2017年4月22日（土）に開催した「AI eats UX meetup」のオープニングトークです。 https://uxtokyo.connpass.com/event/52556/

1. AI eats UX?
Nozomu Tannaka
Recruit Technologies Inc.,

2. 反中 望(たんなか のぞむ)
Nozomu Tannaka
2006-2008 Works Applications Inc.,
2008-2014 beBit Inc.,
2015- Recruit Technologies Inc.,
UX Design, UX Strategy, Multi-Segment UX…

3. この絵は？

5. フランシスコ・デ・ゴヤ
『我が子を食らうサトゥルヌス』
ローマ神話に登場するサトゥルヌス（ギリシア神話
のクロノスに相当）が将来、自分の子に殺されると
いう予言に恐れを抱き5人の子を次々に呑み込んで
いったという伝承をモチーフにしており、自己の破
滅に対する恐怖から狂気に取り憑かれ、伝承のよう
に丸呑みするのではなく自分の子を頭からかじり、
食い殺す凶行に及ぶ様子がリアリティを持って描か
れている。
Wikipediaより
https://ja.wikipedia.org/wiki/%E6%88%91%E3%81%8C%E5%AD%90%E
3%82%92%E9%A3%9F%E3%82%89%E3%81%86%E3%82%B5%E3%83%
88%E3%82%A5%E3%83%AB%E3%83%8C%E3%82%B9

6. 自己の破滅に対する恐怖から

7. わが子を食らう

8. AI eats UX??

9. UX eats AI??

10. 個人的な体験

11. 2008年～2014年
ビービット時代

12. 伝統的“UCD”
行動観察
ユーザインサイトの発見
コミュニケーションシナリオ設計
UI設計

13. 価値の源泉は？

14. インサイトを把握する
調査力・分析力・共感力

15. UI設計の“引き出し”の多さ
（『画面設計25選』）

16. 2015年～
リクルートテクノロジーズへ

17. 最近の仕事

18. BigData / AIを活用したUX設計
ユーザ理解 テクノロジー理解
UXコンセプトの定義
画面デザイン
活用できるデータ模索
モデルチューニング

19. 価値の源泉は？

20. データの質と量

21. どのように価値のあるデータ
を得るか？

22. データの扱い方

23. どのようにデータを保持し、
加工するか？

24. モデルの精度

25. どのようにモデルを構築し、
チューニングするか？

26. 価値の源泉が変わりつつある
のではないか？

27. 問い

28. （機械学習を含む広義の）
AIによって、UXデザインにどの
ような変化が起きているのか？

29. 3つの問い
• Chat eats UI? ～ チャットがUIを食らうのか？
• Data eats Insight? ～ データがインサイトを食らうのか？
• AI eats Designer ～ 人工知能がデザイナーを食らうのか？

30. Chat eats UI?

31. パン田一郎

32. Relux
（宿泊予約サービス）

33. Amazon Echo
https://www.amazon.com/Amazon-Echo-Bluetooth-Speaker-with-WiFi-Alexa/dp/B00X4WHP5E?th=1

34. チャットボットを活用した
サービスが
実用化されはじめている

35. ○シナリオ＋UI設計 “No UI”
デバイス特性に合わせた、
ユーザインターフェース
のノウハウが重要
対話の条件分岐の設計
UIは「会話文」のみ

36. “ファセット検索”の終焉？

37. Data eats Insight?

38. フォト検索（ゼクシィ）
マルチモーダル（画像とテキストを関連づけて類似
度をマッピングできる技術）を活用し、「こんな式
がやりたい」というイメージから式場を探すことが
できる機能を実装

39. 全文解析によるレコメンド
（ゼクシィアプリ）
記事の全文テキストの解析データから「似ている記
事」を自動判定し、カスタマー一人一人におすすめ
の記事をレコメンド

40. word2vecを用いたレコメンド
（リクナビ）
自然言語処理に使われるword2vecの技術を応用し、
リクナビ上でカスタマー行動に基づくレコメンドモ
デルを構築
https://www.slideshare.net/recruitcojp/ss-56150629

41. ○IA設計とタクソノミー モデルの試行錯誤
ユーザインサイトを踏ま
えた、適切な情報設計と
カテゴライズの技術
ブラックボックスである
機械学習のモデル構築
学習速度

42. IAの終焉？
時間をかけた正しいIA設計、タグ付け、カテゴライズといったも
のが不要になる？
機械学習の精度はやってみないと誰にもわからない。いかに早く
リリースし、実データで何度もチューニングしていくかが重要に
なる。

43. AI eats Designer?

44. Google Optimize
（ABテストツール）
ああああああ
https://bita.jp/dml/smarthome_device

45. AutoDraw
（イラスト作成ツール）
https://seleck.cc/979

46. ○職人の高度なスキル 速度と回数
精緻なシナリオ設計と
コミュニケーション設計
大量のデータと大量の実
験を回せる組織・体制づ
くり

47. “UCD”の終焉？
職人技でカスタマーのインサイトを捉えて丁寧に
設計するよりも、大量のデータを食わせて回すほ
うが精度も高くなる？

48. 本日のセッション

49. 今起きている変化を
正しく冷静に捉えたい

50. “現場の知”

51. 木村憲仁さん・白井祐典さん
澤紀彦さん・吉村大希さん
福田基輔さん
久保田賢さん
羽山祥樹さん
ちゃちゃきさん
児玉哲彦さん
深層学習による中古車の「内装検索」「車種検索」
AIによる記事自動作成（AI決算サマリー）
ChatbotにおけるAI化の登り方と”ゆるされるデザイン
機械学習から（ほんのちょっと）垣間見えたUX
Watsonが拓く新しいUXの地平
AIへの期待、わかること、わからないこと
？？？
CLOSING & 懇親会
OPENING
休憩
休憩

52. #aieatsux