マッキンゼーのレポート：これらの業界が人工知能に転換しなければ、ますます取り残されることになる

最近、マッキンゼーは「人工知能：次のデジタルフロンティア？」と題した80ページのレポートを発表し、人工知能が企業にどのような価値を生み出すのかを包括的に紹介し、解釈しました。

報告書は、初期の証拠から「AI技術の大規模な導入は企業に大きな利益をもたらす」ことが示されており、AIの破壊的な力が徐々に明らかになることを意味していると指摘している。政府、企業、開発者は皆、これを明確に理解する必要があります。

人工知能はデジタル破壊の次の波をもたらす準備が整っており、企業は今から準備を始める必要があります。すでに少数の早期参入企業が実質的な利益を享受し始めており、他の企業も自社のデジタル変革を追求し、加速させることが急務となっています。私たちの調査結果は、ロボット工学と自律走行車、コンピューター ビジョン、言語、仮想エージェント、機械学習 (ディープラーニングを含み、他の AI テクノロジーの最近の多くの進歩の基礎となっている) という 5 つの広範な AI テクノロジー システムに焦点を当てています。

1. 人工知能への投資は急速に増加しており、デジタル大手企業がその先頭に立っています。

マッキンゼーは、世界的にテクノロジー大手が2016年にAIに200億～300億ドルを投資し、その90%が研究開発と導入に、残りの10%がAIの合併と買収に費やされたと推定している。 VC および PE による資金調達、助成金、シードラウンドも、小規模ではあるものの、総額 60 億ドルから 90 億ドルへと急速に増加しています。その中で、機械学習は実現技術として、内部投資と外部投資の両方で最大の割合を占めています。

2. テクノロジー業界以外での AI の導入はまだ初期の実験段階にあります。大規模に導入している企業はごくわずかです。

私たちが調査した、AI を認識している 3,000 人の C レベルの経営幹部 (10 か国、14 業界) のうち、現在 AI 関連テクノロジーを大規模に、またはビジネスの中核部分で使用していると答えたのはわずか 20% でした。多くの企業は、ビジネスケースや投資収益率について確信が持てないと述べています。 160 件を超えるユースケースを調査した結果、AI を商業的に導入しているのはわずか 12% であることがわかりました。

3. AI を早期に導入した企業と他の企業との間のギャップが拡大している。

ハイテク、通信業界、金融サービス業界は、人工知能の応用におけるリーダーです。彼らはまた、最も積極的な AI 投資意欲を持っています。これらのリーダーは、幅広さと深さの両方に投資し、複数の機能にわたって複数のテクノロジーを活用し、それをビジネスの中核に展開します。たとえば、自動車メーカーは自動運転車の開発や自動車の操作体験の向上に AI を活用していますが、金融サービス企業は消費者体験関連の機能に AI を活用する傾向があります。

4. 初期の証拠は、AI が真剣に導入する人々に真の価値をもたらし、強力な破壊力となる可能性があることを示しています。

当社の調査では、強力なデジタル機能と積極的な戦略を組み合わせた早期 AI 導入企業は利益率が高く、将来的にパフォーマンスの差がさらに拡大すると予想されています。小売、電力会社、製造、医療、教育における当社のケーススタディは、予測と調達の改善、業務の最適化と自動化、ターゲットを絞ったマーケティングと価格設定の開発、ユーザーエクスペリエンスの向上における AI の可能性を強調しています。

5. AI はデジタル基盤に依存しており、多くの場合特定のデータで AI をトレーニングする必要があるため、企業にとって近道はありません。

企業には、AI を含むデジタルの進歩を延期したり遅らせたりする余裕はありません。早期導入者はすでに競争上の優位性を生み出しており、後発者を大きく引き離しているようです。プログラムを成功させるには、企業がデジタルおよび分析変革の多くの要素に対処する必要があります。具体的には、ビジネスケースの特定、適切なデータ エコシステムの設定、適切な AI ツールの開発または購入、ワークフロー、機能、文化の調整などです。特に、当社の調査では、上級リーダーシップ、管理能力、技術力、シームレスなデータ アクセスが重要な要因であることがわかっています。

6. 人工知能は貴重な利益をもたらす可能性を秘めていますが、企業、開発者、政府などに緊急の課題ももたらします。

AI と競争するのではなく、AI を活用できるように、労働力の再訓練と再スキル化を行う必要があります。AI 開発のグローバル ハブとしての地位を確立したい都市や国は、AI 関連の人材と投資を引き付けるためのグローバル競争に参加する必要があります。また、AI 開発の妨げとなる倫理的、法的、規制上の課題の解決にも取り組む必要があります。

企業は人工知能の導入に備えていますか?

テクノロジー大手の牽引により、人工知能への投資は急速に増加しています。テクノロジー大手は人工知能技術に数十億ドルを投資している。彼らは、AI テクノロジーの将来の方向性、つまり強力なコンピューター ハードウェア、ますます複雑化するアルゴリズム モデル、膨大な量のデータを理解しており、これらはすべて部分的に実現されています。実際、人工知能の分野では、大企業による内部投資が大きな位置を占めています。マッキンゼーの推定によると、2016年のこの数字は180億～270億米ドルでした。一方、外部投資（ベンチャーキャピタル機関、プライベートエクイティ投資、合併・買収、資金調達、シードラウンド投資など）は、以下の図に示すように、約80億～120億米ドルでした。

テクノロジー大手が AI 投資を独占（10 億ドル単位）

人工知能は利益を増やし、産業を変革すると期待されている

近年、人工知能技術は急速に発展していますが、その後の導入はまだ初期段階にあります。このため、AI が企業や業界に与える潜在的な影響を評価することは困難です。

5 つの業界にわたる幅広いケース スタディを検討することで、AI が一部のビジネス活動をどのように変革し、他のビジネス活動を根本的に変える可能性があるのか​​についても示します。これらの事例は、AI がバリュー チェーン全体および業界全体でさまざまな機能をどのように形成しているかを示しています。これらの事例は、多国籍企業、新興企業、政府、社会団体などの利害関係者にも広範囲にわたる影響を及ぼします。そして、これらの業界のケーススタディは、AI の破壊的な可能性を示しています。

ビジネスにおける AI の広範な使用に関するビジョンを策定するために、AI がさまざまな方法で特定の行動にどのような影響を与えるかを示す 5 つのケース スタディを作成しました。私たちがケースを作成するために選んだ業界は、小売、電力、製造、ヘルスケア、教育です。タイプには、民間企業、公的企業、社会的企業があり、労働集約型産業から資産重視の事業まで多岐にわたります。

期待に応えるには、AI が経済において実質的な役割を果たし、コストを大幅に削減し、収益を増やし、資産活用を改善する必要があります。

AI がどのように価値を生み出すかを 4 つの領域に分類します。

1- 企業が需要をより適切に計画・予測し、研究開発を最適化し、リソースを強化できるようにします。

2- より低コストでより高品質の商品を生産し、サービスを提供する会社の能力を向上させる。

3-適正な価格と正しい情報で顧客に製品を提供する。

4- 豊富でパーソナライズされた便利なユーザーエクスペリエンスを提供できるようにします。

AI 変革を成功させるにはどのような要素が必要ですか?

1. データエコシステム:

データサイロの解体

統合と事前分析のレベルを決定する

高価値データの特定

2. テクノロジーとツール

目的に合ったAIツールの特定

能力ギャップを埋めるための提携や合併・買収

柔軟な「テストと学習」アプローチを採用する

3. ワークフロー統合

ワークフローにAIを統合する

ヒューマンマシンインターフェースを最適化する

4. オープンな組織文化

オープンで協力的な文化を採用する

AI人材への信頼

必要なときに備えてスキルをリフレッシュしましょう

職業分布の観点から見ると、完全に自動化に置き換えられる職業はわずかであり、60％の職業では作業の30％しか自動化できません。地理的な観点から見ると、米国と中国が世界の人工知能分野を支配しており、ヨーロッパは遅れをとっています。

人工知能は現在、これらの課題に直面している

人工知能は政府と社会に幅広い問題を提起します。このレポートでは、マッキンゼーはこれらの問題のいくつかを指摘し、その問題に対する解決策もいくつか挙げています。これらの問題に関する私たちの進歩は、AI の潜在的な利点を実現し、リスクを回避するために重要です。

1. AIのより広範な利用を促進する

現在の AI アプリケーションは、すでに新しいテクノロジーの最前線にある比較的デジタル化された業界に集中しています。 AI の範囲を拡大し、新しいテクノロジー分野、特にその分野の中小企業を支援することは、生産性の向上と経済発展を確保し、健全で競争力のある市場を確保するために不可欠です。人工知能のより広範な応用は、業界間での賃金の平等化にも役立つ可能性がある。人工知能は生産性レベルの向上を促進し、それによって賃金を増加させることができます。アプリケーションの範囲が広がることで、AI のメリットは、すでに所得ピラミッドの頂点にいる最先端の企業や従業員だけでなく、より多くの企業や労働者に広がることになります。

2. 雇用と所得分配の問題を解決する

AI による自動化の変化は、人々の仕事と賃金水準に大きな影響を与えるでしょう。マッキンゼーの調査によると、大多数の企業は将来的に従業員を大幅に削減する予定はない。しかし、将来の要件にスキルが一致しない職種も当然存在するでしょう。政府は社会サービスのモデルを再考する必要があるかもしれない。労働の共有、負の所得税、世界的な基本所得レベルなど、さまざまなアイデアが検討される予定です。

3. 倫理的、法的、規制上の問題に対処する

人工知能は、多くの倫理的、法的、規制上の問題を引き起こします。トレーニング データセットに現実世界のバイアスが書き込まれるリスクがあります。現実世界では人種、性別、その他多くのカテゴリに基づく差別が存在するため、機械学習アルゴリズムに提供される現実世界のデータには必然的にこれらの特性が備わり、人工知能もトレーニング中に偏見を学習することになります。

偏見が内面化されるにつれて、これらの問題は悪化します。同時に、人々はアルゴリズム自体に疑問を抱いています。プログラマーの倫理的洞察がアルゴリズムにプログラムされます。意思決定プロセス中に人々には何を知る権利があるのでしょうか? 人工知能の出力結果に誰が責任を持つのでしょうか? これにより、アルゴリズムの透明性と説明責任を求める声が高まっています。

プライバシーも別の問題です。データの所有者は誰でしょうか? 医療データなどの機密性の高いデータを、必ずしもその有用性を損なうことなく保護するには、どのような対策が必要ですか? これらの問題に取り組んでいる組織や機関には、Partnership on AI、OpenAI、Foundation for Responsible Robotics、Foundation for Ethics and Regulation of Artificial Intelligence などがあります。

4. トレーニングデータの可用性を確保する

AI システムをトレーニングするには、大量のデータが不可欠です。公共部門のデータをオープンにすることは民間部門のイノベーションを促進する可能性があり、共通のデータ標準を設定することも役立つだろう。米国では、証券取引委員会が 2009 年に、すべての上場企業に対して、財務諸表を XBRL (eXtensible Business Reporting Language) 形式で開示することを義務付け、公開データが機械で読み取り可能であることを保証しました。

5. 政府におけるAIの導入

公共部門における AI の可能性は非常に大きいです。政府サービスの質と効率を向上させるには、サービスを計画し、対象を絞り、パーソナライズする能力の強化が大いに必要です。報告書の付録では、著者らは医療と教育という 2 つの主要な公共分野における AI テクノロジーの将来について考察しています。