当たりの重量や数の変化を把握することができます（＊4）。さらに技術が進歩し、「自動的イテレーション」を活用することで服の状態管理、家事の時短、環境配慮などの個々のユーザーが重視する価値を抽出して、潜在的なユーザーニーズを基にソリューション提供が可能になると推察されます。出所：https://www.mi.com/index.htmlより株式会社CIA作成＊2：https://iot.mi.com/＊3：https://www.mi.com/jp/mi-induction-heating-rice-cooker/＊4：https://ja.xiaomitoday.it/xiaomi-mijia-smart洗濯機乾燥.htmlAIoTを活用したデザイン事例：日本IDC（International Data Corporation）は、2020年の日本国内IoT市場におけるユーザー支出額が6兆3,125億円であり、5年間の平均成長率は10.1％で成長し、25年後には10兆1,902億円に達すると指摘しています（＊5）。これから日本においてもAIoTの活用への加速化も期待できると考えられます。日本で進んでいる取り組みを紹介します。＊5：https://www.idc.com/getdoc.jsp?containerId=prAP46737220GOOD DRIVE：AIで保険料と事故のリスクを低減させる自動車保険GOOD DRIVE（＊6）は、ソニー損保がこれまで蓄積してきた保険商品・サービスに関わる知見に加え、ソニーグループが保有するAIやセンシング、クラウドコンピューティングなどの技術を用いることで実現したスマートフォン専用の運転特性連動型自動車保険です。通常の自動車保険に加え、AIなどの先端技術を活用することで、事故のリスクが低いユーザーには保険料のキャッシュバックのインセンティブを提供するほか、事故のリスクを低減するためのアドバイスをするなど、これまでにない新たな価値を創出しています。GOOD DRIVEの例は今後の保険業界とAIoTの組み合わせが広がりを見せることを示唆しています。つまり、車だけではなく、保険が適用される対象すべてのリスクを測ることができるのではないか。S F小説の「ビビビ・ビ・バップ」では、毎日の健康診断が保険加入時の条件となっており、自宅の洗面所やトイレに設置されたセンサーを通して情報収集が行われるという描写があります。AIがリスク回避のアドバイスをデータに基づいて契約者へ提供し、損失を防ぐ可能性を高めることができれば、保険会社は効率的かつ合理的なサービス提供を実現できるのではないでしょうか？また、既存事業の保険事業だけではなく、運転以外に車でどのように過ごすか、時間の経過において行為と習慣がどのように変化するか、などの統合的な観点において新しい顧客体験価値の提供が可能となります。渋滞や事故を減らすという動機づけにおいて、東名高速の海老名サービスエリアの個室トイレにドライバーの疲労度を知ることができる「疲労度測定」という機能が実装されたというのが一例です（＊7）。データだけでなく、体験価値は何か？という観点でAIoTとデザイン思考の組み合わせを行うことで今までのサービスとは違った価値を発見することも期待できます。出所：https://www.idc.com/getdoc.jsp?containerId=prAP46737220より株式会社CIA作成＊6：https://from.sonysonpo.co.jp/topics/news/2020/03/20200318_2.html＊7：https://www.asahi.com/articles/ASN2V3DJMN2POIPE005.html未来デザインを実現させるための3つの段階パンデミックにより、いまやオンライン・コラボレーションツールの使用が日常となり、デザイン思考のデジタル化とオンライン化を加速させています。事例なども踏まえ、AIoTとデザイン思考の組み合わせによる未来デザインの可能性を3つの段階で示します。第1段階では、人間のデザイナーのみでデザイン思考を行います。この段階ではデザインプロセスにAIoTやスマートテクノロジーが介入せず、人間のデザイナーが行う調査、分析、洞察に依存しています。第2段階では、デザイン思考のプロセスが部分的にスマート化され、人間のデザイナーの意思決定を支援します。この段階では、AIoTをデザイン思考の一部のプロセスに導入し、反復など機械的なデザイナーの作業を代替します。第3段階は、デザイン思考を完全にスマート化します。AIoTがアイデアに基づいて効率的にデザインプロセスを遂行していく段階で、人間が担う役割はクリエイティビティを発揮してユニークなアイデアを創出することになります。同時に、AIoTがもたらす法律面や倫理面での問題を防止するため、「AIoT自体をイテレーションする」という役割に移行する可能性があります。この段階で、私達人間が実施する「デザイン思考」とは何かを再定義する必要があるかもしれません。解決すべき課題本シリーズでは、今後ますます複雑になる未来の課題に対して、課題解決へのアプローチのとしてデザイン思考と組み合わせるべき技術としてのAIoTを紹介しました。AIoT技術は複雑であり、実装に向けて大量のリソースを投資する必要があります。そのため、今後のデザインチームには、AIoTに関わるエンジニアを増加しつつ、AIoT自体をデザインできるデザイナーも必要となることが推測できます。さらにAIoTを活用したデザイン活動において、万が一、デザイナーの意図しないことが生じた場合、誰がどんな責任を負うか、ということも考えなければなりません。現在は進化の途上であり、業界標準、コスト、技術、セキュリティなどの様々な問題を解決しなければならないため、広範囲にて普及するのに時間を要するAIoT。課題はあるものの、ビジネス範囲を押し広げる創造的活動のパートナーとして表裏一体の関係となる未来に期待したいと思います。

AIoT x デザイン＝スマート・デザイン思考前回の記事では、複雑化している「厄介な問題」に対して有効なアプローチである「デザイン思考」と「AIoT」を紹介しました。これらのソリューションの活用が世界的に進む一方で、問題の複雑化も同様に進み続けています。そこで、今回は現時点の有効な手法が将来も最適解とは限らないのではないか？という逆転の発想からAIoTとデザイン思考が内包する課題とスマート化の可能性について解説していきます。デザイン思考はどのように変えられるか？まずは、デザイン思考の課題とAIoTを用いてスマート化することで見えてくる可能性について「使い手のユーザー側」と「作り手のデザイナー側」の２つの面から考えてみます。ユーザー側：「人間中心」から「一人ひとり中心」へ現在のデザイン思考は「人間中心」の観点から人のライフスタイルに根付き、寄り添う点でユーザービリティ改善に有効なアプローチと言えます。しかし、実際のプロセスではいくつかの問題が生じる恐れがあります。2つの問題点を挙げてみます。1つ目の問題点は、デザイナーが調査分析から作成するペルソナの根拠が過去のデータにあるという点です。ユーザーのニーズは非常に速く変化するため、ペルソナを作成しても、それはすでに過去のニーズであり、現在のニーズは変わってしまっている可能性があります。2つ目の問題点は、製品やサービスのユーザー数が増加すればするほど、単一のペルソナは一部のユーザーニーズしか満たせない点です。結果、そのほかのユーザーや潜在的なニーズが無視される可能性を生みます。それはなぜか？デザイナーが認識できるのは「ヒト」としての認知の範囲であり、重要な要素や分類を見落として、本質的なニーズに辿り着けないということが発生するためです。では、どうするか？ここでAIoTの活用を考えてみます。AIoTの登場により、これまで実現が難しかったユーザーの「共感」をリアルタイムで読み解くことができるようなります。例えば、データのグループ分けや情報の要約などに活用される「教師なし学習」という手法によるAI技術は、ユーザーデータの多様な特徴を自動的にグループ分けし、そこからデザイナーは隠れた本質を客観的に見つけられます。上記の手法をデザイン思考に活用すれば、より多くのサンプルを処理でき、多ければ多いほどユーザーニーズ把握の精度を向上できます。サンプルに基づいた複数のペルソナを作成し、自動的に分析することで、人間のみでは見落としていた本質的なニーズに辿りつくことができる可能性を高めて、問題解決に役立てることができるようになります。これがデザイン思考のスマート化であり、「人間中心」から「一人ひとり中心」への転換です。デザイナー側：自動的イテレーション、よりクリエイティブへ作り手側のデザイナー視点でも「スマート・デザイン思考」の可能性をご紹介したいと思います。前回、デザイン思考の5つのステップ、共感（Empathize）、定義（Define）、アイデア創出（Ideate）、プロトタイプ（Prototype）、テスト（Test）を紹介しました。通常の場合、これらの一連のプロセスをデザイナーが、1ヶ月程度で一巡して、繰り返し行うことでアウトプットの精度を高めていきます。AIoTの場合は、自己再帰的にプロセスの一部を自動的に反復し、多いと1日に複数回というスピードでイテレーションを実現できるため、急速に変化するニーズを把握し続けることできるようになります。反復かつ機械的な作業を自動化できれば、デザイナーは重複した機械的仕事を削減でき、アイデア創出などクリエイティブな作業により時間をかけられるようになります。また、デザイナーが利用するツールに様々なセンサーを装着すれば、利用習慣に係るデータを収集でき、デザイナー自身の基本情報と繋げることでより使用者に近いペルソナを生成可能となります。そして、AIはペルソナに応じてデザインツールの機能やレイアウトなどをツール利用者であるデザイナーに最適化することが可能となります。ここで、AI技術の活用がデザイン思考のプロセスにおいて、どの程度のスピード感を生み出せるのか事例を紹介します。2021年1月、人工知能を研究する非営利団体のOpenAIは画像生成ニューラルネットワーク「DALL·E」を開発し、テキストのキャプションだけでそれに応じた画像を描ける技術を発表しました。例えば「アボカドの形をしたアームチェア」を入力すると、以下のような、ニーズを把握した複数のイメージを数秒で生成します。出所：openai. DALL·E: Creating Images from Text"　　　（https://openai.com/blog/dall-e/）将来、このようなテクノロジーをデザイン分野に活用できれば、デザイナーはデザイン思考の各ステップにおいてユーザーニーズにもとづくアドバイスを多面的かつ迅速に得ることができ、よりよいデザインができるようになるかもしれません。２つの大きな課題AIoTとデザイン思考と組み合わせると多くの変化をもたらすことができる一方、短期的には活用が難しい点も存在します。それは「意思決定」と「コミュニケーション」の面においてです。AIoTを活用することで、デザイナーは自動的にデータを収集してイテレーションをできるものの、「素晴らしさ」「倫理」などの感情的要素についてはデザイナーが判断しなければいけません。問題を定義する際に、AIはデータ分析に基づいて大量な提案を生成できる一方で、AIだけに判断させると、ある変数だけに偏り、誤判定による倫理的問題が発生する可能性があります。2021年8月、AIが「ユーザーの薬の使用量」と「ユーザーのペットの使用量」を混同し、AIが誤判定して正しい処置がされなかったという事例が発生しています。この点については、人間による監督の役割が重要視されます。※出所：WIRED. A Drug Addiction Risk Algorithm and Its Grim Toll on Chronic Pain Sufferers"AIoTを活用することで効率性を改善でき、「what」を収集できるものの、「why」まで掘り下げるのが難しく、インタビュー調査など「人間性」を必要とする部分では、人間のデザイナーの関与が必要です。直面する新しい課題また、AIoTとデザイン思考との繋がりは、メリットしかないとは言い難く、創造力の向上などの「プラス効果」と「マイナス効果」という２つ点を考慮する必要があります。前述したように、デザイナーは機械的な作業の繰り返しを削減でき、よりクリエティブな作業へ注力でき、デザイナーは創造性を高めることに時間を割けるようになると考えられます。AIoTをデザイン活動に活用する企業が増加すればするほど、製品やサービスのデザインにて自動的イテレーションを用いることで、効率性とユーザビリティの向上が進み、差別化できる要素は人間のデザイナー生み出す楽しさなどの感情的要素となります。つまり、人間のデザイナーが持つ創造力が差別化として重要となります。倫理的な視点でAIが判定をするのは難しく、AIではなく人間が判断しなければなりません。また、特定の変数を固定して自動的にイテレーションを行う場合、固定していない変数を無視することで、ユーザーエクスペリエンスにネガティブな影響を与える恐れがあります。そこで、デザイナーはディレクターとして、AIoTの意思決定の倫理性を監督する必要があります。今回は、AIoTとデザイン思考を組み合わせると、どのようなポジティブな変化をもたらすか、短期的にどの部分をまだ変えられないか、課題は何かをご紹介しました。次回３回目の記事では、日本と中国のAIoTを活用した事例、あるいはこれからAIoTとデザイン思考を組み合わせることに取り組んで変革していく可能性の高い事例についてご紹介します。そこではデザイナーやデザインチームがどのように変化しうるか、その展望についても言及していきます。

デザイン思考とAIoT（モノの⼈⼯知能）全世界でAIやIoT（以降、「AIoT」）などのデジタル技術を活用したスマート化が加速しています。人間だけでは手に負えない複雑化した問題が増したことで、効率的に意思決定のプロセスを向上させる仕組みが求められるようになりました。「デザイン思考」もまた、問題解決のツールとして広く活用が進んでいます。人間の内面を起点とした課題解決や新たな価値を生み出すことができる思考法として注目されてきました。本連載では「AIoT」の概念と「デザイン思考」の組み合わせることで、未来をどのようにデザインできるのか。全３回で可能性を紹介していきます。スマートかつより複雑な世界へいまや世の中は、様々な要因が複雑に絡み合い、将来予測が困難なVUCAの世界と言われています。そこでは「厄介な問題（wicked problem）」が急増し、解決するための手法が多く模索されている状況です。そして、解決策の１つとして「デジタル」と「デザイン」の活用が注目されてきました。今後、さらに複雑さが増し、人間ではもはや対応が難しくなった世界ではAIやIoTをはじめとするデジタル技術がさらに加速し、同時にデザインを活用した手法も推進すると想定されます。加速度的に変わっていく世界におけるAIoTとデザイン思考を活用した未来デザインの可能性について述べる前に、まず、デザイン思考と AIoTについておさらいしておきます。デザイン思考についてデザイン思考（Design thinking）は様々な領域において、本質的課題を発見し、価値を提供できる解決策を生み出す思考方法であり、ノンデザイナー向けにデザイナーの思考を整理したものです。「デザイン思考」という言葉を一見するとデザイナーだけの思考のように感じられるかもしれませんが、実際はデザイン分野のみならず、科学、工学、ビジネスなど多様な分野において活用可能なものです。そして、グーグルやアップルなど「GAFA」と言われるグローバル企業をはじめ、シリコンバレーのベンチャー企業が製品やサービスを開発するときには、既にデザイン思考を実践しています。中国でも大手企業バイトダンス、アリババ、テンセントをはじめとして様々な企業で活用していると言われています。「デザイン思考」という考え方は、Herbert Simonが1969年に発表した『システムの科学（The Sciences of the Artificial）』で提唱され、1987年以降、徐々に世の中に浸透してきました。スタンフォード大学の「d.school」もデザイン思考の発展に大きな貢献をしており、そこでは実践のためのアプローチとして５つの段階を提唱しています。1.共感（Empathize）：ユーザーを深く理解して共感するアンケートなど量的調査、あるいはインタビューやエスノグラフィなど質的調査を活用し、ユーザー視点にて観察。「一体何を求めるのか」、「なぜそれを追求するのか」、「本質的なニーズは何か」を理解する段階です。 実践の場では、量的調査と質的調査を組み合わせるのが一般的です。2.定義（Define）：アプローチすべき問題を明確にして定義する量的調査や質的調査を行い、多様な視点でユーザーデータやフィードバックを収集。カスタマージャーニーマップなどユーザーの行動と考えを可視化して、KA法やKJ法などの分析手法を用いて、さらに掘り下げ、「最も重要な課題は何か」を定義する段階です。3.アイデア創出（Ideate）：問題を解決するならアイデアをなるべく多く出す最も重要な課題を確定した後、なるべく多くのアイデアを生成し、解決可能な方向性を得る段階です。 通常の場合には、ブレインストーミングなど手法を用いながら、「否定をしない」ことを前提にして何十個のアイデアを生み出し、何らかの基準を設定することで投票などの手法にて最適な解決策を確かめます。4.プロトタイプ（Prototype）：なるべく早くプロトタイプを作るスケッチ、ポストイットなどにて可視化した解決策を踏まえ、解決策を具現化したプロトタイプを作成する段階です。ここで重要なのは、チームメンバーやユーザーと解決策についての議論をしやすいようにプロトタイプを作成することです。外観や機能性の完成度が高すぎると、チームメンバーやユーザーなどの評価者がコメントの際に修正を伝えにくくなる可能性があります。5.テスト（Test）：プロトタイプをユーザーにテストする作成したプロトタイプをユーザーに使用してもらい、表情、行動などを観察しつつ、「使いにくい」や「適切ではない」などの問題点を収集する段階です。そして、収集したフィードバックをもとに、改めて「どこを改善すべきか」、「本当の課題は何か」など「定義（Define）」の作業を行い、課題を再定義していきます。上記で記したアプローチは1度で終わる直線的プロセスではなく、反復し続けるプロセスで、スケッチやプロトタイピングなど非言語的媒介をよく利用するのが特徴です。そして、人間を中心としたソリューションを生み出そうとする活動は、デザイン分野だけではなく、すべての分野における「厄介な問題」を解決する上で応用できます。そのため各分野のビジネスシーンで広く活用が進んでいます。AIoTについてAIoT（モノの人工知能化）とは、AI（人工知能）とIoT（モノのインターネット）を組み合わせた言葉であり、シャープが2015年から提唱している概念です。IDC（International Data Corporation）では、2025年に世界で55.7億台の接続されたデバイスがあり、そのうち75%がIoTプラットフォームに接続されると予測しています。今後、センサーの低コスト化と各国の政策による支援に伴い、AIoTの重要性と普及は加速していくと思われます。※出典：phileweb."シャープ、スマホ内蔵ロボット"RoBoHoN"。新ビジョン「AIoT」発表でAQUOS新UIも"※出典：idc. "IoT Growth Demands Rethink of Long-Term Storage Strategies, says IDC"AIのメリットは、機械学習により、データ分析と即応性のある意思決定を自動化でき、意思決定のプロセスを改善し、効率性を劇的に向上させることです。IoTのメリットは、多くのセンサーを使用してモノのデータを取得できることです。そして、AIとIoTの利点を組み合わたAIoTでは、IoTで生成された大量のデータをクラウドに収集し、機械学習により「意味のある情報」に変換でき、リアルタイムで自動的にデータ分析と意思決定を行えるようになります。AIoTのプロセスは主に以下のステップがあります。：データ収集：IoTデバイスに搭載された多様なセンサーにより、大量のデータをリアルタイムに収集します。データ処理：データをクラウドに収集し、そこでデータ分析など処理作業を自動的に行います。この際、大量のデータから意味のある情報が抽出されます。情報伝達：データから意味のある情報を抽出し、アウトプットのデバイスへその情報を伝えます。意思決定：受信した情報にもとづきアウトプットのデバイスを動かし、処理します。例えば、AIoT搭載の冷蔵庫では、リアルタイムかつ継続的にユーザーの習慣を学び、「何をよく買うか」を予測し、よく買うものが冷蔵庫になければ、ショッピングプラットフォームを介して自動的に注文します。さらに中身をスキャンし、保存されている食品データを収集して関連レシピの提案や、問題が発生した場合に「どの部分が壊れているか」を検測し、メーカーのサポートセンターに自動的連絡することができます。以上のように、AIoTは効率性から見ると時間コストと人件費を大幅に削減することができ、UX（ユーザーエクスペリエンス）の観点からは、モノは単なる「ツール」から、ユーザーを理解する「パートナー」になる可能性を示唆しています。本記事では、複雑さが増し、より厄介な問題が溢れる現代において、問題解決に有効な２つの手段を紹介しました。次回は、AIoTとデザイン思考を活用することで、どのような変化の可能性が秘められているのか、課題は何かを明らかにしていきます。