生成 AI はデジタル変革の優先事項にどのような影響を与えますか?

デジタル変革は組織の中核的な能力になる必要があり、これは CIO や IT リーダーにとって重要なアドバイスです。

戦略的優先事項は、2018 年の成長から、2020 年の COVID-19 パンデミックとリモートワーク、2022 年のハイブリッド ワーク モデルと財務上の制約まで、2 年未満ごとに大きく変化します。

生成 AI (ChatGPT やその他の大規模言語モデルを含む) の影響は、2024 年に大きな変革の原動力となるでしょう。

CIO が 2024 年の予算とデジタル トランスフォーメーションの優先事項の準備を始める際には、ビジネス モデルを改善する機会を特定し、短期的な運用上の影響を特定し、従業員が試行すべきプロジェクトを優先し、AI に関連するリスク軽減計画を策定するための戦略を策定することが重要です。

しかし、このような興奮と誇大宣伝により、従業員が機密データを漏洩する可能性のある AI ツールに時間を費やしたり、管理者がセキュリティ、データ ガバナンス、その他のベンダー コンプライアンスについて検証されていないシャドー AI ツールを選択したりすることが簡単に起こっています。より大きな課題は、現実的な戦略を策定し、「不可能を夢見る人々」に対応することです。ここでの「不可能を夢見る人」とは、一夜にして頂点に上り詰めたいビジネスリーダーであり、地獄レベルのビジネスエグゼクティブです。

「変革の優先事項は、基本的にビジネスの優先事項と組織が達成したいことと結びついている必要があります」と、タタ コンサルタンシー サービスの CIO であるアビジット マズムダー氏は述べています。「ほとんどの組織では、リーダーシップは成長と業務効率に等しく重点を置いていますが、回復力、サイバー セキュリティ、技術的負債の解消の取り組みも優先しています。」

ここでは、CIO がデジタル トランスフォーメーションの優先順位を設定する際に考慮する必要がある、生成 AI の推進要因をいくつか紹介します。

画期的な大規模言語モデル戦略の開発

生成 AI とビッグ言語が各業界にどのような影響を与えるか、例:

• 非構造化データから得たインテリジェンスを活用して創薬を加速
• 最前線の製造組立作業員が問題をより迅速かつ確実に解決できるようにします
• 医療提供者が患者に健康問題に対する個別のソリューションを提供できるようにする
• 顧客との会話に基づいて新しい保険、銀行、その他の金融サービス商品の開発を支援します
• 生徒の創造的思考、コラボレーション、問題解決能力を高める新しい方法を教師に提供することで教育を変革する

「今こそ、CIO と CTO が創造性を発揮して少ないリソースでより多くの成果を上げるだけでなく、自社の変革プロジェクトを遅らせたり中止したりする可能性のある競合他社に先んじるために慎重に投資すべき時です」と、SnapLogic の CTO である Jeremiah Stone 氏は述べています。「特に生成 AI によってもたらされる機会を考慮して、新しい収益源を創出し、テクノロジーの採用を促進し、技術的負債を削減する変革イニシアチブを優先してください。」

CIO は、この規模の変革プログラムは、大規模な言語モデルの機能を評価し、実験を実施し、最小限の実行可能で十分に安全な顧客製品を見つけることを必要とする、数年にわたる取り組みであることを認識しているかもしれません。しかし、戦略がまったくなければ混乱を招く可能性があり、IT リーダーが取締役会に参加する際に犯しがちな大きな間違いは、生成 AI のような世界を変える新興技術に対する計画を立てていないことです。

プライベートな大規模言語モデルのためのデータのクリーニングと準備

生成 AI により、学習管理システムに保存されているドキュメント、ビデオ、コンテンツなど、組織の非構造化データの重要性と価値が高まります。組織が生成 AI を活用して業界やビジネスを変革する準備ができていない場合でも、積極的な変革リーダーは、大規模な言語モデルで使用するために非構造化データを一元管理、クリーンアップ、準備するための措置を講じます。

「組織全体のユーザーが日常業務の一環として生成 AI 機能を求めているため、CIO、CTO、CDO が、増え続ける生成 AI モデルへの安全でスケーラブルなアクセスを可能にし、データ サイエンス チームが組織のデータとユース ケースに合わせた大規模な言語モデルを開発および実装できるようにすることが重要です」と、ドミノのデータ サイエンス戦略およびエバンジェリズムの責任者であるケル カールソン氏は述べています。

現在、ChatGPT に加えて 14 の大規模言語モデルがあります。大規模なデータセットがある場合は、Databricks Dolly、Meta Llama、OpenAI などのプラットフォームを使用して独自の大規模言語モデルをカスタマイズしたり、独自の大規模言語モデルをゼロから構築したりできます。

大規模な言語モデルをカスタマイズおよび開発するには、強力なビジネスケース、技術的な専門知識、および資金が必要です。 「大規模な言語モデルのトレーニングには莫大な費用がかかり、出力もまだ完璧ではないため、リーダーは使用コストの監視とクエリ結果の品質向上に役立つソリューションへの投資を優先すべきだ」と、New Relicの最高設計戦略責任者であるピーター・ペザリス氏は述べた。

顧客サポートを改善して効率を向上

マッキンゼーは2020年の早い段階で、人工知能が毎年1兆ドルの価値を生み出し、顧客サポートが重要な機会になる可能性があると予測していました。今日では、生成 AI のおかげで、特に CIO が非構造化データを大規模な言語モデルにプールし、サービス エージェントが顧客の質問に回答できるようにすることで、機会はさらに大きくなっています。

「GPT-4 と大規模言語モデルを活用して、特にタスクの自動化や大量の非構造化データの分析において、顧客サポートなどのアクティビティを最適化する機会を探してください」と SPR の上級副社長、ジャスティン・ローデンボステル氏は述べています。

顧客サポートを改善することは、大規模な言語モデルと AI 検索機能を通じて短期的な ROI を提供するための近道です。大規模な言語モデルでは、CRM、ファイル システム、その他の SaaS ツールに埋め込まれたデータを含む、企業の非構造化データを一元管理する必要があります。 IT 部門がこのデータを一元管理し、大規模な言語モデルを実装すると、営業リードの変換や HR オンボーディング プロセスなどの側面も改善される可能性があります。

「企業は数十年にわたって SharePoint やその他のシステムにデータを詰め込んできましたが、そのデータをクリーニングし、大規模な言語モデルを使用することで、実際に多くの価値を得ることができます」と GetK3 の社長兼 CEO である Gordon Allott 氏は述べています。

大規模言語モデルに関するコミュニケーションを通じてリスクを軽減する

生成 AI の分野には、テスト、画像、ビデオ、コード、音声などのカテゴリをカバーする 100 を超えるツールがあります。では、従業員がツールを試して、プロンプトに独自の情報やその他の機密情報を貼り付けることを妨げるものは何でしょうか?

「リーダーは、許容される使用ポリシーを調査して開発することにより、チームがこれらのツールを適切かつ承認された方法でのみ使用していることを確認する必要があります」とロデンボステル氏はアドバイスします。

CIO が CHRO および CISO と連携してポリシーを伝え、スマートな実験をサポートするガバナンス モデルを作成する必要がある領域が 3 つあります。まず、CIO は ChatGPT やその他の生成 AI がコーディングとソフトウェア開発にどのような影響を与えるかを評価する必要があります。 IT 部門は、どこでどのように実験するか、ツールや独自のデータ セットを使用しない場合はいつするかを明確にし、模範を示す必要があります。

次に注目すべきはマーケティング部門です。マーケティング担当者は、ChatGPT やその他の生成 AI をコンテンツ作成、リード生成、電子メール マーケティング、および 12 を超える一般的なマーケティング手法に活用できます。現在、11,000 を超えるマーケティング テクノロジー ソリューションが利用可能であるため、新しい大規模言語モデル機能を備えた SaaS をテストする際に、実験を行って不注意なミスを犯す機会が十分にあります。

大手組織の CIO は、新しい生成 AI ユースケースを導入し、方法を確認するプロセスを定義し、AI 実験の影響を一元管理するためのレジストリを作成しています。

意思決定プロセスと権限委譲を再評価する

考慮すべきもう 1 つの重要な領域は、生成 AI が意思決定プロセスと仕事の将来にどのような影響を与えるかということです。

過去 10 年間、多くの企業が、データへのアクセスを民主化し、より多くのビジネス プロフェッショナルにデータ サイエンスのトレーニングを行い、積極的なデータ ガバナンスの実践を浸透させることで、データ駆動型の組織になることを目指してきました。生成 AI によって新たな機能が実現し、リーダーはプロンプトを出して迅速に回答を得ることができますが、多くの LL.M. にとって、適時性、正確性、偏りが重要な懸念事項となっています。

「人間を AI の中心に据え、データの使用とモデルの説明可能性に関する強力なフレームワークを構築することで、これらのモデルの偏りを減らし、すべての AI 出力が倫理的で責任あるものとなるよう保証するのに大いに役立ちます」と、Appen のエンタープライズ ソリューション担当副社長 Erik Voight 氏は述べています。「現実には、重要な意思決定に関しては AI モデルは人間に取って代わることはできず、完全に AI に取って代わるのではなく、補完的なものとして利用されるべきです。」

CIO は、ガバナンスの定義、短期的な効率性の特定、長期的な変革の機会の追求など、生成 AI イニシアチブの優先順位付けに関してバランスの取れたアプローチを追求する必要があります。