ガートナー: CIO がビッグモデルを選択するための 6 つの基準と 5 つの主な導入方法

過去 2 年間で、ChatGPT は急速に広まりました。過去 6 か月間で、多くの企業が生成 AI に注力し、その研究と応用を開始しており、その影響はますます大きくなっています。

ビッグモデルの能力が企業に真に利益をもたらすように、企業の AI 戦略をどのように調整するか。業界や企業に適したビッグモデルをどのように選択するか。企業自身の状況に基づいてビッグモデルをどのように展開するか。これらはすべて、CIO が懸念する重要なトピックです。

ジェネレーティブAIが従来のビジネスに破壊的変化をもたらす

生成 AI は、製品の開発方法を変え、ユーザー エクスペリエンスを最適化し、従業員の生産性を向上させ、さらには従来のビジネスを覆すこともあります。

製造会社の研究開発担当者は、Autodesk の Dreamcatcher プラットフォームを使用して、目標と制約に基づいて CAD 設計を直接生成し、3D プリンターに接続して物理的に配信できるため、研究開発とテストの効率が大幅に向上します。

スポーツ界では、IBMは2023年全米マスターズゴルフ選手権にAI生成解説という新たなデジタル体験を提供しました。同社の人工知能生成解説ソリューションは、競技期間中に2万本以上のビデオクリップに対して詳細かつプロフェッショナルなゴルフゲーム解説を制作しました。素晴らしいゲームクリップ＋プロフェッショナルなゲーム解説がユーザーに高品質な体験を提供します。

Amazon のリアルタイム AI プログラミング アシスタント (CodeWhisperer) は、自然言語を使用して、開発チームがコードを生成、実行、最適化できるように支援します。 Accenture の Velocity チームは、CodeWhisperer を活用して開発作業を 30% 削減しました。

ChatGPTの登場は教育サービス提供者の株価に大きな影響を与えました。アメリカのオンライン家庭教師教育会社であるCheggの株価はGPTの影響で50%下落しました。人工知能がテクノロジー業界に「逆襲」する兆候はすでに現れており、雇用市場も影響を受けるだろう。

ガートナーは今年4月、2,000社以上の企業を対象に調査を実施し、45%の企業が生成型AI技術に楽観的であり、AIへの投資を増やす予定であることを発見しました。

ガートナーは今年初め、300社以上の中国企業を調査し、比較的成熟したAI能力を持つ企業は「AIファースト」戦略を採用する傾向が強いことを発見した。中国企業の多くは、意思決定を中心にAI運用とAIエンジニアリングに注力し、AI技術を使って業務を支援し、業務の拡張性と回復力を高めている。大手 AI 企業の中には、コアビジネス シナリオを含むさまざまなビジネス領域で AI テクノロジーの活用を検討し始めているところもあります。

生成AI戦略第一

ガートナーは、AI ネイティブ エンタープライズの概念について言及しました。これは、企業の中核プロセスは AI なしでは適切に機能できないことを意味します。適応型学習、生成型学習、ネイティブ学習などの生成型 AI は、AI ネイティブ企業の理想を現実のものに変えています。ますます多くの企業が、デジタル変革の中核戦略に AI 戦略を取り入れています。

ガートナーのシニアリサーチディレクター、マイク・ファング氏は、AI戦略は企業自身のビジネスから切り離されれば無価値になると強調した。

したがって、CIOにとって、AI戦略を策定する最初のステップは、単に技術的な観点から革新するのではなく、ビジネス戦略と整合させることです。2番目のステップは、全体的なビジネスモデルと組み合わせてAIテクノロジーの優先焦点を決定することです。3番目のステップは、投資とリターンの観点からAIがビジネスを大幅に最適化できるかどうかを判断することです。同時に、企業がAI機能を通じて防御力を獲得できるか、または独自のデータを使用して差別化された競争力を生み出せるかを把握することも必要です。

ほとんどの中国企業は AI に多額の投資を行っており、比較的明確な AI 戦略を持っています。ジェネレーティブ AI の台頭後、ほとんどの企業は AI 戦略を再計画し、更新しました。ジェネレーティブ AI は間違いなく従業員の業務能力を向上させました。

AI 戦略を計画する際、CIO は次の 3 つの質問に重点を置く必要があります。

• 企業内で AI 戦略家をどのように育成するか?
• 短期間で生成 AI ツールを熟練して使用できるように従業員を再訓練するにはどうすればよいでしょうか?
• 将来、どのような組織構造が従業員に共有の意欲を抱かせ、さらに民主化を促すのでしょうか?

Gartner は、企業における生成 AI の 3 つの主な適用シナリオを挙げています。

1. アルゴリズムを既存のソリューションに統合します。 AIへの初期投資が継続的に役割を果たせることを保証した上で、生成AIのアルゴリズムを既存のインテリジェントソリューションに統合し、元のソリューションが認識できない意図を解決します。機能を更新および改善することで、ユーザーエクスペリエンスが向上し、製品の競争力が高まります。

2. ビジネスまたはプロセスのボトルネックを改善します。ビジネスのエンドツーエンドのプロセスを整理し、プロセス内のボトルネックを見つけ、生成 AI のアプリケーション ツールを使用して既存のボトルネックを打破し、全体的な機能を向上させる方法を検討します。

3. 人間と機械の関係を再構築する。業界全体の需要と供給の関係が変化すると、企業は人と機械の関係を再構築し、新たなバランスを見つける必要があります。

ガートナーの調査によると、世界的に見ると、70%の企業が20以上のAIユースケースを導入しており、企業が導入したAIユースケースの平均数は41、AIユースケースの平均寿命は3.5年となっている。中国では、86%の企業が5以上のAIユースケースを導入しており、企業が導入したAIユースケースの平均数は24、AIユースケースの平均寿命は2.8年となっている。

中国の法律や規制に違反するリスク、サプライヤーのリスク、データのプライバシーと機密性のリスク、知的財産権侵害のリスク、「幻覚」や偏った回答、ネットワーク セキュリティのリスク、従業員の適用範囲のリスクなど、生成 AI に関連するリスクを管理することも同様に重要です。ガートナーは、生成 AI テクノロジを使用する際には、テクノロジをより適切に実装できるように、CIO がビジネス チームとリスクを十分にコミュニケーションすることを推奨しています。法律の専門家が AI ユースケースの初期の構想に参加できれば、AI の成熟度は 3.8 倍に向上します。

人材面では、世界中の企業の70％以上がAI人材は問題ではないと回答しました。しかし、ほとんどの中国企業は、人材やサービスプロバイダーの不足が企業によるAI技術の導入に対する最大の障害であると述べており、中国企業の53％は、ビジネスに優れ、AI技術を理解している人材を見つけるのは難しいと答えています。中国企業にとって、専門的な分業チームを通じてAI技術の導入をいかに容易にするかは、企業が戦略的な観点から考えるべき重要な方向性である。企業内に分散された AI タスク フォースなどの混合ビジネス チームを使用すると、集中型の AI チームよりも高い AI 成熟度が達成されることは注目に値します。

生成型AIの能力が出現すると、APIに基づいて処理できる開発者やAIプロダクトマネージャーなど、企業には部門横断的な役割やスキルがさらに必要になります。これらは、企業が将来のAI人材確保において注意を払うべき重要な問題です。

適切な大型モデルを選択するにはどうすればよいでしょうか?

多種多様な大型モデルが存在する中で、適切な大型モデルをどのように選択するかは、ほとんどの企業にとっての懸念事項です。

ガートナーは、企業が大規模モデルを選択する際に以下の点に注意することを推奨しています。

1. 基本的な言語スキル。多方向対話の能力、生成されるテキストの品質、知識の範囲など。

2. 追加の言語スキル。たとえば、どのモデルがコードを記述できるか? どのモデルがより強力なロジックと推論機能を備えているか? 複数の言語をサポートしているか? データ分析機能を備えているか、などです。

3. プロンプトワードエンジニアリング。たとえば、モデルの思考の連鎖はどうなっているでしょうか? (プロンプトワードエンジニアリングと密接に統合されていますか?) 状況学習能力がありますか? 操作性は高いですか? (指示に従いますか?)

4. 難易度を微調整します。モデルを最適化または微調整する場合、企業の知識をモデルに注入することは可能ですか?

5. 非機能的要因推論速度、コスト、ローカル展開がサポートされているかどうかなど。また、その後モデルを反復的に最適化した場合、既存のアプリケーションを2度目の最適化することはできるのでしょうか？GPT-4.0ベースモデルは2024年に一般公開される予定と報じられています。同社のアプリケーション製品がGPT-3.0バージョンをベースに開発される場合、将来的に2次最適化を行うかどうかは、同社が検討すべき要素の一つです。

6. エコシステム。現在、多くのメーカーが、Microsoft Copilot などのパッケージソフトウェアだけでなく、アプリケーションシナリオに基づいた AI プラグインを開発しています。企業はモデルを選択する際に、そのモデルのエコシステムが使いやすいかどうか、ツールやシステム、プラグインとの統合が容易かどうか、長期的な協力が可能かどうかも考慮する必要があります。

企業がジェネレーティブ AI を導入する 5 つの方法

ガートナーのシニアディレクター（リサーチコンサルタント）である Zhang Tong 氏は、企業がビッグモデルを展開するための主な 5 つの方法を次のように分類しました。

1. アプリケーションに直接組み込まれた生成 AI を購入します。たとえば、Salesforce がリリースした GPT や XGen などのオープンソース AI モデルなどです。

2. 生成 AI の API インターフェースを直接呼び出します。企業のアプリケーション システムは、オープン ソース ビッグ モデルの API を直接呼び出して、インスタント ワード エンジニアリングのデータ検索と探索を実行できます。

3. 企業内の知識と生成 AI モデルを組み合わせる。つまり、企業のナレッジグラフの形成を含め、企業のデータコンテンツを準備し、大規模モデルの言語機能のみを使用して知識を出力します。

4. 生成AIモデルに基づいて微調整します。プロンプトワードエンジニアリングに基づいて、または直接に大規模モデルの基本モデルに基づいて、業界のドメイン知識と企業のデータコンテンツをモデルに与え、モデルが業界知識と企業知識を理解して学習し、企業が実際に使用できるようにします。

5. 独自のモデルをゼロから構築します。事前トレーニング、教師あり学習、強化学習を通じて、業界企業専用のモデルを 0 から 1 まで構築するには、コンピューティング能力、資本、人材への多額の投資が必要です。

大規模モデルをトレーニングするためのハードルは非常に高く、十分な予算、コンピューティング リソース、データが必要です。さらに、データ セキュリティも、企業が生成 AI を導入する際に考慮しなければならない要素です。自社構築モデルはデータ セキュリティ要素が高く、API の呼び出しには一定のデータ リスクが伴います。上記の 5 つの方法は、簡単なものから難しいものの順に並べられており、それぞれに長所と短所があります。企業は、独自のアプリケーション シナリオ、投資の強度、データ セキュリティ要件を総合的に考慮して、適切な展開方法を選択できます。

ビッグモデルの企業応用の核心は、企業の内部知識と外部知識を統合することです。内部知識と外部知識が統合されて初めて、ビッグモデルの価値が最大限に活用されます。

ビッグモデルアプリケーションにおける最も一般的な知識管理シナリオを例にとると、企業はインテリジェント検索に関連する知識グラフを確立し、社内の知識から各質問に対する回答を見つけ、質問と回答をまとめてビッグモデルに送信する必要があります。ビッグモデルの自然言語機能とナレッジグラフの知識構造機能により、より優れたヒューマン・コンピューター・インタラクション体験を実現し、正確な回答を得ることができます。

将来に向けて

現在、ほとんどの大規模モデルの基盤は継続的に更新することが困難です。ChatGPTを例にとると、そのトレーニングデータは2021年9月時点のものであり、企業にリアルタイムのデータサポートを提供するために迅速に更新することはできません。ビジネスが急速に変化する中、企業はハイブリッド モデル、ナレッジ グラフ、またはいくつかのルールを通じて、社内の知識を生成 AI に注入する必要があります。

ガートナーは、次世代の AI テクノロジーは適応型 AI へと進化すると予測しています。つまり、常に変化する複雑な環境において、データに基づいてモデルを自律的かつリアルタイムに更新できるようになり、AI シミュレーションや複数のエージェントの AI 強化学習を通じて、環境の変化をより迅速に認識し、ビジネス ニーズにより適した結果を出力する能力を持つようになるということです。