❖本調査レポートの見積依頼/サンプル/購入/質問フォーム❖
自動機械学習（AutoML）市場の概要、業界シェア、予測
[347ページレポート]世界の自動機械学習（AutoML）市場規模は、2023年に約10億ドル規模であり、2023年から2028年にかけて約44.6%の年平均成長率で成長し、2028年末までに約64億ドルの収益を生み出すと予測されている。
転移学習は、AutoMLの重要な側面であり、事前に訓練されたモデルを活用して新しいモデルのパフォーマンスを向上させます。あるタスクで学習した知識を別のタスクに移行することで、企業はより少ない学習データでより正確なモデルを作成し、高性能モデルの構築に必要な時間とコストを削減することができます。
自動機械学習市場の成長ダイナミクス
ドライバーAutoMLによるインテリジェントな自動化でビジネスを変革するニーズの高まり
企業が意思決定の推進や業務効率の改善においてデータへの依存度を高めるにつれ、インテリジェントなビジネスプロセスへの需要が高まっている。これらのプロセスは、機械学習アルゴリズムを活用して意思決定を自動化し、業務を最適化することで、パフォーマンスの向上と収益性の向上につながります。AutoMLを活用することで、企業は業務を合理化し、コストを削減し、パフォーマンスを向上させることができ、最終的に競争上の優位性を得ることができる。業界専門家によるレポートによると、AI主導の自動化によって生産性を最大40%改善できることが判明している。自動機械学習市場は、機械学習モデルの開発と展開を自動化することで、企業がこのような成果を達成するのに役立ちます。AutoMLを使用することで、企業は既存のビジネスプロセスに統合可能な予測モデルを迅速かつ効率的に開発することができます。これらのモデルは、意思決定の自動化、プロセスの最適化、パフォーマンスの改善に使用することができます。さらにAutoMLは、これまで発見が困難であった最適化と改善のための新たな機会を特定するのにも役立ちます。大量のデータを分析することで、AutoMLはパターンと傾向を特定することができ、企業はデータ駆動型の意思決定を行うことで、パフォーマンスを向上させ、成長を促進することができます。
抑制：機械学習ツールの導入は遅れている
自動機械学習（AutoML）ツールの採用が遅れていることが、AutoML市場の成長を妨げる大きな障害となっている。AutoMLは効率性、正確性、スケーラビリティの向上など数多くのメリットを提供しているにもかかわらず、多くの組織がこの技術の採用を躊躇している。このように導入が遅れている主な理由の1つは、自動機械学習（AutoML）市場とその機能に対する認識不足である。オライリーの調査によると、自動機械学習ツールを使用していると答えた回答者はわずか20%で、48%はこのテクノロジーを聞いたことがないと回答している。多くのビジネスリーダーや意思決定者は、AutoMLの利点やそれがビジネスに与える影響についてよく知らない可能性があるため、この認知度の低さは採用の大きな障壁となっています。
導入が遅れているもう一つの要因は、熟練したデータサイエンティストや機械学習の専門家の不足である。業界の専門家によるレポートによると、2024年までに最大25万人のデータサイエンティストが不足するという。このような熟練専門家の不足は、組織が機械学習モデルを開発・展開することを困難にし、採用率の鈍化につながる可能性がある。機械学習モデルの透明性と解釈可能性に関する懸念も、採用の足かせとなっている。このような透明性の欠如は、機械学習モデルに基づく意思決定が重大な結果をもたらす可能性がある医療や金融などの業界において、採用の障壁となる可能性がある。
機会迅速な意思決定とコスト削減のチャンスをつかむ
機械学習へのアクセスが容易になったことは、AutoML市場に大きなチャンスをもたらしている。歴史的に、機械学習は高度に専門化されており、広範な統計、プログラミング、データ分析の専門知識が必要であった。しかし、AutoMLツールの開発により、企業はAIソリューションを構築・展開するためにデータサイエンティストや機械学習の専門家チームを持つ必要がなくなった。その代わり、AutoMLツールによって企業は機械学習の利用を民主化し、より幅広いユーザーやユースケースに機械学習を利用できるようになります。AutoMLツールを使用することで、企業は大量のデータを分析し、人間の目には見えないパターンや異常、洞察を特定できる予測モデルを迅速に構築し、導入することができます。例えば、AutoMLモデルは、顧客行動の予測、価格戦略の最適化、プロセス改善の機会の特定などに役立ちます。
さらに、機械学習へのアクセスが向上することは、企業にとって大幅なコスト削減にもつながる。AutoMLツールを利用することで、企業は専門人材の雇用や高価なインフラへの投資に伴うコストを削減できる。さらに、AIソリューションの迅速な開発と導入は、業務効率の向上と意思決定の改善によるコスト削減につながる。さらに、機械学習へのアクセシビリティが高まることで、新たなビジネス革新やビジネスチャンスにつながる可能性もある。AutoMLツールを採用する企業が増えるにつれて、新たなユースケースやアプリケーションが急増し、市場のイノベーションと成長の拡大につながる可能性が高い。さらに、機械学習の民主化により、企業は新たな市場を開拓し、提供するサービスを拡大することができ、収益と市場シェアの拡大につながる。
課題：熟練人材の不足の深刻化
AutoML市場が直面する最大の課題の1つは、熟練した人材の不足です。AutoMLプラットフォームには、機械学習、データサイエンス、プログラミングの素養を備えた人材が必要です。しかし、こうしたスキルの需要は供給をはるかに上回っており、業界では著しい人材不足に陥っている。その結果、企業はAutoMLモデルの構築、展開、保守に適した人材の確保に苦慮している。LinkedInのレポートによると、データサイエンティストと機械学習エンジニアは、テクノロジー分野の新興職種の上位にランクインしている。しかし、熟練した人材が不足しているため、限られた候補者をめぐって組織間で熾烈な競争が繰り広げられている。LinkedInのレポートによると、データサイエンティストのポジションが埋まるまで平均42日かかることがわかり、有能な候補者を見つけることの難しさが浮き彫りになった。
技術の進歩のペースが速いため、熟練した人材の不足はさらに深刻化しています。新しいアルゴリズムや技術が開発されるにつれ、AutoMLプラットフォームに携わる人材は、継続的にスキルアップを図り、この分野の最新の進歩に対応することが不可欠となります。そのためには、継続的なトレーニングと専門的な能力開発が必要であり、それにはコストと時間がかかります。さらに、熟練した人材の不足は、データサイエンティストや機械学習エンジニアに限ったことではない。AutoMLプラットフォームには、データ管理、データ可視化、クラウド・コンピューティングといった分野の専門知識を持つ人材も必要だ。これらの分野の人材不足は、AutoMLソリューションの導入や採用の成功にも影響を与える可能性があります。
アプリケーション別では、データ処理が予測期間中最大の市場規模を占める
AutoMLは、データクリーニング、データ正規化、データ変換など、データ処理の様々な側面の自動化に適用できる。自動機械学習（AutoML）市場は、データ内のエラーを検出して修正するプロセスを自動化できます。これには、欠損値の特定、データ・フォーマット・エラーの修正、機械学習モデルの精度に影響を与える可能性のある異常値の除去などが含まれる。AutoMLには、標準化や正規化といった、データに自動的に適用できる技術が含まれる。変換では、AutoMLの助けを借りて、データをより適切な形式に変換し、エラーや不整合のリスクを低減することができます。AutoMLは、時間のかかる複雑な作業となりがちな、複数のソースからのデータの統合も行うことができます。これには、データのマージや結合などの技術が含まれます。作業を自動化することで、AutoMLは手作業によるデータ処理に必要な時間と労力を削減し、結果として得られるデータの品質と精度を向上させることができます。
デプロイメント別では、クラウドが予測期間中に最大の市場規模を占める
インターネット接続の信頼性が高まり、リモートワークが当たり前になったことで、クラウドコンピューティングの採用はここ数年で増加しています。クラウドベースのAutoMLソリューションは、オンプレミスのソリューションに比べて柔軟性と拡張性が高く、作業量やデータ量の変化に応じて、必要に応じて簡単にスケールアップやスケールダウンが可能です。また、クラウドベースのソリューションは通常、従量制の価格モデルを提供しており、ワークロードが変動する組織にとっては、コスト効率が高くなります。従来のソフトウェアをインストールし、サポートすることは、分散したチームにとって非常に困難なことです。しかし、クラウドベースのソフ トウェアであれば、誰でもリモートでソリューションにアクセ スすることができます。中小企業にとってクラウドは、リーズナブルな料金でフル機能を提供し、先行投資が不要なため、特に有用です。その商業的メリットと可能性の世界により、クラウド技術は現代のオートメーション・ビジネスで人気のモデルとなっています。
予測期間中、ソリューションが最大の市場規模を占める
AutoMLソリューションは、機械学習モデルの開発と導入に関わる作業を自動化するように設計されています。これにより、企業はデータサイエンスや機械学習の専門知識を必要とすることなく、機械学習の力を容易に活用できるようになります。AutoMLソリューションは、機械学習のパワーを活用してデータから洞察を得て、より良い意思決定を行おうとする組織にとって、ますます重要なツールになりつつあります。AutoMLプラットフォームは、モデルの開発と展開に関わる多くの面倒で時間のかかる作業を自動化することで、組織のデジタルトランスフォーメーションを加速し、成長とイノベーションの新たな機会を引き出すのに役立ちます。AutoMLソリューションには、さまざまなタイプと展開オプションがあります。AutoMLソリューションは、AutoMLプラットフォームとAutoMLソフトウェアに分類されます。展開オプションでは、AutoMLソリューションはオンプレミスまたはクラウドで展開できます。
予測期間中、北米が最大の市場規模を占める
自動機械学習では北米が最大の市場シェアを占めると予想される。北米は自動機械学習市場の発展と成長に大きく貢献している。米国はこの地域で最も発展した国のひとつである。AutoMLは米国で急成長している市場であり、複数の主要企業が完全自動化プラットフォームからデータ科学者の機械学習モデル構築を支援するものまで、幅広いソリューションを提供している。市場を牽引しているのは、機械学習モデルの構築と展開をより迅速かつ効率的に行う方法へのニーズと、さまざまな業界における人工知能ソリューションへの需要の高まりである。近年、米国では特に医療、金融、小売などの業界でAutoMLソリューションの採用が大幅に増加している。医療機関は医療画像の分析や患者データのパターン識別にAutoMLを使用し、金融機関は不正取引の検出や信用リスクの評価にAutoMLを使用している。小売業はAutoMLを利用して、推奨商品をパーソナライズし、顧客エンゲージメントを向上させている。
主要市場プレイヤー
自動機械学習市場のベンダーは、新製品発売、製品アップグレード、提携・契約、事業拡大、M&Aなど、さまざまな種類の有機的・無機的成長戦略を実施し、市場での提供サービスを強化している。自動機械学習の世界市場における主要ベンダーは、IBM（米国）、オラクル（米国）、マイクロソフト（米国）、ServiceNow(米）、グーグル（米）、バイドゥ（中国）、AWS（米）、Alteryx（米）、セールスフォース（米）、アルテア（米）、テラデータ（米）、H2O.ai（米）、DataRobot（米）、BigML（米）、Databricks（米）、Dataiku（仏）、Alibaba Cloud（中国）、Appier（台湾）、Squark（米）、Aible（米）、Datafold（米）、Boost.ai（ノルウェー）、Tazi.ai（米国）、Akkio（米国）、Valohai（フィンランド）、dotData（米国）、Qlik（米国）、Mathworks（米国）、HPE（米国）、SparkCognition（米国）。
この調査レポートは、自動機械学習（AutoML）市場をオファリング、クラウドタイプ、技術、組織規模、業種、地域に基づいて分類しています。
提供する：
ソリューション
タイプ別
プラットフォーム
ソフトウェア
デプロイメント別
クラウド
オンプレミス
サービス内容
コンサルティングサービス
導入と統合
トレーニング、サポート、メンテナンス
申請により：
データ処理
フィーチャー・エンジニアリング
モデルの選択
ハイパーパラメータの最適化とチューニング
モデル・アンサンブル
その他の用途
垂直方向で
銀行、金融サービス、保険
小売＆eコマース
ヘルスケア＆ライフサイエンス
IT & ITeS
電気通信
政府・防衛
製造業
自動車、輸送、物流
メディア＆エンターテイメント
その他の事業
地域別
北米
米国
カナダ
ヨーロッパ
英国
ドイツ
フランス
イタリア
スペイン
北欧
その他のヨーロッパ
アジア太平洋
中国
日本
インド
韓国
オーストラリア・ニュージーランド
ASEAN
その他のアジア太平洋地域
中東・アフリカ
UAE
サウジアラビア王国
イスラエル
トルコ
南アフリカ
その他の中東・アフリカ
ラテンアメリカ
ブラジル
メキシコ
アルゼンチン
その他のラテンアメリカ
最近の動向
2023年2月、IBMはStepZenの技術を自社のポートフォリオに統合し、APIとデータソースを構築、接続、管理するためのエンドツーエンドのソリューションを顧客に提供することで、より迅速なイノベーションを実現し、データからより多くの価値を生み出すことを目指している。
AWSは2023年2月、機械学習（ML）モデル作成プロセスを自動化するツール「Amazon SageMaker Autopilot」の新機能を発表した。新機能には、学習と実験の段階で特定のアルゴリズムを選択する機能が含まれ、データサイエンティストはMLモデル作成プロセスをよりコントロールできるようになる。
2022年10月、オラクルはエヌビディアと提携し、機械学習ワークロードで使用するエヌビディアのGPUへのアクセスを顧客に提供できるようになり、オラクルの機械学習ツールの性能と機能が強化された。
2022年2月、AWSはMaple Leaf Sports & Entertainmentと提携し、MLSEは同社のチームやビジネスラインを支援できるようになった。MLSEはまた、AutoML、高度な分析、コンピューティング、データベース、ストレージサービスなど、AWSの広範なクラウド機能を採用している。
2020年12月、セールスフォースとグーグル・クラウドは、グーグル・クラウドのオートモールツールとセールスフォースのカスタマー360プラットフォームを統合する協業を発表した。この協業は、企業が顧客の完全なビューを構築し、AIを使用して顧客の体験をパーソナライズすることを支援することを目的としている。
目次
1 はじめに （ページ – 32）
1.1 研究目的
1.2 市場の定義
1.2.1 含まれるものと除外されるもの
1.3 市場範囲
1.3.1 市場の細分化
1.3.2 対象地域
1.4年
1.5通貨を考慮
表1 米ドル為替レート、2020-2022年
1.6 利害関係者
2 研究方法 (ページ – 37)
2.1 調査データ
図1 自動機械学習市場：調査デザイン
2.1.1 二次データ
2.1.1.1 二次資料からの主要データ
2.1.2 一次データ
2.1.2.1 一次資料からの主要データ
2.1.2.2 主要な一次インタビュー参加者
2.1.2.3 主要プロファイルの内訳
2.1.2.4 主要業界インサイト
2.2 データの三角測量
2.3 市場規模の推定
図2 市場：トップダウン・アプローチとボトムアップ・アプローチ
2.3.1 トップダウン・アプローチ
2.3.2 ボトムアップ・アプローチ
図3 アプローチ1（供給側）：自動機械学習（AutoML）市場プレーヤーの提供による収益
図4 アプローチ2 – ボトムアップ（供給側）：市場プレーヤーの提供するサービスの総収入
図5 アプローチ3 – ボトムアップ（供給側）：市場提供による収益とその後の市場推定
図6 アプローチ4 – ボトムアップ（需要側）：自動機械学習支出全体による市場提供のシェア
2.4 市場予測
表2 因子分析
2.5 研究の前提
2.6 制限とリスク評価
2.7 世界市場への景気後退の影響
表3 景気後退が世界市場に与えた影響
3 事業概要 （ページ – 51）
表4 自動機械学習の世界市場規模と成長率、2017～2022年（百万米ドル、前年比）
表5 2023-2028年の世界市場規模および成長率（百万米ドル、前年比）
図7 2023年に市場をリードするのはソリューション部門
図8 2023年に最大のシェアを占めるプラットフォーム・セグメント
図 9 予測期間中、OM プレミス部門が大きなシェアを占める
図10 2023年に最大のシェアを占めるのはコンサルティング・サービス分野
図11 2023年に最大のシェアを占めるデータ処理セグメント
図12 2023年に市場をリードするのはBFSIセグメント
図13 北米が2023年に最大のシェアを占める
4 プレミアム・インサイト (ページ – 56)
4.1 自動機械学習市場におけるプレーヤーにとっての魅力的な市場機会
図14 オンプレミスからクラウドへのデータ転送プラットフォームに対する需要の高まりが学習市場を牽引
4.2 業種別市場
図 15 小売・eコマース部門が予測期間中最大のシェアを占める
4.3 地域別市場
図16 北米が2028年までに最大のシェアを占める
4.4 市場、製品別、主要業種別
図17 2028年までにソリューションとBFSI分野が大きなシェアを占める
5 市場概要と業界動向（ページ – 59）
5.1 導入
5.2 市場ダイナミクス
図 18 自動機械学習市場：促進要因、阻害要因、機会、課題
5.2.1 ドライバー
5.2.1.1 AutoMLによる顧客満足度の向上とパーソナライズされた商品推奨への需要の高まり
5.2.1.2 正確な不正検知の必要性の高まり
5.2.1.3 増大するデータ量と複雑性
5.2.1.4 AutoMLによるインテリジェントな自動化でビジネスを変革するニーズの高まり
5.2.2 拘束
5.2.2.1 機械学習ツールの導入が遅れている
5.2.2.2 標準化と規制の欠如
5.2.3 機会
5.2.3.1 全産業におけるAI対応ソリューションの需要拡大
5.2.3.2 技術間のシームレスな統合
5.2.3.3 機械学習ソリューションへのアクセスの増加
5.2.4 課題
5.2.4.1 熟練労働者不足の深刻化
5.2.4.2 AutoMLモデルの解釈と説明の難しさ
5.2.4.3 データプライバシーへの脅威の高まり
5.3 ケーススタディ分析
5.3.1 不動産
5.3.1.1 ケーススタディ1：アセンダス・シングブリッジ・グループがDataRobotのAutoMLプラットフォームを活用して不動産の意思決定を改善
5.3.1.2 ケーススタディ2：G5はH2O.AIのドライバーレスAIプラットフォームを採用し、生産性の高いリードを特定する課題に対処した。
5.3.2 BFSI
5.3.2.1 ケーススタディ1：Roboticaがアバントの主要プロセスの自動化と融資業務の合理化を支援
5.3.2.2 ケーススタディ2：国内・総合がDataRobotと提携し、カスタマーサービス能力を向上
5.3.2.3 ケーススタディ3：H2O.AIの機械学習プラットフォームがペイパルの不正検知能力強化を可能にした
5.3.3 小売とeコマース
5.3.3.1 ケーススタディ1：California Design DenはGoogle Cloud Platformと提携し、機械学習ソリューションを導入した。
5.3.4 IT/ITES
5.3.4.1 ケーススタディ1：ContentreeがConsensusのデータ整理プロセスの簡素化と効率化を支援
5.3.4.2 ケーススタディ2：DataRobotの自動機械学習プラットフォームがDemystのデータサイエンス・プロセスの自動化に貢献
5.3.5 ヘルスケア＆ライフサイエンス
5.3.5.1 ケーススタディ1：DataRobotがEvariant社の患者リスク層別化と再入院予測の自動化に貢献
5.3.6 メディア＆エンタテインメント
5.3.6.1 ケーススタディ1：Meredith CorporationはGoogle Cloudと連携し、大量のデータを扱うデータ分析プラットフォームを構築した
5.3.7 輸送・物流
5.3.7.1 ケーススタディ1：DMWayによってPGLは複数のソースからのデータを統合し分析できるようになった
5.3.8 エネルギー＆公益事業
5.3.8.1 ケーススタディ1：SparkCognitionは自動機械学習ソリューションを活用して石油・ガス業界の予測モデル構築を支援
5.4 エコシステム分析
図 19 エコシステム分析
表 6 自動機械学習（Automl）市場：プラットフォームプロバイダー
表7 市場：サービス・プロバイダー
表8 市場：テクノロジー・プロバイダー
表9市場：規制機関
5.5 自動機械学習の歴史
5.6 自動機械学習パイプラインフレームワーク
図 20 自動機械学習パイプラインのフレームワーク
表10 機械学習パイプラインの自動化フレームワーク
5.7 バリューチェーン分析
図21 バリューチェーン分析
5.7.1 データ収集と準備
5.7.2 アルゴリズム開発
5.7.3 モデルのトレーニング
5.7.4 モデルのテストと検証
5.7.5 展開と統合
5.7.6 メンテナンスとサポート
5.8 価格モデル分析
表11 自動機械学習市場：価格水準
5.9 特許分析
5.9.1 方法論
5.9.2 文書タイプ
表12 出願された特許、2018-2021年
5.9.3 イノベーションと特許出願
図22 特許取得件数の合計、2021-2023年
5.9.3.1 上位志願者
図23 特許出願件数の多い上位10社（2018-2021年
表13 特許所有者トップ20、2018-2021年
表14 自動機械学習市場における特許一覧（2021-2023年
5.10 自動機械学習技術
5.10.1 ベイズ最適化
5.10.2 強化学習
5.10.3 進化的アルゴリズム
5.10.4 グラディエント・アプローチ
5.11 オートアイとオートメル・ソリューションの比較
表15 オートアイとオートマル・ソリューションの比較
5.12 自動車メーカーのビジネスモデル
5.12.1 APIモデル
5.12.2 as-a-service モデル
5.12.3 クラウドモデル
5.13 技術分析
5.13.1 関連技術
5.13.1.1 教師付き学習
5.13.1.2 教師なし学習
5.13.1.3 自然言語処理
5.13.1.4 コンピュータビジョン
5.13.1.5 トランスファー学習
5.13.2 アライド・テクノロジー
5.13.2.1 クラウド・コンピューティング
5.13.2.2 ロボット工学
5.13.2.3 連動学習
5.14 ポーターの5つの力分析
図24 ポーターの5つの力分析
表16 ポーターの5つの力分析
5.14.1 新規参入の脅威
5.14.2 代替品による脅威
5.14.3 サプライヤーの交渉力
5.14.4 買い手の交渉力
5.14.5 競争相手の激しさ
5.15 主要会議＆イベント
表17 カンファレンス＆イベントの詳細リスト（2023-2024年
5.16 規制の状況
5.16.1 規制機関、政府機関、その他の組織
表18 北米：規制機関、政府機関、その他の組織
表19 欧州：規制機関、政府機関、その他の組織
表20 アジア太平洋地域：規制機関、政府機関、その他の組織のリスト
表21行：規制機関、政府機関、その他の組織
5.16.1.1 北米
5.16.1.1.1 米国
5.16.1.1.2 カナダ
5.16.1.2 欧州
5.16.1.3 アジア太平洋
5.16.1.3.1 韓国
5.16.1.3.2 中国
5.16.1.3.3 インド
5.16.1.4 中東・アフリカ
5.16.1.4.1 UAE
5.16.1.4.2 KSA
5.16.1.4.3 バーレーン
5.16.1.5 ラテンアメリカ
5.16.1.5.1 ブラジル
5.16.1.5.2 メキシコ
5.17 主要ステークホルダーと購買基準
5.17.1 購入プロセスにおける主要ステークホルダー
図25 上位3業種の購買プロセスにおけるステークホルダーの影響力
表22 上位3業種の購買プロセスにおけるステークホルダーの影響力
5.17.2 買い付け基準
図26 上位3業種の主な購買基準
表23 上位3業種の主な購買基準
5.18 自動機械学習市場におけるベストプラクティス
5.19 市場のバイヤー／顧客に影響を及ぼす混乱
図 27 市場：バイヤー／顧客に影響を与える混乱
5.20 自動機械学習の今後の方向性
表24 短期ロードマップ（2023-2025年
表25 中期ロードマップ（2026～2028年
表26 長期ロードマップ、2029-2030年
6 自動機械学習市場：提供サービス別（ページ番号 – 106）
6.1 はじめに
6.1.1 オファリング：市場促進要因
図 28 サービス部門は予測期間中、より高い成長率で成長する
表27：市場（提供サービス別）、2017-2022年（百万米ドル
表28：市場（オファリング別）、2023-2028年（百万米ドル
6.2 ソリューション
表 29 ソリューション：自動機械学習市場、地域別、2017-2022 年（百万米ドル）
表 30 ソリューション：地域別市場、2023-2028 年（百万米ドル）
6.2.1 自動機械学習ソリューション、タイプ別
図 29 プラットフォーム分野は予測期間中に高い成長を遂げる
表 31 ソリューション：市場、タイプ別、2017-2022 年（百万米ドル）
表 32 ソリューション：市場、タイプ別、2023-2028 年（百万米ドル）
6.2.1.1 プラットフォーム
6.2.1.1.1 自動機械学習プラットフォームの採用を促進する使いやすさと展開の容易さ
表 33 プラットフォーム：地域別市場、2017-2022 年（百万米ドル）
表 34 プラットフォーム：地域別市場、2023-2028 年（百万米ドル）
6.2.1.2 ソフトウェア
6.2.1.2.1 既存の機械学習ワークフローへの統合が容易なため、自動機械学習ソフトウェアソリューションの導入が促進される
表 35：ソフトウェア：地域別市場、2017-2022 年（百万米ドル）
表 36 ソフトウェア：地域別市場、2023-2028 年（百万米ドル）
6.2.2 自動機械学習ソリューション（展開別
図 30 オンプレミス部門は予測期間中、より高い成長率を示す
表 37 ソリューション：展開別市場、2017-2022 年（百万米ドル）
表 38 ソリューション：展開別市場、2023-2028 年（百万米ドル）
6.2.2.1 オンプレミス
6.2.2.1.1 自動機械学習ソリューションのオンプレミス展開を推進するためのデータとインフラストラクチャの管理強化
表 39：オンプレミス：地域別市場、2017-2022 年（百万米ドル）
表 40：オンプレミス：地域別市場、2023-2028 年（百万米ドル）
6.2.2.2 クラウド
6.2.2.2.1 クラウドベースのAutoMLソリューションの柔軟性と拡張性が市場成長を押し上げる
表 41 クラウド：地域別市場、2017-2022 年（百万米ドル）
表 42 クラウド：地域別市場、2023-2028 年（百万米ドル）
6.3 サービス
図 31 トレーニング、サポート、メンテナンス分野が予測期間中最大のシェアを占める
表 43 サービス：自動機械学習市場、タイプ別、2017-2022 年（百万米ドル）
表 44 サービス：市場、タイプ別、2023-2028 年（百万米ドル）
表45 サービス：市場、地域別、2017-2022年（百万米ドル）
表 46 サービス：市場、地域別、2023-2028 年（百万米ドル）
6.3.1 コンサルティング・サービス
6.3.1.1 機械学習戦略に関する専門家のガイダンスに対する需要の高まりが、自動機械学習コンサルティングサービスの成長を促進する
表 47 コンサルティングサービス：地域別市場、2017-2022 年（百万米ドル）
表 48 コンサルティングサービス：地域別市場 2023-2028 (百万米ドル)
6.3.2 展開と統合
6.3.2.1 機械学習モデルを既存のワークフローやアプリケーションに統合する需要の高まりが、AutoMLの導入・統合サービスの普及を後押しする
表 49 展開と統合：地域別市場、2017-2022 年（百万米ドル）
表 50：展開と統合：地域別市場、2023-2028 年（百万米ドル）
6.3.3 トレーニング、サポート、メンテナンス
6.3.3.1 最適なモデル性能と精度を求める傾向の高まりが、AutoMLのトレーニング、サポート、メンテナンスサービスの利用を促進
表 51 トレーニング、サポート、メンテナンス：地域別市場、2017-2022 年（百万米ドル）
表 52 トレーニング、サポート、メンテナンス：地域別市場 2023-2028 (百万米ドル)
7 自動機械学習市場（用途別）（ページ番号 – 121
7.1 はじめに
7.1.1 アプリケーション：市場促進要因
図 32 データ処理分野が予測期間中に市場をリードする
表53：用途別市場、2017-2022年（百万米ドル）
表 54 用途別市場、2023-2028 年（百万米ドル）
7.2 データ処理
7.2.1 データエラーを検出して修正する必要性の高まりが、データ処理の自動化ソリューションの採用を促進する
表55 データ処理：地域別市場、2017-2022年（百万米ドル）
表 56 データ処理：地域別市場、2023-2028 年（百万米ドル）
7.2.2 クリーニング
7.2.3 トランスフォーメーション
7.2.4 視覚化
7.3 モデルの選択
7.3.1 複雑なデータを扱うための自動化技術への需要の高まりが、モデル選択のための自動化ソリューションの成長を後押しする
表 57 モデル選択：市場、地域別、2017-2022 年（百万米ドル）
表 58 モデル選択：地域別市場、2023-2028 年（百万米ドル）
7.3.2 スケーリング
7.3.3 モニタリング
7.3.4 バージョン管理
7.4 ハイパーパラメータの最適化とチューニング
7.4.1 ハイパーパラメータ最適化のための自動化アルゴリズムの採用が増加し、市場の成長を促進する
表 59 ハイパーパラメータのチューニングと最適化：自動機械学習市場、地域別、2017-2022 年（百万米ドル）
表 60 ハイパーパラメータチューニングと最適化：地域別市場、2023-2028 年（百万米ドル）
7.4.2 グリッド検索
7.4.3 ランダム・サーチ
7.4.4 ベイジアンサーチ
7.5 フィーチャー・エンジニアリング
7.5.1 生データを機械学習モデルで使用するための特徴量に変換する必要性が高まり、特徴量エンジニアリングにおける自動化ソリューションの採用が加速する
表 61 フィーチャーエンジニアリング：地域別市場、2017-2022 年（百万米ドル）
表 62 フィーチャーエンジニアリング：地域別市場、2023-2028 年（百万米ドル）
7.6 モデルのアンサンブル
7.6.1 予測精度を向上させることの重要性の高まりが、モデルアンサンブルのための自動ソリューションの成長を促進する
7.6.2 インフラとフォーマット
7.6.3 統合
7.6.4 メンテナンス
7.7 その他のアプリケーション
表 65 その他の用途：地域別市場、2017-2022 年（百万米ドル）
表 66 その他の用途：地域別市場、2023-2028 年（百万米ドル）
8 自動機械学習 市場：垂直方向別（ページ番号 – 136）
8.1 導入
8.1.1 垂直市場：市場促進要因
図 33 予測期間中、BFSI 分野がより大きな市場規模を占める
表 67：垂直市場別、2017-2022 年（百万米ドル）
表 68：垂直市場別、2023-2028 年（百万米ドル）
8.2 銀行、金融サービス、保険
8.2.1 リアルタイム分析によるビジネスパフォーマンスの最適化が、BFSI分野での自動化ソリューションの利用を促進する必要性
表69 BFSI：ユースケース
表70 BFSI：地域別市場、2017-2022年（百万米ドル）
表71 BFSI：地域別市場、2023-2028年（百万米ドル）
表72 BFSI：サブ垂直市場別、2017～2022年（百万米ドル）
表73 BFSI：サブ垂直市場：2023-2028年（百万米ドル）
8.2.2 クレジット・スコアリング
8.2.3 不正検知
8.2.4 リスク分析と管理
8.2.5 その他のBFSIサブカテゴリー
8.3 ヘルスケア＆ライフサイエンス
8.3.1 診断の改善と個別化された治療計画への需要が、ヘルスケア＆ライフサイエンス産業向けAI・mlソリューション市場を牽引する
表 74 ヘルスケア＆ライフサイエンス：ユースケース
表 75 ヘルスケア＆ライフサイエンス：自動機械学習市場、地域別、2017-2022 年（百万米ドル）
表 76 ヘルスケア＆ライフサイエンス：地域別市場 2023-2028 (百万米ドル)
表 77 ヘルスケア＆ライフサイエンス：サブバーティカル別市場、2017-2022 年（百万米ドル）
表 78 ヘルスケア＆ライフサイエンス：サブバーティカル市場：2023-2028 年（百万米ドル）
8.3.2 異常検知
8.3.3 疾病診断
8.3.4 創薬
8.3.5 その他の医療サブ分野
8.4 小売＆eコマース
8.4.1 競争の激しい業界におけるパーソナライゼーションと最適化のニーズの高まりが市場成長を後押しする
表 79 小売・eコマース：ユースケース
表80 小売・eコマース：自動機械学習市場、地域別、2017年～2022年（百万米ドル）
表 81 小売・eコマース：地域別市場 2023-2028 (百万米ドル)
表 82 小売・eコマース：サブバーティカル別市場、2017～2022 年（百万米ドル）
表83 小売・eコマース：サブバーティカル別市場、2023-2028年（百万米ドル）
8.4.2 需要予測
8.4.3 価格の最適化
8.4.4 推薦エンジン
8.4.5 センチメント分析
8.4.6 ソーシャルメディア分析
8.4.7 顧客サービス＆サポート用チャットボット
8.4.8 その他の小売・eコマースサブバーティカル
8.5 製造業
8.5.1 自動化ソリューションによる製造プロセスの最適化と効率化
表84 製造業：ユースケース
表 85 製造業：自動機械学習市場、地域別、2017-2022 年（百万米ドル）
表 86 製造業：地域別市場、2023-2028 年（百万米ドル）
表 87 製造業：サブ垂直市場別、2017～2022 年（百万米ドル）
表 88 製造業：サブ垂直市場別 2023-2028 (百万米ドル)
8.5.2 予知保全
8.5.3 品質管理
8.5.4 ロボティック・プロセス・オートメーション
8.5.5 サプライチェーンの最適化
8.5.6 その他の製造サブ分野
8.6 政府・防衛
8.6.1 国家安全保障と公共サービスを強化する必要性の高まりが、政府・防衛分野での自動プラットフォーム採用を促進
表 89 政府・防衛：ユースケース
表 90 政府・防衛：自動機械学習市場、地域別、2017-2022 年（百万米ドル）
表 91 政府・防衛：地域別市場、2023-2028 年（百万米ドル）
表 92 政府・防衛：サブバーティカル別市場、2017～2022 年（百万米ドル）
表 93 政府・防衛：サブバーティカル別市場、2023-2028 年（百万米ドル）
8.6.2 サイバーセキュリティ脅威の検知
8.6.3 不正の検出と防止
8.6.4 自然災害管理
8.6.5 カスタマーサービスのチャットボット
8.6.6 その他の政府・防衛関連サブ分野
8.7 電気通信
8.7.1 通信業界における自動化ソリューションの利用を促進する顧客サービス向上のニーズ
表94 テレコミュニケーション：ユースケース
表 95 通信：自動機械学習市場、地域別、2017-2022 年（百万米ドル）
表 96 通信：地域別市場 2023-2028 (百万米ドル)
表 97 通信：サブ垂直市場別、2017-2022 年（百万米ドル）
表 98 通信：サブ垂直市場別 2023-2028 (百万米ドル)
8.7.2 サイバーセキュリティ脅威の検知
8.7.3 ネットワークの最適化
8.7.4 予知保全
8.7.5 不正の検出と防止
8.7.6 チャットボットとバーチャルアシスタンス
8.7.7 その他の電気通信サブ分野
8.8 IT/ITES
8.8.1 プロセスの最適化とサイバーセキュリティの強化がIT/IT分野の市場成長を促進する
表 99 it/ites: ユースケース
表100 IT/IT：自動機械学習市場、地域別、2017年～2022年（百万米ドル）
表101 IT/IT：地域別市場、2023～2028年（百万米ドル）
表102 IT/IT：サブ垂直市場別、2017～2022年（百万米ドル）
表 103 IT/IT：サブ垂直市場別 2023-2028 (百万米ドル)
8.8.2 予知保全
8.8.3 顧客サポートのためのバーチャルアシスタント
8.8.4 ネットワークの最適化
8.8.5 その他のIT/ITサブ分野
8.9 自動車、運輸、物流
8.9.1 自動化された機械学習ソリューションにより、企業はデータを活用し、より良いビジネス上の意思決定のための洞察を得ることができる。
表 104 自動車、輸送、物流：ユースケース
表105 自動車、輸送、物流：自動機械学習市場、地域別、2017年～2022年（百万米ドル）
表 106 自動車、輸送、物流：地域別市場 2023-2028 (百万米ドル)
表 107 自動車、輸送、物流：サブ垂直市場（2017～2022 年）（百万米ドル
表 108 自動車、輸送、物流：サブ垂直市場：2023-2028 年（百万米ドル）
8.9.2 自律走行車
8.9.3 ルート最適化
8.9.4 燃費予測と最適化
8.9.5 ヒューマン・マシン・インターフェース（HMI）
8.9.6 半自動運転
8.9.7 ロボティック・プロセス・オートメーション
8.9.8 その他の自動車、輸送、ロジスティクスのサブ分野
8.10 メディア＆エンタテインメント
8.10.1 コンテンツの発見を改善するための自動化ソリューションの利用
表 109 メディア＆エンターテインメント：ユースケース
表110 メディア＆エンターテインメント：自動機械学習市場、地域別、2017年～2022年（百万米ドル）
表111 メディア＆エンターテインメント：地域別市場、2023-2028年（百万米ドル）
表112 メディア＆エンターテインメント：サブバーティカル別市場、2017年～2022年（百万米ドル）
表 113 メディア＆エンターテインメント：サブバーティカル別市場 2023-2028 (百万米ドル)
8.10.2 画像認識と音声認識
8.10.3 推薦システム
8.10.4 センチメント分析
8.10.5 その他のメディア＆エンタテインメント・サブバーティカル
8.11 その他の業種
表114 その他の垂直市場：地域別市場、2017年～2022年（百万米ドル）
表115 その他の垂直市場：地域別市場、2023年～2028年（百万米ドル）
9 自動機械学習市場（地域別）（ページ番号 – 173
9.1 はじめに
図 34 アジア太平洋地域は予測期間中に最も高い成長率を示す
図 35 インドは予測期間中最も高い成長率を示す
表116：地域別市場、2017-2022年（百万米ドル）
表117 地域別市場、2023-2028年（百万米ドル）
9.2 北米
9.2.1 北米：市場促進要因
9.2.2 北米：景気後退の影響
図 36 北米：自動機械学習市場のスナップショット
表 118 北米：製品別市場、2017～2022年（百万米ドル）
表 119 北米：市場：提供製品別（2023-2028 年）（百万米ドル
表120 北米：タイプ別市場、2017-2022年（百万米ドル）
表 121 北米：タイプ別市場 2023-2028 （百万米ドル）
表 122 北米：展開別市場、2017-2022 年（百万米ドル）
表 123 北米：展開別市場 2023-2028 （百万米ドル）
表 124 北米：サービス別市場、2017-2022 年（百万米ドル）
表 125 北米：サービス別市場 2023-2028 （百万米ドル）
表 126 北米：用途別市場、2017-2022 年（百万米ドル）
表 127 北米：用途別市場 2023-2028 （百万米ドル）
表 128 北米：垂直市場別、2017-2022 年（百万米ドル）
表 129 北米：垂直市場別 2023-2028 (百万米ドル)
表130 北米：国別市場、2017年～2022年（百万米ドル）
表131 北米：市場：国別、2023年～2028年（百万米ドル）
9.2.3 米国
9.2.3.1 機械学習モデルの効率的な構築・導入方法に対する需要の高まりが市場成長を促進する
表 132 米国：自動機械学習市場、提供サービス別、2017～2022年（百万米ドル）
表 133 米国：市場：サービス別、2023-2028年（百万米ドル）
表134 米国：タイプ別市場、2017-2022年（百万米ドル）
表 135 米国：タイプ別市場 2023-2028 (百万米ドル)
表 136 米国：展開別市場、2017-2022 年（百万米ドル）
表 137 米国：展開別市場、2023-2028 年（百万米ドル）
表138 米国：サービス別市場、2017-2022年（百万米ドル）
表 139 米国：サービス別市場 2023-2028 (百万米ドル)
9.2.4 カナダ
9.2.4.1 カナダ全土の様々な産業で機械学習アプリケーションの採用が増加し、市場の成長を促進する
9.3 ヨーロッパ
9.3.1 欧州：市場促進要因
9.3.2 欧州：景気後退の影響
表 140 欧州：自動機械学習市場、提供サービス別、2017～2022 年（百万米ドル）
表 141 欧州：製品別市場（2023-2028 年）（百万米ドル
表 142 欧州：タイプ別市場、2017～2022 年（百万米ドル）
表143 欧州：タイプ別市場、2023-2028年（百万米ドル）
表 144 欧州：展開別市場、2017～2022 年（百万米ドル）
表 145 欧州：展開別市場 2023-2028 （百万米ドル）
表 146 欧州：サービス別市場、2017-2022 年（百万米ドル）
表 147 欧州：サービス別市場 2023-2028 （百万米ドル）
表 148 欧州：用途別市場、2017-2022 年（百万米ドル）
表 149 欧州：用途別市場 2023-2028 （百万米ドル）
表 150 欧州：垂直市場別、2017-2022 年（百万米ドル）
表 151 欧州：垂直市場別 2023-2028 (百万米ドル)
表152 欧州：国別市場、2017-2022年（百万米ドル）
表153 欧州：市場：国別、2023-2028年（百万米ドル）
表 154 英国：自動機械学習市場、提供サービス別、2017～2022 年（百万米ドル）
表 155 英国：製品別市場 2023-2028 （百万米ドル）
表156 英国：市場：タイプ別、2017-2022年（百万米ドル）
表157 英国：タイプ別市場 2023-2028 (百万米ドル)
表 158 英国：展開別市場、2017～2022 年（百万米ドル）
表 159 英国：展開別市場 2023-2028 （百万米ドル）
表160 英国：サービス別市場、2017年～2022年（百万米ドル）
表 161 英国：サービス別市場 2023-2028 (百万米ドル)
9.3.4 ドイツ
9.3.4.1 ドイツのAutoML市場を牽引する強力なITインフラと強固な規制枠組み
9.3.5 フランス
9.3.5.1 活発な新興企業エコシステムが自動機械学習ソリューションの採用を後押しする
9.3.6 イタリア
9.3.6.1 市場の成長を後押しする自動機械学習プラットフォームの利用を促進するための政府による重要なイニシアティブ
9.3.7 スペイン
9.3.7.1 主要企業による技術投資の増加がスペインにおけるAutoMLプラットフォームとソリューションの人気を高める
9.3.8 ノルディック
9.3.8.1 北欧諸国におけるAIと機械学習の研究開発の増加が市場成長を促進する
9.3.9 その他のヨーロッパ
9.4 アジア太平洋
9.4.1 アジア太平洋地域：市場促進要因
9.4.2 アジア太平洋地域：景気後退の影響
図 37 アジア太平洋地域：自動機械学習市場のスナップショット
表162 アジア太平洋地域：市場：提供品目別、2017年～2022年（百万米ドル）
表 163 アジア太平洋地域：市場：提供品目別（2023-2028 年）（百万米ドル
表 164 アジア太平洋地域：タイプ別市場、2017-2022 年（百万米ドル）
表 165 アジア太平洋地域：タイプ別市場 2023-2028 （百万米ドル）
表 166 アジア太平洋地域：展開別市場、2017-2022 年（百万米ドル）
表 167 アジア太平洋地域：展開別市場 2023-2028 （百万米ドル）
表168 アジア太平洋地域：サービス別市場、2017年～2022年（百万米ドル）
表 169 アジア太平洋地域：サービス別市場 2023-2028 (百万米ドル)
表170 アジア太平洋地域：用途別市場、2017年～2022年（百万米ドル）
表 171 アジア太平洋地域：用途別市場 2023-2028 (百万米ドル)
表 172 アジア太平洋地域：垂直市場別、2017年～2022年（百万米ドル）
表 173 アジア太平洋地域：垂直市場別 2023-2028 (百万米ドル)
表174 アジア太平洋地域：国別市場、2017年～2022年（百万米ドル）
表175 アジア太平洋地域：国別市場、2023年～2028年（百万米ドル）
9.4.3 中国
9.4.3.1 機械学習技術への多額の投資が中国における自動機械学習ソリューションの成長を促進する
表 176 中国：自動機械学習市場、提供サービス別、2017年～2022年（百万米ドル）
表 177 中国：市場：提供品目別（2023-2028 年）（百万米ドル
表178 中国：タイプ別市場、2017-2022年（百万米ドル）
表 179 中国：タイプ別市場 2023-2028 (百万米ドル)
表 180 中国：展開別市場、2017-2022 年（百万米ドル）
表 181 中国：展開別市場 2023-2028 (百万米ドル)
表182 中国：サービス別市場、2017年～2022年（百万米ドル）
表183 中国：サービス別市場 2023-2028 (百万米ドル)
9.4.4 日本
9.4.4.1 日本におけるAutoMLソリューションとサービスの成長を後押しする技術強化のニーズの高まり
9.4.5 韓国
9.4.5.1 最先端技術の開発に強力に注力し、韓国のあらゆるセクターでAutoMLソリューションの利用を促進
9.4.6 ASEAN
9.4.6.1 競争優位のために機械学習ソリューションを活用する需要の高まりが市場の成長を押し上げる
9.4.7 オーストラリア＆ニュージーランド
9.4.7.1 機械学習を専門とする大手企業による技術革新が進み、業界全体でAutoMLソリューションの採用が進む
9.4.8 その他のアジア太平洋地域
9.5 中東・アフリカ
9.5.1 中東・アフリカ：市場促進要因
9.5.2 中東・アフリカ：景気後退の影響
表 184 中東・アフリカ：自動機械学習市場、提供サービス別、2017年～2022年（百万米ドル）
表 185 中東・アフリカ：製品別市場 2023-2028 （百万米ドル）
表 186 中東・アフリカ：タイプ別市場、2017～2022年（百万米ドル）
表 187 中東・アフリカ：タイプ別市場 2023-2028 (百万米ドル)
表 188 中東・アフリカ：展開別市場、2017～2022 年（百万米ドル）
表 189 中東・アフリカ：展開別市場 2023-2028 （百万米ドル）
表 190 中東・アフリカ：サービス別市場、2017-2022 年（百万米ドル）
表 191 中東・アフリカ：サービス別市場 2023-2028 (百万米ドル)
表192 中東・アフリカ：用途別市場、2017年～2022年（百万米ドル）
表 193 中東・アフリカ：用途別市場 2023-2028 (百万米ドル)
表 194 中東・アフリカ：垂直市場別、2017～2022 年（百万米ドル）
表 195 中東・アフリカ：垂直市場別 2023-2028 (百万米ドル)
表 196 中東・アフリカ：市場：国別、2017年～2022年（百万米ドル）
表197 中東・アフリカ：市場：国別、2023年～2028年（百万米ドル）
9.5.3 サウジアラビア
9.5.3.1 サウジアラビアはAIとML技術の活用に力を入れており、市場成長を牽引する
9.5.4 UAE
9.5.4.1 先端技術の成長がAIとMLのソリューションとサービスの市場を牽引する
9.5.5 イスラエル
9.5.5.1 主要企業によるAIとML研究への投資拡大がイスラエルのMARKETの成長を押し上げる
9.5.6 トルコ
9.5.6.1 エコシステムの拡大と業界全体における機械学習技術の採用がトルコの市場成長を押し上げる
9.5.7 南アフリカ
9.5.7.1 政府と民間セクターによる投資とイニシアチブの増加がAIとMLソリューションの普及を促進する
9.5.8 その他の中東・アフリカ地域
9.6 ラテンアメリカ
9.6.1 中南米：オートマチック車市場の牽引役
9.6.2 ラテンアメリカ：景気後退の影響
表 198 ラテンアメリカ：自動機械学習市場、サービス別、2017年～2022年（百万米ドル）
表 199 ラテンアメリカ：製品別市場 2023-2028 (百万米ドル)
表200 ラテンアメリカ：タイプ別市場、2017-2022年（百万米ドル）
表 201 ラテンアメリカ：タイプ別市場 2023-2028 (百万米ドル)
表202 ラテンアメリカ：展開別市場、2017年～2022年（百万米ドル）
表 203 ラテンアメリカ：展開別市場 2023-2028 (百万米ドル)
表204 ラテンアメリカ：サービス別市場、2017年～2022年（百万米ドル）
表 205 ラテンアメリカ：サービス別市場 2023-2028 （百万米ドル）
表206 ラテンアメリカ：用途別市場、2017年～2022年（百万米ドル）
表 207 ラテンアメリカ：用途別市場 2023-2028 (百万米ドル)
表 208 ラテンアメリカ：垂直市場別、2017-2022 年（百万米ドル）
表 209 ラテンアメリカ：垂直市場別 2023-2028 (百万米ドル)
表210 ラテンアメリカ：国別市場、2017-2022年（百万米ドル）
表 211 ラテンアメリカ：国別市場 2023-2028 (百万米ドル)
9.6.3 ブラジル
9.6.3.1 政府の大幅な支援により、業界全体でAIとML技術の導入が進む
9.6.4 メキシコ
9.6.4.1 テクノロジー分野の急成長が自動機械学習市場を牽引する
9.6.5 アルゼンチン
9.6.5.1 政府による外国企業への技術分野への投資優遇措置がAutoML 市場の成長を後押しする
9.6.6 その他のラテンアメリカ地域
10 競争力のある景観 （ページ – 224）
10.1 概要
10.2 主要企業が採用した戦略
表212 主要プレーヤーが採用した戦略
10.3 収益分析
図38 主要プレーヤーの収益分析（2018-2022年
10.4 市場シェア分析
図39 主要企業の市場シェア分析（2022年
表 213 自動機械学習市場：競合の激しさ
10.5 主要プレーヤーの評価象限マトリックス
10.5.1 スターズ
10.5.2 新進リーダー
10.5.3 浸透型プレーヤー
10.5.4 参加者
図40 主要プレーヤーの評価象限マトリックス（2023年
10.6 中小企業／新興企業の評価象限マトリックス
10.6.1 進歩的企業
10.6.2 対応する企業
10.6.3 ダイナミック・カンパニー
10.6.4 スタートブロック
図41 中小企業／新興企業の評価象限マトリックス（2023年
10.7 競合ベンチマーキング
表214 主要企業の競争ベンチマーク（2023年
表215 主要中小企業／新興企業の詳細リスト
表 216 中小企業／新興企業の競争ベンチマーク（2023 年
10.8 自動機械学習製品の展望
10.8.1 自動機械学習製品の比較分析
表217 自動機械学習製品の比較分析
図 42 自動機械学習製品の比較分析
10.9 競争シナリオ
10.9.1 製品発売
表218 市場：製品発売（2020-2023年
10.9.2 ディールス
表219 市場：取引（2020-2023年
10.9.3 その他
表220 自動機械学習市場：その他、2020-2022年
10.10 主要自動機械学習ベンダーの評価と財務指標
図 43 自動機械学習主要ベンダーの評価と財務指標
10.11 主要自動機械学習ベンダーのYTD価格トータルリターンと株式ベータ
図44 自動機械学習主要ベンダーのYTD価格トータルリターンと株式ベータ
11 企業プロフィール（ページ数 – 240）
11.1 イントロダクション
11.2 主要プレーヤー
(事業概要、提供する製品/ソリューション、最近の動向、MnM View）※。
11.2.1 IBM
表 221 IBM：事業概要
図45 IBM：企業スナップショット
表 222 IBM：提供する製品／ソリューション
表 223 IBM: 製品発表
表 224 IBM: 取引
11.2.2 オラクル
表225 オラクル：事業概要
図46 オラクル：企業スナップショット
表226 オラクル：提供する製品/ソリューション
表 227 オラクル：製品の発売
表 228 オラクル: 取引
表 229 オラクル：その他
11.2.3 マイクロソフト
表230 マイクロソフト：事業概要
図47 マイクロソフト：企業スナップショット
表 231 マイクロソフト：提供する製品／ソリューション
表 232 マイクロソフト：製品発表
表 233 マイクロソフト：取引
11.2.4 サービセナウ
表 234 サービセノー：事業概要
図 48 サービセノー：企業スナップショット
表 235 サービセノウ：提供する製品／ソリューション
表 236 サービセノウ：製品発表
表 237 サービセノー：取引
11.2.5 グーグル
表 238 グーグル：事業概要
図49 グーグル：企業スナップショット
表 239 グーグル：提供する製品／ソリューション
表 240 グーグル：製品発表
表241 グーグル：取引
11.2.6 BAIDU
表242 バイドゥ：事業概要
図50 バイドゥ：企業スナップショット
表243 バイドゥ：提供製品
表244 バイドゥ：製品発表
表245 バイドゥ：取引
11.2.7 AWS
表246 AWS：事業概要
図 51 AWS：企業スナップショット
表247 AWS：提供する製品／サービス
表248 AWS：製品発表
表249 AWS：取引
表250 AWS：その他
11.2.8 アルテリクス
表 251 アルタイクス：事業概要
図 52 アルタイクス：企業スナップショット
表 252 アルタイクス：提供製品
表 253 アルタイクス：製品の発売
表 254 アルタイクス：取引
11.2.9 HPE
表255 Hpe：事業概要
図53 Hpe：企業スナップショット
表256 Hpe：提供する製品／ソリューション
表 257 Hpe：製品発表
表 258 Hpe: 取引
11.2.10 セールスフォース
表 259 セールスフォース: 事業概要
図 54 セールスフォース: 企業スナップショット
表 260 セールスフォース: 提供する製品/ソリューション
表 261 セールスフォース: 製品発表
表 262 セールスフォース: 取引
11.2.11 アルテア
表 263 アルテア：事業概要
図 55 アルテア：企業スナップショット
表 264 アルテア：提供する製品／ソリューション
表265 アルテア：製品発表
表 266 アルテア：取引
11.2.12 テラデータ
表 267 テラデータ：事業概要
図 56 テラデータ：企業スナップショット
表 268 テラデータ：提供する製品／ソリューション
表 269 テラデータ: 取引
11.2.13 H2O.AI
表270 h2o.ai：事業概要
表271 h2o.ai：提供する製品／ソリューション
表 272 h2o.ai: 製品発表
表 273 h2o.ai: 取引実績
11.2.14 データロボ
表 274 データロボ：事業概要
表275 データロボ：提供する製品／サービス
表 276 データロボット：取引
11.2.15 BIGML
表 277 Bigml: 事業概要
表 278 Bigml: 提供する製品/ソリューション
表 279 ビッグエムエル：製品発売
表280 ビッグエムエル：取引
11.2.16 データベースリック
表281 データベリックス：事業概要
表 282 データベリックス：提供する製品／ソリューション
表 283 データベリックス：製品発表
表284 データベリックス：取引
11.2.17 dataiku
表 285 データイク：事業概要
表 286 データイク：提供する製品／ソリューション
表 287 データイク：製品の発売
表 288 データイク：取引
11.2.18 マサチューセッツ工科大学
表 289 マサチューセッツ工科大学：事業概要
表 290 マサチューセッツ工科大学：提供する製品／ソリューション
表 291 マサチューセッツ工科大学：製品の発売
表 292 マサチューセッツ工科大学：取引
11.2.19 sparkcognition
表 293 スパークコグニション：事業概要
表 294 sparkcognition: 提供する製品/ソリューション
表 295 スパークコグニション：製品発表
表 296 sparkcognition: 取引
11.2.20 QLIK
表 297 QLIK：事業概要
表 298 QLIK：提供する製品／ソリューション
表 299 QLIK：製品発表
表 300 QLIK: 取引
*非上場企業の場合、事業概要、提供する製品/ソリューション、最近の動向、MnM Viewの詳細が把握できない可能性がある。
11.3 その他の選手
11.3.1 アリババクラウド
11.3.2 APPIER
11.3.3 スクアーク
11.3.4 AIBLE
11.3.5 データフォールド
11.3.6 boost.ai
11.3.7 TAZI AI
11.3.8 AKKIO
11.3.9 バロハイ
11.3.10 ドットデータ
12 隣接・関連市場 (ページ – 325)
12.1 ジェネレーティブAI市場
12.1.1 市場の定義
12.1.2 市場概要
表301 世界のジェネレーティブAIの市場規模と成長率、2019-2022年（百万米ドル、前年比）
表302 世界のジェネレーティブAIの市場規模と成長率、2023-2028年（百万米ドル、前年比）
12.1.3 ジェネレーティブAI市場、提供製品別
表303 ジェネレーティブAI市場、オファリング別、2019-2022年（百万米ドル）
表304 ジェネレーティブAI市場、オファリング別、2023-2028年（百万米ドル）
12.1.4 ジェネレーティブAI市場、用途別
表305 ジェネレーティブAI市場、用途別、2019-2022年（百万米ドル）
表306 ジェネレーティブAI市場、用途別、2023-2028年（百万米ドル）
12.1.5 ジェネレーティブAI市場（業種別
表307 ジェネレーティブAI市場、垂直分野別、2019-2022年（百万米ドル）
表308 ジェネレーティブAI市場、垂直分野別、2023-2028年（百万米ドル）
12.1.6 ジェネレーティブAI市場（地域別
表309 ジェネレーティブAI市場、地域別、2019-2022年（百万米ドル）
表310 ジェネレーティブAI市場、地域別、2023-2028年（百万米ドル）
12.2 人工知能市場
12.2.1 市場の定義
12.2.2 市場概要
12.2.3 人工知能市場、製品別
表311 人工知能市場、オファリング別、2016-2021年（10億米ドル）
表312 人工知能市場、オファリング別、2022-2027年（10億米ドル）
12.2.4 人工知能市場、技術別
表 313 人工知能市場、技術別、2016-2021年（10億米ドル）
表 314 人工知能市場、技術別、2022-2027年（10億米ドル）
12.2.5 人工知能市場、展開モード別
表315 人工知能市場、展開モード別、2016-2021年（10億米ドル）
表316 人工知能市場、展開モード別、2022-2027年（10億米ドル）
12.2.6 人工知能市場、組織規模別
表317 人工知能市場、組織規模別、2016-2021年（10億米ドル）
表318 人工知能市場、組織規模別、2022-2027年（10億米ドル）
12.2.7 人工知能市場、ビジネス機能別
表 319 人工知能市場、ビジネス機能別、2016年～2021年（10億米ドル）
表320 人工知能市場、ビジネス機能別、2022年～2027年（10億米ドル）
12.2.8 人工知能市場（業種別
表321 人工知能市場、業種別、2016-2021年（10億米ドル）
表322 人工知能市場、垂直市場別、2022-2027年（10億米ドル）
12.2.9 人工知能市場、地域別
表323 人工知能市場、地域別、2016-2021年（10億米ドル）
表324 人工知能市場、地域別、2022-2027年（10億米ドル）
13 付録（ページ番号 – 339）
13.1 ディスカッション・ガイド
13.2 Knowledgestore: マーケッツの購読ポータル
13.3 カスタマイズ・オプション
13.4 関連レポート
13.5 著者詳細
