人工知能の旅：プロトタイピングは始まりに過ぎない

国内外で人工知能や機械学習のチームが大きな成果のニュースを共有し続けているのをよく見かけますが、実用化の準備が整っていない可能性があります。新しいテクノロジーを使用しようとすると、成功への明確な道筋がない場合など、常に課題が伴います。しっかりとしたロードマップを作成するよりも、大げさに宣伝する方が簡単です。

[[424846]]

新しい技術がどのように進歩するか

新しいテクノロジーは、通常、2 つの方法で企業に浸透します。

おそらく、幹部は競合他社が新しいテクノロジーを適用して成功しているのを目にするでしょう。あるいは、幹部は会議に出席し、最新かつ最高のツールを使用して競争上の優位性を生み出す機会を見つけるでしょう (おそらく、当社の記事の 1 つがそのすべてを始めるきっかけとなるでしょう)。

もう一つの道は、新興技術を既存のワークフローに統合する「草の根」の取り組みです。おそらく、社内のチームのメンバーが関心のある分野を積極的に探究しており、それがなぜ会社にとってゲームチェンジャーとなるのかを経営陣に説明しているのでしょう。彼は概念実証を通じて変化を加速するためのアプリケーションの実験を始めました。

どちらのエントリ ポイントも通常はプロトタイプの構築から始まります。その目的は、新しいテクノロジがどのように機能するかを実証することです。これらの 1 回限りのソリューションはサイロ内に構築されることが多く、説明責任がほとんどなく、その成功または失敗が既存の運用に大きな影響を与えません。

結局のところ、プロトタイプは作成が簡単で、コストもそれほどかからず、長期的な取り組みも必要ありません。この初期段階では、生産対応システムを構築するために必要な実現可能性調査は必要ありません。これにより、社内でのサポートを迅速に獲得できるようになり、経営陣は会社がテクノロジーのトレンドやイノベーションのトレンドに追いつき始めていることを喜ぶことができます。言うまでもなく、この種の運動は従業員にとって楽しく刺激的なものです。そして、興奮が冷めると、プロジェクトは停滞します。

この状況は過去数十年にわたる同社の苦境を反映している。

人工知能がもたらす課題

企業の世界を席巻している最新のテクノロジー、つまり人工知能と機械学習は、導入において同様の課題に直面しており、この困難で厄介な道をたどる運命にあります。

なぜなら、これらのテクノロジーは多くのビジネスリーダーにとってブラックボックスのようなものだからです。つまり、初期のプロトタイプ実装で良い結果が得られたとしても、経営陣はプロトタイプ段階から先に進むことを躊躇することが多いのです。

このようなタイプのプロジェクトでは、制御された環境で成功を示すのはかなり簡単です。しかし、AI と機械学習が失敗すると、その結果は壊滅的なものになる可能性があります。多くのリーダーにとって、ビジネスを運営するためにテクノロジーに大規模に依存するという見通しは不安なものです。

言うまでもなく、AI は独特の心理的障壁ももたらします。AI や機械学習の導入が成功すれば、これらの仕事に就いていた人間の数はほぼ確実に減少するでしょう。 2019年のエデルマンの調査によると、職場での人工知能を歓迎する国民はわずか30％でした。 AI プロジェクトが失敗する理由を理解するのは難しくありません。自分たちの仕事を奪うようなテクノロジーを積極的に推進したい人がいるでしょうか?

もちろん、AIの才能の課題もあります。プロジェクト経験と熟練したスキルを持つ人材を見つけて採用するには、多額の資本が必要です。

しかし、リスクを負う人は、多くの場合、大きな報酬を得ます。マッキンゼーの調査によると、78%の企業が、さまざまなビジネス分野で AI を適用することで、大きな、または中程度の収益を達成したと回答しています。実装後に「価値がない、またはマイナスの価値がある」と回答したのはわずか 1% でした。

プロトタイプ設計では以下の点を考慮する必要がある

機械学習や人工知能などのテクノロジーは人間の心理に挑戦するものですが、大胆なビジネスリーダーに具体的な競争上の優位性を与えることが期待されています。あなたのビジネスでも同じ結果を望むなら、プロトタイプ作成を始める前に考慮すべき 5 つのヒントをご紹介します。

1.まず資金調達を検討する

プロトタイプへの投資を集中し、管理可能な範囲内に抑えます。資金がまだ確保されていない場合は、確実に資金が確保されるように包括的な計画を策定してください。概念実証プロトタイプを完成させるためのリソースの入手が難しいことが分かっている場合は、それにあまり多くの時間と労力を費やさないでください。

2. 測定基準と入出力計算

AI、機械学習、またはその他の機能的なテクノロジー ソリューションを導入することで何を達成したいのかを明確にします。投資を正当化するには、実装から得られる価値を測定可能でなければなりません。プロトタイプによってわずかな増分値しか生成されない場合、または投資収益が得られない場合は、プロトタイプ ソリューションからより多くのメリットを得られる領域を探してください。

最後に、すべてのプロトタイプが収益を生み出すわけではありません。実験検証実験であるプロトタイプと、正常に実装できるプロトタイプとの境界を明確に定義することが重要です。

3. 成熟した計画を立てる

プロトタイプフェーズでの検証など、プロトタイプサイクル全体について話し合ったり計画したりせずに、プロトタイプの構築を開始しないでください。成功するプロトタイプが従うべきことについて共通の理解を得ることで、プロジェクトの成熟段階が加速し、リーダーシップがプロトタイプ プログラムの長期目標と一致するようになります。

4. プロトタイプポートフォリオを作成する

AI、機械学習、またはその他のソリューションのプロトタイプ作成に取り組んでいる場合は、プロトタイプのポートフォリオを構築して管理することで、ビジネス実験をテクノロジーと連携させながら、知識の共有を最大限に高めることができます。アーキタイプのポートフォリオに投資すると、より良い結果が得られます。比較できるさまざまなアーキタイプがあると、成功を識別して定義する能力が向上します。

5. 段階的なプロトタイプの実装

プロトタイプの展開は段階的に成功します。テクノロジ ライフサイクルのさまざまな段階で、複数のレベルのプロトタイプが存在する場合があります。たとえば、最初のレイヤーで価値ある可能性を確認し、次のレイヤーでスケーラブルなアプローチをテストし、次のレイヤーで運用化をテストし、最後のレイヤーで本番環境対応のソリューションを生成するという階層型アプローチを概説できます。

実際の価値を引き出す計画なしにテクノロジーの実装を開始すると、失敗する可能性が高くなります。プロトタイピングは正しい方向への重要なステップですが、単にプロトタイプを作成することが最終目標であってはなりません。

人工知能、機械学習、その他の新興技術には、信じられないほどの可能性が秘められています。しかし、これらのソリューションで成功する企業は、大胆なリスクを取り、実装上の課題を克服し、最終的には単なるプロトタイプ以上のものを構築する必要があります。