人工知能のビジネス価値を最大限に引き出すための10の重要な役割

あらゆる業界でますます多くの企業が、ビジネス プロセスを変革するために AI を導入しています。しかし、AI イニシアチブの成功は、データとテクノロジーだけでなく、適切な人材の採用にも左右されることを忘れないでください。

コンサルティング会社 Omdia の AI プラットフォーム、分析、データ管理担当主席アナリスト、ブラッドリー・シミン氏は、効果的なエンタープライズ AI チームは、データ サイエンティストやエンジニアだけでなく、ビジネスを理解し、問題解決に取り組んでいるさまざまな人材を含む多様なグループであるべきだと述べています。

AIスタートアップ企業Plainsightの共同創業者兼CEOであるカルロス・アンチア氏もこれに同意し、AIで成功するにはさまざまな高度なスキルを備えたバランスの取れたチームを構築することが大きな鍵となるが、それを実現するのは非常に難しいと付け加えた。彼は次のように説明しています。「効果的な AI チームを構成する要素を判断するのは簡単なように思えますが、成功している AI チームのメンバーの詳細な責任を見ると、そのようなチームを構築するのは非常に難しいことがすぐにわかります。」

理想的な AI チームの構築を支援するために、今日のエンタープライズ AI チームの運営に不可欠な 10 の主要な役割を以下に示します。

データサイエンティスト

データ サイエンティストはあらゆる AI チームの中心であり、データの処理と分析、機械学習 (ML) モデルの構築、そしてすでに運用中の ML モデルを改善するための結論の導出に携わっています。

TikTokのデータサイエンティスト、マーク・エルツェフォン氏は、データサイエンティストは製品アナリストとビジネスアナリストを合わせた存在であり、機械学習の知識も少し持っていると語った。彼らの主な目標は、ビジネスに大きな影響を与える主要な指標を理解し、データを収集して潜在的なボトルネックを分析し、さまざまなユーザー グループと指標を視覚化し、これらの指標を向上させるためのさまざまなソリューションを考え出すことです。たとえば、TikTok ユーザー向けに新しい機能を開発する場合、データ サイエンティストがいなければ、その機能がユーザーに利益をもたらすのか、それとも害をもたらすのかを理解することは不可能です。

機械学習（ML）エンジニア

データ サイエンティストは ML モデルを構築できますが、それを実装するには ML エンジニアが必要です。

「この役割は、ML モデルをコンテナにパッケージ化し、それを本番環境にデプロイすることです (多くの場合、マイクロサービスとして)」と、テクノロジー サービス企業 Persistent Systems のイノベーションおよび R&D アーキテクトである Dattaraj Rao 氏は述べています。「多くの場合、専門的なバックエンド プログラミングとサーバー構成のスキル、およびコンテナと継続的インテグレーションおよび配信のデプロイに関する専門知識が必要です。さらに、ML エンジニアは、モデルの検証、A/B テスト、および本番環境の監視にも関与します。」

成熟した ML 環境では、ML エンジニアは、最小限の実験で本番環境で最高のパフォーマンスを発揮するモデルを見つけるのに役立つ実験提供ツールも必要とします。

データエンジニア

データ エンジニアは、組織のデータ インフラストラクチャを構成するシステムの構築と保守を担当します。デロイトのディレクター兼チーフアーキテクトの Erik Gfesser 氏は、データエンジニアは下流での使用のためにデータを収集して組み立てるためのデータパイプラインを構築し、DevOps 環境ではこれらのデータパイプラインを実行するインフラストラクチャを実装するためのパイプラインを構築するため、AI イニシアチブにとって非常に重要であると述べています。

データエンジニアは、ML と非 ML の両方の取り組みにとって不可欠であると彼は付け加えた。たとえば、パブリック クラウドの 1 つにデータ パイプラインを実装する場合、データ エンジニアはまず、取り込んだデータの処理に必要なコンピューティングを提供する必要なクラウド サービスを起動するスクリプトを作成する必要があります。

初めてチームを構築する場合、データ サイエンスは大量のデータを必要とする反復的なプロセスであることを理解する必要がある、と情報技術サービス会社 SPR の CTO である Matt Mead 氏は言います。十分なデータがあると仮定すると、作業の約 80% はデータ エンジニアリング タスクに関連し、約 20% はデータ サイエンスに関連する実際の作業になります。このため、データ サイエンスの作業を行うのは AI チームのごく一部になります。チームの他のメンバーは、解決する問題の特定、データの解釈の支援、データの整理、出力の別の生産システムへの統合、またはプレゼンテーションに適した形式でのデータの提示を担当します。

データ管理者

データ スチュワードは、企業データの管理を監督し、その品質とアクセス可能性を確保する責任を負います。この重要な役割により、エンタープライズ アプリケーション全体でデータの一貫性が確保され、組織は絶えず変化するデータ法に準拠できるようになります。

テクノロジー企業InsightのデータおよびAI実践リーダーであるケン・セイアー氏は、データスチュワードは、データサイエンティストが適切なデータにアクセスでき、すべてが再現可能で、データカタログに明確にラベル付けされていることを保証する、と述べた。

この役割を担う人は、データ サイエンスとコミュニケーションのスキルを組み合わせてチーム間で連携し、データ サイエンティストやエンジニアと連携して、関係者やビジネス ユーザーがデータにアクセスできるようにする必要があります。

さらに、データ スチュワードは、データの使用とセキュリティに関する組織のポリシーを施行し、安全なデータにアクセスする必要があるユーザーだけにアクセス権が付与されるようにする責任があります。

ドメイン専門家

ドメイン エキスパートは、特定の業界または主題領域に関する深い知識を持っています。この役割は、その分野の権威であり、利用可能なデータの品質を判断でき、AI プロジェクトの対象ビジネス ユーザーとコミュニケーションをとり、AI プロジェクトが現実世界で価値があることを保証できます。

ソフトウェア開発会社 SpdLoad の CEO である Max Babych 氏は、AI システムを開発する技術専門家は、システムが構築される実際のドメインに関する専門知識を持っていることはほとんどないため、これらのドメイン専門家は不可欠であると述べています。ドメインの専門家は、AI システムが最高のパフォーマンスを発揮できるようにするための重要な洞察を提供できます。

たとえば、ベイビーチ氏の会社は、オートパイロットの移動物体を識別するためのLIDARの代替としてコンピュータービジョンシステムを開発しました。彼らは分野の専門家なしでプロジェクトを立ち上げ、研究によってシステムが機能することが証明されたにもかかわらず、自動車ブランドがコンピュータービジョンよりもLIDARを好むかどうかは会社には不明だった。

「この場合に私が伝えたい重要なアドバイスは、ビジネス モデルについて考え、次にドメインの専門家を招いてこれがあなたの業界に適用可能かどうかを理解し、その後で機能の実装に関するより技術的な側面について詳細に話し合うことです」とベイビッチ氏は語った。

さらに、ドメイン専門家は、クライアントと AI チームの間の重要な連絡役として機能することができると、教育テクノロジー プラットフォーム iSchoolConnect の AI 責任者である Ashish Tulsankar 氏は述べています。彼は顧客とコミュニケーションをとってニーズを理解し、AI チームに次のステップの指示を与えることができます。また、ドメインの専門家は AI が倫理的に実装されているかどうかを追跡することもできます。

人工知能デザイナー

AI デザイナーは開発者と協力して、人間のユーザーのニーズを確実に理解できるようにします。この役割は、ユーザーが AI と対話する方法を構想し、新しい AI 機能の使用例を示すプロトタイプを作成します。

AI 設計者は、人間のユーザーと AI システムの間に信頼が確立され、AI がユーザーからのフィードバックから学習して改善できることも確認します。

「企業がAIイニシアチブを拡大する際に直面する困難の1つは、ユーザーがソリューションを理解しない、共感しない、または対話できないことです」とコンサルティング会社BCGのAIプラクティスの共同リーダーであるシェルビン・コダベンデ氏は言います。「AIから価値を得ている企業にとっての秘訣は、人間と機械の対話を正しく行うことです。」

BCG の思考モデルは「10-20-70」の原則に従っています。つまり、価値の 10% はアルゴリズム、20% はテクノロジーとデータ プラットフォーム、そして価値の 70% はビジネス統合またはビジネス プロセスにおける企業戦略とのリンクから生まれます。人間とコンピュータの相互作用は絶対に重要であり、70% チャレンジの重要な部分です。 AI Designer はこれを実現するのに役立ちます。

プロダクトマネージャー

プロダクトマネージャーは顧客のニーズを特定し、AI チームが有益な戦略的決定を下せるようにしながら、製品の開発とマーケティングを主導します。

「AIチーム内では、プロダクトマネージャーはAIをどのように活用して顧客の問題を解決できるかを理解し、それを製品戦略に反映させる責任がある」とAI開発会社Nexocodeのプロダクトマネージャー、ドロタ・オウチャレク氏は語る。

Owczarek 氏は最近、自然言語処理を使用して研究論文や文書の人間によるレビューをサポートする、製薬業界向けの AI ベースの製品を開発するプロジェクトに取り組みました。このプロジェクトでは、製品の推進に必要なモデルとアルゴリズムを開発するために、データ サイエンティスト、機械学習エンジニア、データ エンジニアとの緊密な連携が必要です。

製品マネージャーとして、Owczarek は主に、製品ロードマップの実装、予算の見積もりと管理、製品の技術面、ユーザー エクスペリエンス面、ビジネス面の間の連携を担当しています。 「プロジェクトはビジネス関係者によって開始されるため、関係者のニーズが満たされていることを保証しながらも、プロジェクトの全体的な目標に焦点を当てることができるプロダクト マネージャーを配置することが特に重要です」と彼女は述べています。「また、AI プロダクト マネージャーは、技術的なスキルとビジネス感覚の両方を備えている必要があります。さまざまなチームや関係者と緊密に連携できる必要があります。ほとんどの場合、AI プロジェクトの成功は、ビジネス、データ サイエンス、機械学習エンジニアリング、および設計チーム間のコラボレーションにかかっています。」

オウチャレク氏は、AI 製品マネージャーは、同社の製品が業界のベストプラクティスを満たしていることを保証するための社内プロセスとガイドラインの開発にも責任を負うことになるだろうと付け加えた。

AIストラテジスト

AI 戦略家は、企業レベルでビジネスがどのように運営されているかを理解し、経営陣や外部の利害関係者と連携して、企業が AI イニシアチブを成功させるのに適切なインフラストラクチャと人材を備えていることを確認する必要があります。

EYコンサルティングのグローバルAIリーダーであるダン・ディアシオ氏は、AI戦略家が成功するには、自社のビジネス領域と機械学習の基礎を深く理解する必要があり、また、AIを使用してビジネス上の問題を解決する方法も知っておく必要があると述べています。

企業の意思決定方法を変えたい場合、このプロセスを推進できる大きな影響力とビジョンを持った人材が必要です。AI ストラテジストは、企業が変革について考えるのを支援できる人材です。さらに、企業が AI を効果的に推進するために必要なデータを取得するのにも役立ちます。

「企業が現在、自社のシステムやデータ ウェアハウスに保有しているデータは、AI 機能を構築する際に差別化に活用できるデータのほんの一部にすぎません」とディアシオ氏は語ります。「戦略担当者の仕事の一部は、将来を見据え、プライバシーの問題にぶつかることなく、より多くのデータを取得し、活用する方法を見つけることです。」

最高人工知能責任者

最高 AI 責任者は、すべての AI イニシアチブの主な意思決定者であり、AI の潜在的なビジネス価値を利害関係者と顧客に伝える責任を負います。

iSchoolConnect の Tulsankar 氏は、意思決定者とは、ビジネス、機会、リスクを理解している人物であると述べました。最高 AI 責任者は、AI が対応できるユースケースと、最も重要なメリットがどこにあるのかを理解し、これらの機会を利害関係者に明確に説明できる必要があります。さらに、これらの機会を反復的に実現する方法についても議論する必要があります。 AI アプリケーションを必要とする顧客や製品が複数ある場合、最高 AI 責任者は「顧客に依存しない」実装部分と「顧客固有の」実装部分を分割できます。

エグゼクティブスポンサー

エグゼクティブ スポンサーは、AI プロジェクトの肯定的な成果を確実にする上で重要な役割を果たし、会社の AI イニシアチブの資金調達を担当する C レベルの幹部である必要があります。

EYコンサルティングのディアシオ氏は、AIプロジェクトを成功に導く上で経営幹部が重要な役割を果たすと述べた。企業にとって最大のチャンスは、多くの場合、特定の機能を超えて拡大できるところにあることを忘れないでください。たとえば、消費財メーカーには、研究開発を担当するチーム、サプライ チェーンを担当するチーム、営業チーム、マーケティング チームがあります。 AI を適用することで、これら 4 つの機能すべてを変革し、ビジネスにとって最大かつ最良の機会を実現できます。強力なリーダーシップを持つ CEO またはトップマネジメントだけが、こうした変化をもたらすことができます。

残念ながら、多くの企業の上級管理職は AI の可能性についてあまり理解しておらず、AI を「ブラックボックス」と見なしていることが多いのです。彼らはデータ サイエンティストに任せることに慣れていますが、AI を使用するために必要な新しいアプローチを彼ら自身が本当に理解しているわけではありません。

効果的な AI チームがどのように機能し、役割がどのように機能し、それを有効にするかを理解していない多くの組織にとって、AI の導入は大きな文化的変化となります。さらに、AI を導入している従来の企業の 99% にとって、これは非常に難しいことです。