インテリジェントな意思決定理論: AI 主導の意思決定企業の創出

インテリジェントな意思決定理論: AI 主導の意思決定企業の創出

人工知能モデルを使用してより優れた意思決定を促進する方法は、現在非常に注目されている研究テーマです。この記事は、価値実現と共同意思決定能力というトピックを探求する一連の記事の最初のものです。

私の母はいつも「答えはすぐ目の前にある」と言います。その理由は、現代の企業が、1) データと分析の経済力に基づいて組織を調整し、2) 「データから価値への明確な見通し」を提供できる、協力的な価値推進力を求めているからです。価値を左右する要素は、まさに私たちの目の前にあります。それは、決断です。はい、意思決定のような単純で一般的なことが、コラボレーションの接続ポイントになる可能性があります。

バリュー エンジニアリング フレームワークの基本原則 (データから価値までの明確な見通しの提供) は、組織の戦略的ビジネス イニシアチブをサポートするためにビジネス関係者が行う必要のある決定 (および決定の有効性を測定する KPI) を特定、検証、評価し、優先順位を付けることです (図 1)。

図1: 意思決定における価値実現能力

組織の戦略的事業計画を真に理解すると、その事業計画を機能的に分解して、その事業計画をサポートするためにさまざまな関係者が行う必要のある決定に分けることができます。

なぜ意思決定はビジネスとデータ サイエンスの連携を促進する強力な推進力となるのでしょうか (図 2)。

  1. 決定は簡単に識別できます (すべてのビジネス関係者が、どのような決定をしようとしているのかがわかります)。
  2. 決定には帰属価値があります。つまり、「価値」はより良い意思決定に帰属すると言えます (「価値」の完全な定義は、複雑ではあるが必要な調整作業になる可能性があります)。
  3. 決定は本質的に実行可能です。
  4. データ サイエンティストは意思決定を最適化する方法を知っています。

図2: 意思決定のためのコラボレーション機能

注: 決定と問題はまったく異なります。質問は理解を検証し、アイデアの形成を促進し、決定は行動を促進します。

パート01

AIを活用した意思決定企業で意思決定を拡大

マルコ・イアンスティとカリム・R・ラカニは、ハーバード・ビジネス・レビューに「AI時代の競争:機械知能がビジネスのルールをどう変えるか」と題する記事を掲載し、世界最大のフィンテック企業であるアント・グループが人工知能を活用して金融サービス業界を変革する方法について論じています。

Ant Group のビジネスモデルの中核は、AI 主導の意思決定企業です。この意思決定企業は、Google や Baidu で毎日何百万もの広告オークションを実施し、Didi、Grab、Lyft、Uber で提供される自動車サービスを決定し、Amazon.com でヘッドフォンやポロシャツの価格を設定し、一部の Walmart スーパーマーケットで床を掃除するロボットを稼働させ、Fidelity Investments Group で顧客サービスロボットを有効にし、さらには Zebra Medical 製の機器の X 線の意味を解釈するなど、さまざまな業務を行っています。

AI 主導の意思決定を行う企業は、変化する市場や顧客環境における意思決定を継続的に学習、適応、改善することで、ビジネス価値と運用価値を拡大する上で特に強力です (図 3)。

図3: AI主導型企業が従来の企業を上回る業績を上げる方法

図 3 で特に興味深いのは、デジタル運用モデルの軌跡 (赤) の線です。これは、データと分析資産の価値が、より多くのユーザーとユースケースで共有されるにつれて急速に高まることを示しています。この線の動作は、シュマルツォの経済的デジタル資産評価定理の効果 3 と非常によく似ています (図 4)。

図4: シュマルツォの経済的デジタル資産評価定理

AI 主導の意思決定企業をサポートする主要なテクノロジーをいくつか紹介します。

  • データ管理。データ検出、コンテンツ推論、メタデータ作成を自動化し、データ アクセスとデータ探索を簡素化し、統合されたデータ観測性と AI アシスタントを通じてデータ ガバナンスとマスター データ管理を制度化し、体系的、持続可能、かつスケーラブルな方法でデータを収集、クリーンアップ、統合、正規化、強化、保護するためのインテリジェントなデータ管理プロセス、ポリシー、モデル、パイプラインを作成するデータ オーケストレーション プラットフォームです。ビジネスの観点からデータ管理の重要性が高まっていることの詳細については、私のブログ「データ管理が今日最も重要なビジネス分野である理由」を参照してください。
  • AI/ML モデルの開発。ハブアンドスポークの組織構造を使用して、ビジネスラインとドメイン エキスパート (機能エンジニアリングに重要) および分析センター間の緊密なコラボレーションを促進し、組織の分析資産とデータ製品の開発、共有、管理を制度化して、定量化可能なビジネスおよび運用上の成果を促進する、オープンで柔軟な AI/ML モデルのトレーニング、開発、および管理環境。
  • MLOps。 AI/ML モデルを倫理的、責任ある、信頼性のある、効率的な方法で本番環境に導入、監視、保守するための一連のフレームワーク、ツール、方法、ガバナンス プラクティス、および意思決定を提供します (これらのツールは、AI モデルの誤検知と誤検知から学習して、AI モデルの確認バイアスを軽減するために使用されます)。
  • AI に最適化されたインフラストラクチャ。エッジからコア、マルチクラウドに至るまで、ビッグデータ、エッジ、AI 中心のワークロード向けに簡単にプロビジョニングおよび最適化できる、柔軟でスケーラブルなオンデマンド インフラストラクチャです。

AI 主導の意思決定企業をすべての関係者に開放するには、組織は組織内の全員に分析機能のトレーニングを行う必要があります。つまり、基本的な分析機能と高度な分析機能を使用する場合の可能性の範囲を明確にする必要があります (図 5)。

図5: 分析の成熟度: 記述的分析から自律的分析へ

図 5 に示す分析成熟度曲線は、次の段階で構成されています。

  • フェーズ 1: 記述的分析 統計およびデータ マイニングのツールとテクニックを利用して、データ セット (平均、中央値、最頻値、標準偏差、分散、最小値、最大値) を分析し、データ変数の因果関係を調査し、因果関係の信頼性を定量化し、適合度を測定します。
  • フェーズ 2: 予測分析では、探索的分析手法 (クラスタリング、分類、回帰など) を使用して、データに隠された顧客、製品、サービス、運用の傾向、パターン、関係を発見して整理し、予測的洞察 (予測される行動やパフォーマンスの傾向) に変換して、何が起こるかを予測します。
  • フェーズ 3: 処方分析では、予測的な顧客、製品、サービス、運用の傾向 (機械学習機能) を使用して機械学習およびディープラーニング モデルを構築し、動的な推奨事項と次善のアクションを提供します。
  • フェーズ 4: 自動分析では、強化学習と AI 技術を使用して、人間の介入を最小限に抑えながら継続的に学習して適応するモデルを作成します。自動分析は、アクションを実行し、それらのアクションから学習し(つまり、コストを最小限に抑えながら報酬を最大化し)、学習に基づいて人間の介入を最小限に抑えながら次のアクションを調整することで、AI ユーティリティ関数の最適化を目指します。

分析教育プロセスの一環として、組織内の全員が、機械学習 (教師ありおよび教師なし)、強化学習、ディープラーニング、転移学習、フェデレーテッドラーニング、メタラーニング、アクティブラーニングなど、高度な分析モデルが「学習」するさまざまな方法について初期理解を深める必要があります (図 6)。

図6: さまざまなAI/ML学習手法

パート02

要約する

AI 主導の意思決定を継続的に学習し、適応する企業を構築するということは、すべての従業員 (およびパートナーと顧客) が構想し、構想し、試行し、失敗し、学習し、その教訓を共有し、再度試行して、データと分析を適用し、顧客、製品、サービス、運用上の価値の新たな源泉を導き出し、推進できるようにすることを意味します。これらすべてには、分析主導のイノベーションの文化を創造することが必要です。

インテリジェントな意思決定とそのコラボレーション機能の価値を今後も探求し、このトピックやその他のトピックについて取り上げていきます。

翻訳者紹介

Zhu Xianzhong 氏は、51CTO のコミュニティ エディターであり、51CTO の専門ブロガー兼講師であり、濰坊の大学のコンピューター教師であり、フリーランス プログラミング コミュニティのベテランです。初期にはさまざまな Microsoft テクノロジに注力し (ASP.NET AJX および Cocos 2d-X に関連する 3 冊の技術書を編纂)、オープンソースの世界に 10 年近く携わってきました (人気のフルスタック Web 開発テクノロジに精通)。OneNet/AliOS+Arduino/ESP32/Raspberry Pi をベースとした IoT 開発テクノロジや、Scala+Hadoop+Spark+Flink などのビッグデータ開発テクノロジを理解しています。

原題: ​​Decisions Part 1: Creating an AI-driven Decision Factory ​​、著者: Bill Schmarzo

<<:  米国はチップ供給を遮断、ロシアはリソグラフィー装置の再構築を決定

>>:  オックスフォード大学の最新調査:AIはベンチマーク危機に直面し、NLPは推論テストの「取り組み」に注力

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

製造業における AI 活用事例 10 選

製造企業は、ビジネスのやり方を合理化し、効率を高めるために人工知能に注目しています。一般的な使用例を...

NeRF を放棄し始めていますか?ガウススプラッティングが自動運転のシナリオで人気があるのはなぜですか?

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

Python で KNN アルゴリズムを使用して欠損データを処理する

欠損データの処理は簡単な作業ではありません。 方法は、単純な平均補完や観察結果の完全な削除から、MI...

...

ロボット警察がファンタジーを現実に変える

人工知能、コンピュータービジョン、モノのインターネット、その他の先進技術を備えたロボット警察は、法と...

人工知能、ディープラーニング、機械学習の概念と違い

人工知能の波が世界を席巻しています。人工知能、機械学習、ディープラーニングなどの高頻度語が頻繁に登場...

自分で作成したデータセット、TensorFlow を使用した株価予測チュートリアル

[[211061]] STATWORX チームは最近、Google Finance API から S...

AIが建物の快適性に革命を起こす

商業ビルでは、顧客と居住者の快適性がポジティブな体験を保証するために重要です。快適さの重要な要素は、...

スパムボットが誤って7億件のメールアドレスとパスワードを漏洩

海外メディアの報道によると、悪名高いスパムロボットが所有する7億件の電子メールアドレスと、使用してい...

ついに誰かがインテリジェント音声処理をわかりやすく説明してくれた

機械学習の急速な発展により、インテリジェントな音声処理のための強固な理論的および技術的基盤が築かれま...

1 つの GPU + 数行のコードで、大規模モデルのトレーニング速度が 40% 向上します。 HuggingFaceのシームレスなサポート

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

未来を受け入れる: AIと教育テクノロジーによる教育の変革

新しいテクノロジー、特に人工知能 (AI) の急速な台頭により、教育と指導は大きな変化の瀬戸際にあり...

李嘉誠は率直に言った。「人工知能の時代には、これらのいくつかの業界だけが大きな成功を達成するのに役立ちます。」

李嘉誠氏はこう語った。「人工知能の時代には、世界がどう変化しても、経済サイクルがどう変動しても、常に...

...