AIで忙しさを可視化する Quality-Work 3.0

　Quality-Work Version 3.0をリリースしました。このバージョンでは新たにAIによる作業分類機能が追加されています。

Ver2.0までは、「マニュアルでの分類」と「キーワードマッチングによる自動分類」の２つの方法を組み合わせてカテゴリーの分類を行っていましたが、Ver3.0ではこれに加え「AIによる自動分類」の機能を追加し、ビューごとに「キーワードマッチング」と「AI」のどちらかの自動分類方式を選択し「マニュアル分類」と組み合わせて分類を行うようになっています。

　キーワードマッチングによる自動分類は、単純なケースでは非常にうまく動きますが、少し複雑なケースではうまく分類できない場合もありますし、適切なキーワードを選び設定するのには意外と手間と時間がかかってしまうという問題がありました。新たに導入した学習機能を持ったAIによる分類機能は、これらの問題を解決することができます。

AIによる分類の仕組み

　Quality-Workでは、仕事をどのように分類するかはユーザーが自分で決めるという考え方になっています。ビュー＆カテゴリーという単位をユーザーが設定して分類を行います。従って分類方法もユーザー毎に違ったものになり、ユーザー毎に異なるAIモデルを作りこれを使って分類を行います。

　使い方はとても簡単です。以下の手順でモデルを作って動作させます。

1. 学習データとなるデータを登録する　特別なことをする必要はありません。カテゴリーエディターで「マニュアルによる分類」を行えば、Quality-Workはこの情報から勝手に学習データを作ってくれます。
2. AIモデルを作る　カテゴリーエディターで「モデルを生成」をクリックすることで、モデルが生成されます。
3. 分類を行う　あとは色々なグラフを表示する際に、Quality-WorkがこのAIモデルを使って自動分類を行います。

効果的な使い方

最初の学習

　Quality-Workでは、少ない学習データでもAI推論ができる方式を採用していますが、それでもデータが少なすぎると正しく学習を行うことができません。学習データとして最低どれくらいの量のデータが必要かはケースバイケースなのですが、一応以下を目安としていただければ良いかと思います。自分でやってみた時には、これくらい学習すると、概ね正しい分類ができるようになりました。

• 数日分(おそらく1000件程度)のアクティビティが記録されていること。
• 全体で50件以上、１カテゴリーあたり５件以上のアクティビティ記録がマニュアルで分類登録されていること。

定期的なAIモデルの更新

　同じような仕事をずっとしている場合は、一度モデルを作ってそのままでも良いのですが、大体の人は同じ種類の仕事をしていてもその内容は変わっていきますので、モデルは定期的に更新した方が良いでしょう。推論が間違っているものが増えてきたら、間違っているアクティビティーに対してマニュアル分類を行なって学習データを増やしてからモデルの作成を行なってください。

推論確度の高くないものの扱い方

　AIモデルはアクティビティーを分類する際に、推論結果である「分類すべきカテゴリー」とその推論結果の確度（言い換えれば、どれくらい自信があるか）を出力します。私が試してみた感じでは、推論確度が50%を切った推論は正しくないことが多いようでした。確度の低い推論を分類結果に反映したくない場合は、「推論確度の低いものは分類しない（Undefinedに分類する）」ように設定することもできます。

おわりに

　今回追加したAIによる分類機能によって、あまり手間をかけず簡単に自分の働き方を「見える化」できるようになったと思います。

　Quality-Workを使えばこれまで見えていなかった自分の働き方の事実が色々と発見できます。「もっと効率よく仕事を進めたい」「無駄な時間を減らしたい」と考えている人には、ぜひ試してもらいたいツールです。無料で使えるので、まずは気軽に導入し、自分の仕事の実態を把握してみてください。

了