人工知能の開発を加速するための9つのヒント

現在、多くの企業が AI テクノロジーで一定の成功を収めており、IT チームは AI プロジェクトをより迅速に拡大するというプレッシャーにさらされています。業界の専門家が、企業の AI 導入を加速し、成果を達成する方法についてのヒントを共有します。

多くの企業では、AI テクノロジーに関する質問は、「いつ実行するのか」から「どのようにスピードアップするのか」へと変化しています。

[[432457]]

SASの人工知能・分析部門責任者であるデビッド・タリーン氏は、AIはCOVID-19パンデミック中にいくつかの重要なテストに合格したと述べた。 「COVID-19パンデミックにより、AIとチャットボットはパンデミック関連のさまざまな質問に答えられるようになりました。コンピュータービジョンはリモートワークをサポートします。機械学習モデルは、再開プロセスの影響をモデル化するために不可欠なものになっています」と彼は語った。

AI の将来的な利点は依然として大きい。 「AI は、利用可能なデータの量が膨大であるため、見えなかったものを明らかにするものです」と、デジタル プラットフォーム プロバイダー AHEAD のフィールド CTO、ジョシュ パーキンス氏は述べています。「IT リーダーが AI の導入をもっと進めたいのであれば、洞察と効率性を通じて真のビジネス価値を生み出す機会を見つけられることが重要です。」

これにより、IT チームには、企業全体で AI の実装と導入を拡大する際に存在する課題を克服するために、より一層の努力をしなければならないというプレッシャーがかかります。

AIの導入と成功を加速させる方法

AI の専門家が、IT リーダーが組織内で AI の利用と成熟を加速するために何ができるかについてヒントを提供します。

1. 最適なユースケースから始める

「ビジネスリーダーは、どこから始めればよいのかわからないことが多すぎる」と、『アジャイル化：企業をデジタルリーダーに変革する方法』の著者であり、テクノロジーおよびビジネスコンサルティング会社 Metis Strategy の社長であるピーター A. ハイ氏は語る。

「AI と機械学習の取り組みは、特定のユースケースに的を絞るのが最適であり、特に AI と機械学習の人材が不足している場合は、実現するためにより広範なエコシステムが必要になる可能性があります」とハイ氏は述べました。「企業は優れたユースケースを見つけ、ビジネスリーダーと協力してそれを実現し、洞察、人材、テクノロジーの支援を得るためにより広範なエコシステムと連携する必要があります。」

2. マイルストーンを通じて進捗状況を示す

「AI イニシアチブで見落とされがちな課題は、目に見える成果が得られるまでに要する時間投資です」と、サイバー保険会社 Cowbell Cyber​​ のデータサイエンス責任者、ラビ・ラジャン氏は語る。「明確な目標と進捗を示すマイルストーンの計画があれば、AI プロジェクトは迅速に実行できます。」

3. AIチームだけでなくプレイブックも開発する

企業はチームにどのような社内トレーニングを提供できるだろうか？ 変革の過程で役立つ新しい人材をどこで雇用できるだろうか？ どの外部パートナーが変革の鍵となるだろうか？ 「これらの質問への答えは、より持続可能な計画を策定するのに役立つだろう」とハイ氏は語った。

4. スキル習得への多角的なアプローチを構築する

現在、あらゆる企業はビッグデータの専門家、プロセス自動化の専門家、セキュリティアナリスト、ヒューマンコンピュータインタラクションデザイナー、ロボット工学エンジニア、機械学習の専門家を必要としていますが、これらの人材を採用するのは簡単ではありません。 AIの成果を加速させたい企業は、研究志向のシンクタンクである未来の仕事のための認知センターのベン・プリング氏とユーアン・デイビス氏が「スキルルネッサンス」と呼ぶものを開始する必要がある。

「企業は、強力な採用・維持プログラムを開発することに加え、既存の人材を活用するために一層努力する必要がある」とプリング氏は述べた。「スキルアップと社内キャリア開発の包括的な改革は、この重要な課題を成功させるために必要な多要素人事戦略の重要な部分である。」

5. データ配信に投資する

人工知能には良質なデータが必要です。ラジャン氏は、AI プロジェクトを成功させるために必要な他のすべての活動の文脈で AI 関連の作業を明確に表現することが重要だと述べました。これは、データの収集、変換、クレンジング、正規化に時間とリソースを投資し、AI ビジネス成果を達成するために必要なデータ要件に関する期待を管理することを意味します。 「それは絶対に重要です」とラジャン氏は語った。

6. データソースを拡張する

データが良好な状態であることを確認するだけでは十分ではありません。コグニザントのデイビス氏は、企業はより豊富で多様なデータセットを導入する必要もあると述べた。心理的データ、地理空間データ、リアルタイム データを調べ始めましょう。これらすべての対策は、AI 中心のパフォーマンスを向上させる可能性を秘めています。

「このデータを管理し、AI システムによる調査や活用に役立てることは、デジタル成熟に向けた重要なステップです」とデイビス氏は言う。「この面倒な作業がなければ、大量のデータはノイズのままとなり、その中に隠されたシグナルを明らかにすることは決してできません。」

7. データトライブの構築を検討する

AI の推進を加速させたい CIO や IT リーダーは、テクノロジーの伝道者です。コグニザントのプリング氏は、企業はIT部門だけでなく業務のあらゆる側面にデータとAI技術を広める必要があると述べた。

彼は、特定の課題や顧客との接点を中心に構築された、データ スチュワード、データ エンジニア、データ モデラーで構成されるデータ トライブを確立することを推奨しています。 「IT 部門だけでなく、ビジネス グループ全体の幹部が、すべての従業員が自分の役割でこれらの新しいデータ サービスを積極的に活用できるようなデジタル文化を構築し続けることが重要です」と Pring 氏は言います。「IT 部門と非 IT 部門のスタッフを部門間でローテーションさせることも役立ちます。」

8. AIパフォーマンスレビューを実施する

ハイ氏は、「従業員のパフォーマンスを評価するアルゴリズムは評価され、採点され、昇進（おそらくより広く使用される）、降格（応募を減らす）、解雇（効果がないと見なされた場合に解雇）される必要があるため、実践を継続的に改善するには継続的な学習が必要です」とアドバイスしています。

9. データ民主化に伴う文化的変化に注意する

SAS のタリーンは、企業が AI 専門家の必要性を減らす取り組みを進めており、民主化は AI の大きなトレンドであると述べました。 「企業は新たなレベルに到達し、AI のメリットを大衆に提供したいと考えています」とタリーンは言います。「顧客、ビジネス パートナー、営業担当者、組立ライン作業員、アプリケーション開発者、IT 運用担当者は、AI を活用して広範囲にわたるメリットを実現できます。」

しかし、民主化はアクセスだけの問題ではありません。 「多くの場合、このプロセスには文化的な調整や文化全体の変革が伴わなければなりません」とタリーンは言います。「ビジネスリーダーは、民主化の取り組みにおいて透明性と良好なコミュニケーションを実践することで、問題に対処し、変化のペースを調整し、すべての人に AI と分析をうまく組み込むことができます。」