AIエンタープライズアプリケーションは成熟しつつある

デロイトは最新の「企業における AI の現状」レポートで、AI 実践の成功を特徴付ける共通点と、達成度の低さに関連する実際的な影響を探りました。

年次 AI レポート「AI 主導の組織になる」では、南北アメリカ、ヨーロッパ、中東、太平洋の 11 か国の 2,875 人の IT およびビジネス エグゼクティブから調査情報を収集し、AI の使用方法、得られる結果、および適用方法を把握しました。このレポートは、デロイトAI研究所とデロイト統合研究センターが共同で作成し、10月28日に発表された。

28 ページのレポートでは、回答者が展開した AI プロジェクトの数とその成功率に基づいて、参加企業を 4 つのカテゴリに分類しています。そのうち、「Transformers」は回答者の28％を占め、高い成果と多数のAI導入という特徴を示しました。一方、「Pathseekers」は26％を占め、導入数は少ないものの、高い成果を上げました。「Underachievers」は回答者の17％を占め、適用効果は低いものの、多数のAIを導入しました。「Starters」は回答者の最大のグループで、29％を占めました。導入数も少なく、成果も低いです。

デロイトの調査によると、「トランスフォーマー」と「エクスプローラー」にはいくつかの非常に顕著な特徴があることがわかりました。

まず、両グループの代表者は、AI が自社を競合他社と差別化すると述べる立場に立っています。また、企業全体の AI 戦略と、変革的な AI を活用するための高レベルのビジョンを持っている可能性も高くなります。また、5年以内に競争上の優位性を維持するために人工知能に頼る可能性も高くなります。しかし、これらの高業績企業が競争上の優位性として AI を活用することに重点を置いている一方で、最も成功している企業では逆の原則が働いています。つまり、真の差別化は AI テクノロジーではなく、ビジネス成果から生まれるのです。最も強力な AI 戦略では、最初から AI について言及することはありません。代わりに、組織の中核となるビジネス戦略から始める必要があります。最終的に、AI 戦略は、競争上の優位性を促進し強化するために設定された KPI 目標と連携して、ビジネス戦略を強力に推進する役割を果たします。

また、報告書では、成績の低い企業は AI 戦略の推進をデータ サイエンティストや IT 部門にのみ依頼することが多く、これは理想的ではないとも述べています。代わりに、AI 戦略はビジネスから生まれ、可能であれば企業全体に及ぶ必要があります。

デロイトは、2010年にアマゾンのすべてのリーダーにAIと機械学習の利用方法に関する戦略を策定するよう要求したジェフ・ベゾスの例を挙げている。これにより、比類のない成長が促進され、会社の驚異的な成長のきっかけとなりました。

トランスフォーマーとエクスプローラーにはもう 1 つ興味深い共通点があります。トランスフォーマーは成長志向の AI プロジェクト (「オープンソース」プロジェクトとも呼ばれます) を実装する傾向があるのに対し、アンダーアチーバーとスターターはコスト削減 AI プロジェクト (「コスト削減」プロジェクト) に重点を置く傾向があります。実際、両方のタイプの AI プロジェクトが必要になることがよくあります。しかし、明らかに成長志向の AI プロジェクトの成功による後押しはさらに強力になるでしょう。

少数の AI プロジェクトを立ち上げるだけでは、効果は限られます。デロイト AI の共同リーダーであり、デロイト コンサルティングのプリンシパルでもあるニティン ミッタル氏は、AI での成功は一度きりのプロジェクトではなく、継続的なプロセスであると述べています。 「AIを活用した組織になるためには、変革プロセスは決して完了するものではなく、継続的な学習と改善の旅であることを理解する必要があります」と彼は述べた。

Deloitte は、優れた成果を上げている AI チームに対してワークフローの習慣についても調査し、MLOps プロセスに重点を置くことが成功と相関していることを発見しました。

「MLOps プロセスを文書化して実行する組織は、目標を達成する可能性が 2 倍高くなります」と同社はレポートで述べています。「また、AI 関連のリスクに完全に備えられる可能性も 4 倍高く、AI イニシアチブが信頼できる方法で展開できるという自信も 3 倍高くなります。」

機械学習運用 (MLOps) は、ワークフローの効率を向上させる DevOps の原則と実践に基づいています。たとえば、継続的インテグレーション、継続的デリバリー、継続的デプロイメントなどです。

デロイトは、信頼性、データ流暢性、俊敏性が、パフォーマンスの高い AI チームと低い AI チームを区別する追加の特性であると考えています。 AI 実装を管理するために変更管理に投資する組織では、AI イニシアチブが期待を上回る可能性が 60% 高く、成果を達成する可能性が 40% 高くなります。

興味深いことに、「恐怖」は高業績の AI グループに現れるもう 1 つの要因ですが、それは AI が仕事を奪うことへの恐怖によるものではありません。 「恐怖は、組織の AI ビジョンが大胆であることを示す前向きな兆候である可能性があります。」

高い成果を上げている AI グループのもう 1 つの特徴は、パートナーとツール プロバイダーの幅広いエコシステムに依存していることです。デロイトの調査によると、トランスフォーマーとエクスプローラーの 83% が AI 戦略を実行するために多様なコラボレーション エコシステムを構築していることがわかりました。少数のパートナーやツールベンダーに過度に依存すると、企業がリスクにさらされる可能性もあります。

AI に関連するリスクは、依然として企業幹部にとって最大の懸念事項です。しかし、それが彼らの前進を止めることはないでしょう。高い成果を上げている組織は、AI 関連のリスクを管理する準備がより整っており、AI イニシアチブを信頼できる方法で展開できることに自信を持っていると報告しています。