知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024029694
(43)【公開日】2024-03-06
(54)【発明の名称】情報処理装置及びプログラム
(51)【国際特許分類】
G06Q 10/00 20230101AFI20240228BHJP
【ＦＩ】
G06Q10/00
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2022132096
(22)【出願日】2022-08-22
(71)【出願人】
【識別番号】000005496
【氏名又は名称】富士フイルムビジネスイノベーション株式会社
(74)【代理人】
【識別番号】110001519
【氏名又は名称】弁理士法人太陽国際特許事務所
(72)【発明者】
【氏名】渡邉 岳人
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049AA09
(57)【要約】
【課題】最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことを可能とする。
【解決手段】特徴量抽出部３８は、プロジェクト管理ＤＢ３６及びコミュニケーション情報ＤＢ３７に登録されているプロジェクトに関する様々な情報からプロジェクトに関する特徴量を抽出する。制御部３２は、最終結果が失敗となった過去のプロジェクトの特徴量と失敗という最終結果とを教師データとして用い、プロジェクトの特徴量を入力することにより、現在進行中のプロジェクトの最終結果が失敗となるのか成功となるのかを予測する予測モデル３４を生成する。そして、制御部３２は、生成した予測モデル３４に、進行中のプロジェクトから抽出した特徴量を入力することにより、進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測する。そして、制御部３２は、失敗になると予測されるプロジェクトに対して警告を行う。
【選択図】図３
【解決手段】特徴量抽出部３８は、プロジェクト管理ＤＢ３６及びコミュニケーション情報ＤＢ３７に登録されているプロジェクトに関する様々な情報からプロジェクトに関する特徴量を抽出する。制御部３２は、最終結果が失敗となった過去のプロジェクトの特徴量と失敗という最終結果とを教師データとして用い、プロジェクトの特徴量を入力することにより、現在進行中のプロジェクトの最終結果が失敗となるのか成功となるのかを予測する予測モデル３４を生成する。そして、制御部３２は、生成した予測モデル３４に、進行中のプロジェクトから抽出した特徴量を入力することにより、進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測する。そして、制御部３２は、失敗になると予測されるプロジェクトに対して警告を行う。
【選択図】図３
【特許請求の範囲】
【請求項1】
プロセッサを備え、
前記プロセッサは、
進行中のプロジェクトに関する特徴量を抽出し、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測し、
失敗になると予測されるプロジェクトに対して警告を行う、
情報処理装置。
前記プロセッサは、
進行中のプロジェクトに関する特徴量を抽出し、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測し、
失敗になると予測されるプロジェクトに対して警告を行う、
情報処理装置。
【請求項2】
前記プロセッサは、最終結果が失敗となった過去のプロジェクトの特徴量だけでなく、最終結果が成功となった過去のプロジェクトの特徴量と当該成功という最終結果とを教師データとして用いて前記予測モデルの機械学習を行う請求項１記載の情報処理装置。
【請求項3】
記憶部をさらに備え、
前記プロセッサは、
プロジェクトを進行させる際に行われた対応内容と、進行中のプロジェクトに対する前記予測モデルの予測結果と、当該予測結果が得られた際のプロジェクトの特徴量とを時系列で前記記憶部に記憶し、
前記記憶部に記憶されている予測結果において、予測結果が失敗から成功に変化している場合、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容を取得し、
失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容とを教師データとして予め機械学習した学習モデルに、最終結果が失敗になると予測される旨の警告を行った進行中のプロジェクトから抽出した特徴量を入力することにより、警告を行った進行中のプロジェクトに対する追加対応案を取得し、
失敗になると予測されるプロジェクトに対する警告とともに、取得した追加対応案を提示する、
請求項１記載の情報処理装置。
前記プロセッサは、
プロジェクトを進行させる際に行われた対応内容と、進行中のプロジェクトに対する前記予測モデルの予測結果と、当該予測結果が得られた際のプロジェクトの特徴量とを時系列で前記記憶部に記憶し、
前記記憶部に記憶されている予測結果において、予測結果が失敗から成功に変化している場合、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容を取得し、
失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容とを教師データとして予め機械学習した学習モデルに、最終結果が失敗になると予測される旨の警告を行った進行中のプロジェクトから抽出した特徴量を入力することにより、警告を行った進行中のプロジェクトに対する追加対応案を取得し、
失敗になると予測されるプロジェクトに対する警告とともに、取得した追加対応案を提示する、
請求項１記載の情報処理装置。
【請求項4】
前記プロセッサは、失敗の予測結果が得られた際の特徴量だけでなく、失敗の予測結果が得られた日時よりも以前において成功の予測結果が得られた際の特徴量をも教師データとして用いて前記学習モデルの機械学習を行う請求項３記載の情報処理装置。
【請求項5】
前記プロセッサは、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、使用された媒体に関する情報、プロジェクトの参加ユーザの情報、使用している業務支援ソフトウェアの情報のうちの少なくとも１つの情報を、プロジェクトに関する特徴量として抽出する請求項１記載の情報処理装置。
【請求項6】
前記プロセッサは、複数ユーザ間のコミュニケーションを行う業務支援ソフトウェアにおいて送受信されたメッセージ情報から、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、又は、使用された媒体に関する情報を取得する請求項５記載の情報処理装置。
【請求項7】
前記プロセッサは、予め設定された条件に基づいて、過去に完了したプロジェクトが失敗したのか成功したのかを判定する請求項１記載の情報処理装置。
【請求項8】
進行中のプロジェクトに関する特徴量を抽出するステップと、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測するステップと、
失敗になると予測されるプロジェクトに対して警告を行うステップと、
をコンピュータに実行させるためのプログラム。
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測するステップと、
失敗になると予測されるプロジェクトに対して警告を行うステップと、
をコンピュータに実行させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置及びプログラムに関する。
【背景技術】
【0002】
特許文献１には、アンケートの回答からリスク度を学習し、リスク度が高いプロジェクトを予測するようにしたコンピュータ・システムが開示されている。
【0003】
特許文献２には、会議の参加者の音声を入力して、会議の発言時間と、会議の開催時間とに基づいて、プロジェクトを評価する評価値を算出して、プロジェクトの成否を評価する会議支援システムが開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特許第５２２５０２７号公報
【特許文献2】特許第６８７０２４２号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
本開示の目的は、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことを可能とする情報処理装置及びプログラムを提供することである。
【課題を解決するための手段】
【0006】
第１態様の情報処理装置は、プロセッサを備え、前記プロセッサは、進行中のプロジェクトに関する特徴量を抽出し、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測し、
失敗になると予測されるプロジェクトに対して警告を行う。
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測し、
失敗になると予測されるプロジェクトに対して警告を行う。
【0007】
第２態様の情報処理装置は、第１態様の情報処理装置において、前記プロセッサは、最終結果が失敗となった過去のプロジェクトの特徴量だけでなく、最終結果が成功となった過去のプロジェクトの特徴量と当該成功という最終結果とを教師データとして用いて前記予測モデルの機械学習を行う。
【0008】
第３態様の情報処理装置は、第１態様の情報処理装置において、記憶部をさらに備え、前記プロセッサは、プロジェクトを進行させる際に行われた対応内容と、進行中のプロジェクトに対する前記予測モデルの予測結果と、当該予測結果が得られた際のプロジェクトの特徴量とを時系列で前記記憶部に記憶し、
前記記憶部に記憶されている予測結果において、予測結果が失敗から成功に変化している場合、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容を取得し、
失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容とを教師データとして予め機械学習した学習モデルに、最終結果が失敗になると予測される旨の警告を行った進行中のプロジェクトから抽出した特徴量を入力することにより、警告を行った進行中のプロジェクトに対する追加対応案を取得し、
失敗になると予測されるプロジェクトに対する警告とともに、取得した追加対応案を提示する。
前記記憶部に記憶されている予測結果において、予測結果が失敗から成功に変化している場合、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容を取得し、
失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容とを教師データとして予め機械学習した学習モデルに、最終結果が失敗になると予測される旨の警告を行った進行中のプロジェクトから抽出した特徴量を入力することにより、警告を行った進行中のプロジェクトに対する追加対応案を取得し、
失敗になると予測されるプロジェクトに対する警告とともに、取得した追加対応案を提示する。
【0009】
第４態様の情報処理装置は、第３態様の情報処理装置において、前記プロセッサは、失敗の予測結果が得られた際の特徴量だけでなく、失敗の予測結果が得られた日時よりも以前において成功の予測結果が得られた際の特徴量をも教師データとして用いて前記学習モデルの機械学習を行う。
【0010】
第５態様の情報処理装置は、第１態様の情報処理装置において、前記プロセッサは、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、使用された媒体に関する情報、プロジェクトの参加ユーザの情報、使用している業務支援ソフトウェアの情報のうちの少なくとも１つの情報を、プロジェクトに関する特徴量として抽出する。
【0011】
第６態様の情報処理装置は、第５態様の情報処理装置において、前記プロセッサは、複数ユーザ間のコミュニケーションを行う業務支援ソフトウェアにおいて送受信されたメッセージ情報から、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、又は、使用された媒体に関する情報を取得する。
【0012】
第７態様の情報処理装置は、第１態様の情報処理装置において、前記プロセッサは、予め設定された条件に基づいて、過去に完了したプロジェクトが失敗したのか成功したのかを判定する。
【0013】
第８態様のプログラムは、進行中のプロジェクトに関する特徴量を抽出するステップと、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測するステップと、
失敗になると予測されるプロジェクトに対して警告を行うステップとをコンピュータに実行させる。
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測するステップと、
失敗になると予測されるプロジェクトに対して警告を行うステップとをコンピュータに実行させる。
【発明の効果】
【0014】
第１態様の情報処理装置によれば、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことが可能になる。
【0015】
第２態様の情報処理装置によれば、失敗の予測結果が得られた際の特徴量のみを用いて予測モデルの機械学習を行う場合と比較して、提示する予測結果の精度を高めることが可能となる。
【0016】
第３態様の情報処理装置によれば、最終結果が失敗となる可能性があるプロジェクトに対して、追加対応案を提示することが可能となる。
【0017】
第４態様の情報処理装置によれば、失敗の予測結果が得られた際の特徴量のみを用いて学習モデルの機械学習を行う場合と比較して、提示する追加対応案の精度を高めることが可能となる。
【0018】
第５態様の情報処理装置によれば、プロジェクトの失敗・成功に寄与する可能性がある情報を特徴量として抽出して、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことが可能になる。
【0019】
第６態様の情報処理装置によれば、プロジェクトを進行させる際に行われた対応内容の情報等を登録するユーザの手間を省くことができる。
【0020】
第７態様の情報処理装置によれば、過去に完了したプロジェクトに対して失敗したのか成功したのかを登録するユーザの手間を省くことができる。
【0021】
第８態様のプログラムによれば、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことが可能になる。
【図面の簡単な説明】
【0022】
【図1】本開示の一実施形態のプロジェクト管理システムのシステム構成を示す図である。
【図2】本開示の一実施形態におけるプロジェクト管理サーバ１０のハードウェア構成を示すブロック図である。
【図3】本開示の一実施形態におけるプロジェクト管理サーバ１０の機能構成を示すブロック図である。
【図4】本開示の一実施形態のプロジェクト管理サーバ１０における予測モデル３４の機械学習を行う際の動作を示すフローチャートである。
【図5】生成された予測モデル３４による予測処理を行う際の動作を説明するためのフローチャートである。
【図6】予測モデル３４がプロジェクトの特徴量から最終結果を予測する場合の予測例を説明するための図である。
【図7】制御部３２が上司の端末装置２０の画面上に表示する警告画面の一例を示す図である。
【図9】特徴量記憶部３５に記憶されるデータ例を示す図である。
【図10】プロジェクトＤにおける予測結果の時間経過に伴う変化を示す図である。
【図11】制御部３２が、取得した対応内容を、特徴量α、β、γ、予測結果、特徴量の抽出日時の情報とともに教師データとして用いて学習モデル３３の機械学習を実行する様子を説明するための図である。
【図12】学習モデル３３を用いて追加対応案を取得する際の動作の一例を示す図である。
【発明を実施するための形態】
【0023】
次に、本開示の実施の形態について図面を参照して詳細に説明する。
【0024】
図１は本開示の一実施形態のプロジェクト管理システムのシステム構成を示す図である。
【0025】
本開示の一実施形態のプロジェクト管理システムは、図１に示されるように、プロジェクト管理サーバ１０と、端末装置２０、４０とがネットワーク３０により接続された構成となっている。プロジェクト管理サーバ１０は、過去に実行されたプロジェクト、及び、現在進行中のプロジェクトの管理を行っている情報処理装置である。
【0026】
ここで、プロジェクトとは、設定された期限までにある目的を達成するために進められる業務のことを意味する。このプロジェクトとしては、例えば、あるソフトウェアシステム又は製品を開発する開発プロジェクト、ある商品を受注するための営業プロジェクト、ある企画を提案して承認を受けるような企画プロジェクト等の様々なプロジェクトが存在する。
【0027】
このような各種プロジェクトは最終結果が成功となる場合もあるし、失敗となる場合もある。例えば、ある期間内にソフトウェアプログラムを開発するようなプロジェクトの場合、期間内にソフトウェアプログラムが完成しなければ最終結果は失敗となる。また、期間内にソフトウェアプログラムが完成したとしても、要求仕様を満たしていない、製品品質が低い等の理由により最終結果は失敗となる場合もある。
【0028】
なお、本実施形態では、複数の営業担当者が上司の下である商品の受注を目指して様々な活動を行う営業プロジェクトを一例として説明する。このような営業プロジェクトでは、営業担当者は、それぞれ端末装置４０を介して営業活動を行う。また、営業担当者は、端末装置４０上から電子メール、Ｗｅｂ会議システムのような業務支援ソフトウェア等の様々なコミュニケーションツールを利用して他の営業担当者、又は外部のユーザとの間でメッセージや情報のやりとりを行っている。そして、営業担当者は、端末装置４０を介して、プロジェクト管理サーバ１０に営業活動の内容、及び、プロジェクトの最新状況を記録する。上司は端末装置２０を介してプロジェクト管理サーバ１０にアクセスして、この営業プロジェクトの進捗状況又は現在の状態を管理することができるようになっている。
【0029】
そして、この上司がプロジェクトの現在の状態を確認してあまり良い状態ではないと判断した場合、何か追加対応を営業担当者に指示することによりプロジェクトが成功になるように導くことが行われる。しかし、上司が常にプロジェクトの状態変化に気が付いて適切な追加対応を指示することができるとは限らない。そこで、本実施形態のプロジェクト管理サーバ１０は、下記に示すような処理を行うことにより、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことができるようにしている。
【0030】
次に、本実施形態のプロジェクト管理システムにおけるプロジェクト管理サーバ１０のハードウェア構成を図２に示す。
【0031】
プロジェクト管理サーバ１０は、図２に示されるように、ＣＰＵ１１、メモリ１２、ハードディスクドライブ等の記憶装置１３、ネットワーク３０を介して外部の装置等との間でデータの送信及び受信を行う通信インタフェース（ＩＦと略す。）１４、タッチパネル又は液晶ディスプレイ並びにキーボードを含むユーザインタフェース（ＵＩと略す。）装置１５を有する。これらの構成要素は、制御バス１６を介して互いに接続されている。
【0032】
ＣＰＵ１１は、メモリ１２または記憶装置１３に格納された制御プログラムに基づいて所定の処理を実行して、プロジェクト管理サーバ１０の動作を制御するプロセッサである。なお、本実施形態では、ＣＰＵ１１は、メモリ１２または記憶装置１３内に格納された制御プログラムを読み出して実行するものとして説明したが、これに限定されるものではない。この制御プログラムをコンピュータ読取可能な記録媒体に記録した形態で提供してもよい。例えば、このプログラムをＣＤ（Compact Disc）－ＲＯＭ及びＤＶＤ（Digital Versatile Disc）－ＲＯＭ等の光ディスクに記録した形態、若しくはＵＳＢ（Universal Serial Bus）メモリ及びメモリカード等の半導体メモリに記録した形態で提供してもよい。また、この制御プログラムを、通信インタフェース１４に接続された通信回線を介して外部装置から取得するようにしてもよい。
【0033】
図３は、上記の制御プログラムが実行されることにより実現されるプロジェクト管理サーバ１０の機能構成を示すブロック図である。
【0034】
本実施形態のプロジェクト管理サーバ１０は、図３に示されるように、データ送受信部３１と、制御部３２と、学習モデル３３と、予測モデル３４と、特徴量記憶部３５と、プロジェクト管理ＤＢ（データベース）３６と、コミュニケーション情報ＤＢ３７と、特徴量抽出部３８とを備えている。
【0035】
データ送受信部３１は、端末装置２０、４０等の外部装置との間でデータの送受信を行う。
【0036】
制御部３２は、データ送受信部３１を介して端末装置２０、４０等の外部装置から受信したプロジェクトに関する情報をプロジェクト管理ＤＢ３６に登録したり、各種コミュニケーションツールを介してやりとりされたコミュニケーション情報をコミュニケーション情報ＤＢ３７に登録したりする。コミュニケーション情報とは、例えば、「〇月〇日、顧客に説明してきた資料です。□□部門の人が参加していました。」というようなメッセージ情報である。
【0037】
また、制御部３２は、データ送受信部３１を介して端末装置２０、４０等の外部装置との間でデータの送受信を行って、管理しているプロジェクトの現在の状況等の情報を端末装置２０、４０に表示する処理も行う。
【0038】
例えば、制御部３２は、複数ユーザ間のコミュニケーションを行う業務支援ソフトウェアにおいて送受信されたメッセージ情報から、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、又は、使用された資料等の媒体に関する情報を取得してプロジェクト管理ＤＢ３６及びコミュニケーション情報ＤＢ３７に格納する。
【0039】
特徴量抽出部３８は、プロジェクト管理ＤＢ３６及びコミュニケーション情報ＤＢ３７に登録されているプロジェクトに関する様々な情報から、過去のプロジェクト、及び、現在進行中のプロジェクトに関する特徴量を抽出する。
【0040】
具体的には、特徴量抽出部３８は、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、使用された資料等の媒体に関する情報、プロジェクトの参加ユーザの情報、使用している業務支援ソフトウェアの情報のうちの少なくとも１つの情報を、プロジェクトに関する特徴量として抽出する。
【0041】
ここで、プロジェクトを進行させる際のユーザの行動内容の情報とは、例えば、「顧客から課題をヒアリングした」という情報、又は「資料を顧客に説明した」という情報である。また、使用された資料等の媒体に関する情報とは、例えば、顧客に説明した資料が「提案資料Ａ」である、又は「提案資料Ｂ」であるという情報である。また、ユーザの行動の開始時刻及び終了時刻等の情報も、そのプロジェクトの特徴量となる。
【0042】
制御部３２は、最終結果が失敗となった過去のプロジェクトの特徴量と失敗という最終結果とを教師データとして用いた機械学習を予め行うことにより予測モデル３４を生成する。予測モデル３４は、プロジェクトの特徴量を入力することにより、現在進行中のプロジェクトの最終結果が失敗となるのか成功となるのかを予測するように構成されている。
【0043】
なお、制御部３２は、最終結果が失敗となった過去のプロジェクトの特徴量だけでなく、最終結果が成功となった過去のプロジェクトの特徴量と成功という最終結果とを教師データとして用いて予測モデル３４の機械学習を行うようにしてもよい。
【0044】
そして、制御部３２は、生成した予測モデル３４に、進行中のプロジェクトから抽出した特徴量を入力することにより、進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測する。そして、制御部３２は、失敗になると予測されるプロジェクトに対して警告を行う。
【0045】
例えば、上司が端末装置２０を介してあるプロジェクトに関する画面を表示した際に、その画面上に警告表示を行うことにより、そのプロジェクトがこのままだと失敗する可能性が高いことを通知する。
【0046】
また、制御部３２は、プロジェクトを進行させる際に行われた対応内容と、進行中のプロジェクトに対する予測モデル３４の予測結果と、その予測結果が得られた際のプロジェクトの特徴量とを時系列で特徴量記憶部３５に記憶する。
【0047】
そして、制御部３２は、特徴量記憶部３５に記憶されている予測結果において、予測結果が失敗から成功に変化している場合、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容を取得する。
【0048】
そして、制御部３２は、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容とを教師データとして用いた機械学習を予め行うことにより学習モデル３３を生成する。
【0049】
制御部３２は、最終結果が失敗になると予測される旨の警告を行った進行中のプロジェクトから抽出した特徴量を学習モデル３３に入力することにより、警告を行った進行中のプロジェクトに対する追加対応案を取得する。
【0050】
そして、制御部３２は、失敗になると予測されるプロジェクトに対する警告とともに、取得した追加対応案を提示する。
【0051】
なお、制御部３２は、失敗の予測結果が得られた際の特徴量だけでなく、失敗の予測結果が得られた日時よりも以前において成功の予測結果が得られた際の特徴量をも教師データとして用いて学習モデル３３の機械学習を行うようにしてもよい。
【0052】
なお、制御部３２は、予め設定された条件に基づいて、過去に完了したプロジェクトが失敗したのか成功したのかを判定する。例えば、ある商品の受注を目的とした営業プロジェクトの場合には、制御部３２は、その商品を受注した場合に最終結果が成功であると判定し、その商品を失注した場合に最終結果は失敗であると判定する。
【0053】
次に、本実施形態のプロジェクト管理サーバ１０の動作について図面を参照して詳細に説明する。
【0054】
先ず、予測モデル３４の機械学習が行われる際の動作について図４のフローチャートを参照して説明する。
【0055】
制御部３２は、ステップＳ１０１において、最終結果が出ている過去のプロジェクトのうち、最終結果が失敗となったプロジェクトを対象として、まだ処理していないプロジェクトが存在するか否かを判定する。
【0056】
そして、まだ処理していないプロジェクトが存在する場合、制御部３２は、ステップＳ１０２において、未処理のプロジェクトを１つ選択する。さらに、制御部３２は、ステップＳ１０３において、選択したプロジェクトに関する特徴量を特徴量抽出部３８に抽出するよう指示する。
【0057】
そして、制御部３２は、ステップＳ１０４において、特徴量抽出部３８により抽出された特徴量を教師データとして予測モデル３４の機械学習を実行する。
【0058】
最後に、制御部３２は、ステップＳ１０５において、機械学習による学習結果を保存して処理を終了する。
【0059】
制御部３２は、ステップＳ１０１において、まだ処理していない対象のプロジェクトが存在しないと判定するまで、ステップＳ１０２～Ｓ１０５の処理を繰り返し、まだ処理していない対象となるプロジェクトが存在しなくなると処理を終了する。
【0060】
次に、このようにして生成された予測モデル３４による予測処理を行う際の動作を図５のフローチャートを参照して説明する。
【0061】
例えば、制御部３２がデータ送受信部３１を介して、上司の端末装置２０から、あるプロジェクトに関する画面表示の指示を受けた場合について説明する。
【0062】
この場合、制御部３２は、ステップＳ２０１において、画面表示の指示を受け付けたプロジェクトの現在の特徴量を抽出するよう特徴量抽出部３８に指示を行う。
【0063】
そして、制御部３２は、ステップＳ２０２において、特徴量抽出部３８により抽出された特徴量を予測モデル３４に入力することにより、そのプロジェクトの最終結果が成功するのか失敗するのかの予測結果を取得する。
【0064】
次に、制御部３２は、ステップＳ２０３において、その予測結果が「失敗」であったか否かを判定する。
【0065】
ステップＳ２０３においてその予測結果が「失敗」であっと判定した場合、制御部３２は、ステップＳ２０４において、対象プロジェクトの最終結果が失敗になる可能性がある旨の警告を画面上に表示する。
【0066】
なお、ステップＳ２０３においてその予測結果が「失敗」でない判定した場合、つまり「成功」であると判定した場合、制御部３２は、警告を行うことなく、通常の通り対象プロジェクトに関する画面を表示する。
【0067】
次に、予測モデル３４がプロジェクトの特徴量から最終結果を予測する場合の予測例について、図６を参照して具体的に説明する。
【0068】
例えば、予測モデル３４は、過去のプロジェクト情報としてプロジェクトＡ、Ｂについて機械学習をしているものとする。
【0069】
ここで、プロジェクトＡでは、下記のような状況となっていたものとする。
（１）プロジェクトＡでは、顧客に課題をヒアリングしたところ、課題Ａ、Ｂ、Ｃが上がっていた。
（２）そして、顧客に対して、提案資料Ａを説明してきた。
（３）プロジェクトＡの最終結果は失注であった。
（１）プロジェクトＡでは、顧客に課題をヒアリングしたところ、課題Ａ、Ｂ、Ｃが上がっていた。
（２）そして、顧客に対して、提案資料Ａを説明してきた。
（３）プロジェクトＡの最終結果は失注であった。
【0070】
また、プロジェクトＢでは、下記のような状況となっていたものとする。
（１）プロジェクトＢでは、顧客に課題をヒアリングしたところ、課題Ａ、Ｂ、Ｃが上がっていた。
（２）そして、顧客に対して、提案資料Ｂを説明してきた。
（３）プロジェクトＢの最終結果は受注であった。
（１）プロジェクトＢでは、顧客に課題をヒアリングしたところ、課題Ａ、Ｂ、Ｃが上がっていた。
（２）そして、顧客に対して、提案資料Ｂを説明してきた。
（３）プロジェクトＢの最終結果は受注であった。
【0071】
このような過去のプロジェクト情報に基づいて予測モデル３４の機械学習を行うことにより、予測モデル３４は、課題Ａ、Ｂ、Ｃと提案資料Ａという組み合わせでは、プロジェクトの最終結果は失注となる可能性が高いと学習する。また、予測モデル３４は、課題Ａ、Ｂ、Ｃと提案資料Ｂという組み合わせでは、プロジェクトの最終結果は受注となる可能性が高いと学習する。
【0072】
そして、現在進行中のプロジェクトＣにおいて、顧客に課題をヒアリングしたところ、課題Ａ、Ｂ、Ｃが上がっていた。そして、プロジェクトＣでは、顧客に対して、提案資料Ａを説明してきた場合について説明する。
【0073】
この場合、プロジェクトＣに関する情報から抽出した特徴量を予測モデル３４に入力することにより、最終結果が「失注」となる可能性が高いとの予測結果が出力される。そのため、制御部３２は、プロジェクトＣの管理画面を表示する際に、最終結果が「失注」となる可能性が高いとの予測結果を表示する。
【0074】
【0075】
そして、この警告表示８０をさらに操作することにより表示される警告画面の一例を図８に示す。図８では、このプロジェクトが現在の状態のまま進行した場合、最終結果として「失注」となる可能性が高い旨が表示されている。また、最終結果が失注となった過去のプロジェクトが失敗事例として表示されており、この「プロジェクトＡ」等の表示が失敗事例を表示するためのリンク情報となっている。この表示を見たユーザは、このリンク情報をクリックすることにより失敗事例として挙げられた他のプロジェクトの詳細を知ることができる。
【0076】
また、図８に示した警告画面では、このプロジェクトを成功に導くための対応案が示されている。具体的には、「提案資料Ｂを説明する。」という対応案が示されている。
【0077】
このような対応案を見た上司が、提案資料Ｂを顧客に説明するよう営業担当者に指示することにより、プロジェクトＣの最終結果が受注となる可能性が高まることになる。
【0078】
次に、このような対応案を具体的にどのようにして取得するかについての具体的な動作を以下において説明する。
【0079】
制御部３２は、学習モデル３３に対する機械学習を行うことにより、最終結果が「失注」となりそうなプロジェクトに対して提案する対応案を取得できるようにしている。
【0080】
そのため、制御部３２は、過去のプロジェクトにおいて抽出された特徴量、その特徴量が抽出された日時、その特徴量に基づく予測結果の情報を時系列にして特徴量記憶部３５に記憶する。このようにして特徴量記憶部３５に記憶されるデータ例を図９に示す。
【0081】
例えば、図９に示したデータ例では、過去のプロジェクトＤについて、日時「2022/1/1」において抽出された特徴量αと、この特徴量αを予測モデル３４に入力することにより得られた予測結果が「受注」であったことを示している。
【0082】
また、図９に示したデータ例では、過去のプロジェクトＤについて、日時「2022/2/1」において抽出された特徴量βと、この特徴量βを予測モデル３４に入力することにより得られた予測結果が「失注」であったことを示している。
【0083】
さらに、図９に示したデータ例では、過去のプロジェクトＤについて、日時「2022/4/1」において抽出された特徴量γと、この特徴量γを予測モデル３４に入力することにより得られた予測結果が「受注」であったことを示している。
【0084】
このプロジェクトＤにおける予測結果の時間経過に伴う変化を図１０に示す。図１０を参照すると分かるように、日時「2022/2/1」において抽出された特徴量βに基づく予測結果が「失注」であったにもかかわらず、日時「2022/4/1」において抽出された特徴量γに基づく予測結果が「受注」に戻っていることが分かる。
【0085】
そのため、制御部３２は、2022/2/1～2022/4/1の期間にプロジェクトＤにおいて実行された対応内容をプロジェクト管理ＤＢ３６及びコミュニケーション情報ＤＢ３７から取得する。
【0086】
そして、制御部３２は、図１１に示したように、取得した対応内容を、特徴量α、β、γ、予測結果、特徴量の抽出日時の情報とともに教師データとして用いて学習モデル３３の機械学習を実行する。
【0087】
このような機械学習の結果、学習モデル３３は、失敗の予測結果が得られた際の特徴量を入力することにより、予測結果を失敗から成功に変化させるための追加対応案を出力するようになる。
【0088】
このような学習モデル３３を用いて追加対応案を取得する際の動作の一例を図１２に示す。
【0089】
図１２を参照すると、現在進行中のプロジェクトＦでは、日時「2022/5/1」において抽出された特徴量δを予測モデル３４に入力することにより得られた予測結果が「受注」であった。しかし、日時「2022/6/1」において抽出された特徴量εを予測モデル３４に入力することにより得られた予測結果が「失注」となってしまっているものとする。
【0090】
制御部３２は、日時「2022/5/1」において抽出された特徴量δと得られた予測結果が「受注」である情報と、日時「2022/6/1」において抽出された特徴量εと得られた予測結果が「失注」である情報とを学習モデル３３に入力する。
【0091】
すると、学習モデル３３からこのプロジェクトＦの最終結果を「受注」にするための追加対応案が出力され、制御部３２は、警告画面に提案する追加対応案を取得することができる。
【0092】
そして、制御部３２は、取得した追加対応案を、図８に示した警告画面中に表示することにより、警告を受けたユーザは追加対応案の情報を知ることができる。
【0093】
上記各実施形態において、プロセッサとは広義的なプロセッサを指し、汎用的なプロセッサ（例えばＣＰＵ：Central Processing Unit、等）や、専用のプロセッサ（例えばＧＰＵ：Graphics Processing Unit、ＡＳＩＣ：Application Specific Integrated Circuit、ＦＰＧＡ：Field Programmable Gate Array、プログラマブル論理デバイス等）を含むものである。
【0094】
また上記各実施形態におけるプロセッサの動作は、１つのプロセッサによって成すのみでなく、物理的に離れた位置に存在する複数のプロセッサが協働して成すものであってもよい。また、プロセッサの各動作の順序は上記各実施形態において記載した順序のみに限定されるものではなく、適宜変更してもよい。
【0095】
［付記］
以下に、本開示の好ましい形態について付記する。
以下に、本開示の好ましい形態について付記する。
【0096】
（（（１）））
プロセッサを備え、
前記プロセッサは、
進行中のプロジェクトに関する特徴量を抽出し、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測し、
失敗になると予測されるプロジェクトに対して警告を行う、
情報処理装置。
プロセッサを備え、
前記プロセッサは、
進行中のプロジェクトに関する特徴量を抽出し、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測し、
失敗になると予測されるプロジェクトに対して警告を行う、
情報処理装置。
【0097】
（（（２）））
前記プロセッサは、最終結果が失敗となった過去のプロジェクトの特徴量だけでなく、最終結果が成功となった過去のプロジェクトの特徴量と当該成功という最終結果とを教師データとして用いて前記予測モデルの機械学習を行う（（（１）））記載の情報処理装置。
前記プロセッサは、最終結果が失敗となった過去のプロジェクトの特徴量だけでなく、最終結果が成功となった過去のプロジェクトの特徴量と当該成功という最終結果とを教師データとして用いて前記予測モデルの機械学習を行う（（（１）））記載の情報処理装置。
【0098】
（（（３）））
記憶部をさらに備え、
前記プロセッサは、
プロジェクトを進行させる際に行われた対応内容と、進行中のプロジェクトに対する前記予測モデルの予測結果と、当該予測結果が得られた際のプロジェクトの特徴量とを時系列で前記記憶部に記憶し、
前記記憶部に記憶されている予測結果において、予測結果が失敗から成功に変化している場合、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容を取得し、
失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容とを教師データとして予め機械学習した学習モデルに、最終結果が失敗になると予測される旨の警告を行った進行中のプロジェクトから抽出した特徴量を入力することにより、警告を行った進行中のプロジェクトに対する追加対応案を取得し、
失敗になると予測されるプロジェクトに対する警告とともに、取得した追加対応案を提示する、
（（（１）））又は（（（２）））記載の情報処理装置。
記憶部をさらに備え、
前記プロセッサは、
プロジェクトを進行させる際に行われた対応内容と、進行中のプロジェクトに対する前記予測モデルの予測結果と、当該予測結果が得られた際のプロジェクトの特徴量とを時系列で前記記憶部に記憶し、
前記記憶部に記憶されている予測結果において、予測結果が失敗から成功に変化している場合、失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容を取得し、
失敗の予測結果が得られた際の特徴量、及び、予測結果が失敗から成功に変化する間に行われた対応内容とを教師データとして予め機械学習した学習モデルに、最終結果が失敗になると予測される旨の警告を行った進行中のプロジェクトから抽出した特徴量を入力することにより、警告を行った進行中のプロジェクトに対する追加対応案を取得し、
失敗になると予測されるプロジェクトに対する警告とともに、取得した追加対応案を提示する、
（（（１）））又は（（（２）））記載の情報処理装置。
【0099】
（（（４）））
前記プロセッサは、失敗の予測結果が得られた際の特徴量だけでなく、失敗の予測結果が得られた日時よりも以前において成功の予測結果が得られた際の特徴量をも教師データとして用いて前記学習モデルの機械学習を行う（（（３）））記載の情報処理装置。
前記プロセッサは、失敗の予測結果が得られた際の特徴量だけでなく、失敗の予測結果が得られた日時よりも以前において成功の予測結果が得られた際の特徴量をも教師データとして用いて前記学習モデルの機械学習を行う（（（３）））記載の情報処理装置。
【0100】
（（（５）））
前記プロセッサは、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、使用された媒体に関する情報、プロジェクトの参加ユーザの情報、使用している業務支援ソフトウェアの情報のうちの少なくとも１つの情報を、プロジェクトに関する特徴量として抽出する（（（１）））から（（（４）））のいずれか１項記載の情報処理装置。
前記プロセッサは、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、使用された媒体に関する情報、プロジェクトの参加ユーザの情報、使用している業務支援ソフトウェアの情報のうちの少なくとも１つの情報を、プロジェクトに関する特徴量として抽出する（（（１）））から（（（４）））のいずれか１項記載の情報処理装置。
【0101】
（（（６）））
前記プロセッサは、複数ユーザ間のコミュニケーションを行う業務支援ソフトウェアにおいて送受信されたメッセージ情報から、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、又は、使用された媒体に関する情報を取得する（（（５）））記載の情報処理装置。
前記プロセッサは、複数ユーザ間のコミュニケーションを行う業務支援ソフトウェアにおいて送受信されたメッセージ情報から、プロジェクトを進行させる際に行われた対応内容の情報、プロジェクトを進行させる際のユーザの行動内容の情報、又は、使用された媒体に関する情報を取得する（（（５）））記載の情報処理装置。
【0102】
（（（７）））
前記プロセッサは、予め設定された条件に基づいて、過去に完了したプロジェクトが失敗したのか成功したのかを判定する（（（１）））から（（（６）））のいずれか１項記載の情報処理装置。
前記プロセッサは、予め設定された条件に基づいて、過去に完了したプロジェクトが失敗したのか成功したのかを判定する（（（１）））から（（（６）））のいずれか１項記載の情報処理装置。
【0103】
（（（８）））
進行中のプロジェクトに関する特徴量を抽出するステップと、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測するステップと、
失敗になると予測されるプロジェクトに対して警告を行うステップと、
をコンピュータに実行させるためのプログラム。
進行中のプロジェクトに関する特徴量を抽出するステップと、
最終結果が失敗となった過去のプロジェクトの特徴量と当該失敗という最終結果とを教師データとして予め機械学習した予測モデルに、前記進行中のプロジェクトから抽出した特徴量を入力することにより、前記進行中のプロジェクトのうち最終結果が失敗になるプロジェクトを予測するステップと、
失敗になると予測されるプロジェクトに対して警告を行うステップと、
をコンピュータに実行させるためのプログラム。
【0104】
以下に、付記の構成による効果について記載する。
【0105】
（（（１）））の情報処理装置によれば、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことが可能になる。
【0106】
（（（２）））の情報処理装置によれば、失敗の予測結果が得られた際の特徴量のみを用いて予測モデルの機械学習を行う場合と比較して、提示する予測結果の精度を高めることが可能となる。
【0107】
（（（３）））の情報処理装置によれば、最終結果が失敗となる可能性があるプロジェクトに対して、追加対応案を提示することが可能となる。
【0108】
（（（４）））の情報処理装置によれば、失敗の予測結果が得られた際の特徴量のみを用いて学習モデルの機械学習を行う場合と比較して、提示する追加対応案の精度を高めることが可能となる。
【0109】
（（（５）））の情報処理装置によれば、プロジェクトの失敗・成功に寄与する可能性がある情報を特徴量として抽出して、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことが可能になる。
【0110】
（（（６）））の情報処理装置によれば、プロジェクトを進行させる際に行われた対応内容の情報等を登録するユーザの手間を省くことができる。
【0111】
（（（７）））の情報処理装置によれば、過去に完了したプロジェクトに対して失敗したのか成功したのかを登録するユーザの手間を省くことができる。
【0112】
（（（８）））のプログラムによれば、最終結果が失敗となる可能性があるプロジェクトに対して、最終結果が確定する前に追加対応を行うことが可能になる。
【符号の説明】
【0113】
１０ プロジェクト管理サーバ
１１ ＣＰＵ
１２ メモリ
１３ 記憶装置
１４ 通信インタフェース
１５ ユーザインタフェース装置
１６ 制御バス
２０ 端末装置
３０ ネットワーク
３１ データ送受信部
３２ 制御部
３３ 学習モデル
３４ 予測モデル
３５ 特徴量記憶部
３６ プロジェクト管理ＤＢ（データベース）
３７ コミュニケーション情報ＤＢ（データベース）
３８ 特徴量抽出部
４０ 端末装置
８０ 警告表示
１１ ＣＰＵ
１２ メモリ
１３ 記憶装置
１４ 通信インタフェース
１５ ユーザインタフェース装置
１６ 制御バス
２０ 端末装置
３０ ネットワーク
３１ データ送受信部
３２ 制御部
３３ 学習モデル
３４ 予測モデル
３５ 特徴量記憶部
３６ プロジェクト管理ＤＢ（データベース）
３７ コミュニケーション情報ＤＢ（データベース）
３８ 特徴量抽出部
４０ 端末装置
８０ 警告表示
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
