ジェネレーティブ AI がデジタル変革の優先事項に与える影響

2024 年に向けて、CIO は生成型 AI の可能性とリスクを考慮してデジタル アジェンダを再構築する必要があります。 LLM の破壊的な可能性に対応する 5 つの方法を紹介します。

デジタル変革は組織の中核的な能力にならなければなりません。これは、CIO や IT リーダーに対する私の一番のアドバイスです。

基調講演や CIO とのディスカッションでは、2018 年の成長から 2020 年のパンデミックとリモート ワーク、2022 年のハイブリッド ワークと財務上の制約まで、戦略的優先事項は 2 年かそれ以下で大きく変わることを全員に思い出させています。

2024 年までに、ChatGPT やその他の大規模言語モデル (LLM) を含む生成 AI の影響が、大きな変革の原動力となるでしょう。

多くの 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を準備する中、ビジネス モデルを進化させる機会を探し、従業員が短期的な運用上の影響を実験すべき領域を優先し、AI に関連するリスク軽減計画を策定する戦略を策定することが不可欠です。

しかし、こうした興奮と誇大宣伝により、従業員が機密データを危険にさらす 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 コンプライアンス審査に合格していないシャドー 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。不可能を夢見る人は「非現実的な」ビジネスリーダーであり、地獄で出会うようなタイプの経営者です。

「変革の優先事項は、基本的にビジネスの優先事項や組織が達成しようとしている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、アビジット マズムダー氏は述べています。「ほとんどの企業では、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を優先することも忘れていません。」

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事項を策定する際に考慮すべき生成 AI の推進要因をいくつか紹介します。

ゲームを変えるLLM戦略の定義

最近、デジタルの先駆者たちとコーヒーを飲みながらのセッションを開催し、生成型 AI と LLM があらゆる業界にどのような影響を与えるかについて話し合いました。例として、生成 AI によって次のことが可能になります。

• 非構造化データからの追加インテリジェンスを活用して新薬発見を加速

• 最前線の製造・組立作業者が問題をより迅速かつ確実に解決できるようにする

• 医療提供者が患者の健康に関する質問に個別に回答できるようにする

• 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する

• 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 や CTO が、少ないリソースでより多くの成果を上げる方法を創意工夫するだけでなく、賢明な投資で競合他社に打ち勝つときです。競合他社は、変革プロジェクトを遅らせたり、中止したりする可能性があるからです」と、SnapLogic の CTO である Jeremiah Stone 氏は語ります。「特に生成型 AI の機会を検討する場合は、新しい収益源を創出し、テクノロジーを民主化し、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、LLM 機能の評価、実験の実施、そして、実行可能で十分に安全な顧客向けサービスの最小化を必要とする、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、戦略がないと混乱を招く可能性があり、IT リーダーが取締役会に出席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LLMのデータのクリーニングと準備

生成 AI 機能により、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 が業界やビジネスにどのような混乱をもたらすかを検討する準備ができていないとしても、積極的な変革リーダーは、LLM 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、CIO にとっての最優先事項は、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 ケースに合わせて微調整された LLM を開発および運用できるようにすることです」と Domino のデータ サイエンス戦略および推進責任者である Kjell Carlsson 氏は述べています。

ChatGPT 以外の LLM はすでに 14 個あります。大規模なデータセットがある場合は、Databricks Dolly、MetaLlama、OpenAI などのプラットフォームを使用して独自の LLM をカスタマイズするか、独自の LLM をゼロから構築することができます。

LLM をカスタマイズして開発するには、強力なビジネスケース、技術的な専門知識、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コストがかかり、出力はまだ完璧ではないため、リーダーは使用コストを監視し、クエリ結果の品質を向上させるソリューションへの投資を優先する必要があります」と、NewRelic の最高設計および戦略責任者である Peter Pezaris 氏は述べています。

顧客サポートの改善による効率の向上

マッキンゼーは2020年に、AIが年間1兆ドルの価値を生み出す可能性があり、顧客サポートが大きなチャンスになると推定しました。生成 AI の登場により、今日ではその機会はさらに大きくなっています。特に、CIO が LLM で非構造化データを一元管理し、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、その機会はさらに大きくなっています。

「GPT-4 と LLM 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など、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 のエグゼクティブ バイスプレジデントであるジャスティン 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、LLM と AI 検索機能から短期的な ROI を得るための迅速な方法です。 LLM 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、プライベート LLM を実装すると、営業リードの変換や HR オンボーディング プロセスの改善などの機会も生まれます。

「多くの企業が何十年もの間、SharePoint やその他のシステムにデータを詰め込んできました」と、GetK3 の社長兼 CEO である Gordon Allott 氏は言います。「それを整理し、LLM の学位を活用することは、非常に価値のあることです。」

LLMガバナンスモデルを伝えることでリスクを軽減する

生成 AI 分野には、テスト、画像、ビデオ、コード、音声、その他のカテゴリをカバーする 100 を超えるツールがあります。従業員がツールを試して、独自の情報やその他の機密情報をプロンプトに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承認された適切な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。

これら 3 つのセクターすべてにおいて、CIO は CTO や CIO と協力して戦略を伝え、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与える影響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、またツールや独自のデータセットを使用しない場合について、模範を示して主導する必要があります。

マーケティングは 2 番目に注力する領域であり、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使用できます。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 LLM 機能を備えた SaaS をテストする際には、実験したり、不注意なミスを犯したりする機会が数多くあります。

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

意思決定プロセスと権限を再評価する

考慮すべき重要な領域は、生成 AI が意思決定プロセスと仕事の未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市民データ 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、リーダーは迅速に回答を促して得ることができますが、適時性、正確性、偏りは多くの LLM が直面している重要な問題です。

「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軽減し、すべての AI 出力が倫理的かつ責任を持って実装されることが保証されます」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、AI モデルは重要な意思決定において人間に取って代わることはできず、これらのプロセスを完全に置き換えるのではなく、補完するために使用する必要があります。」

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。