ジェネレーティブAIはCIOにとって成否を分ける瞬間

IT リーダーは、まずユースケースに合わせて戦略を最適化し、次世代 AI の可能性と落とし穴を実用的かつ技術的に検討する必要があります。

生成 AI における新たなビジネス展開がメディアに登場しない日はほとんどありません。実際、マッキンゼーの調査では、新世代の AI によって顧客サポートの生産性が 40%、ソフトウェア エンジニアリングの生産性が 20% ～ 30%、マーケティングの生産性が 10% 向上すると予想されており、将来は本当に素晴らしいものになる可能性があると示唆されています。

それでも、企業が一連の時期尚早な実験やパイロットを通じて刺激的な新技術に飛び込んでいくという、このようなことが以前にも起こったことを思い出す価値はある。 AIに関しては、CIO と CTO がこれらの落とし穴を回避する上で重要な役割を果たします。実用的な技術的観点から、次世代の AI がいつどこで最大の価値を提供できるか、またどこでそれが最善の選択肢ではないかを特定できます。

そのためには、汎用 AI のユニットエコノミクス、そのメリットを享受するために必要なリソース、既存の機能を考慮して作業を実行する実現可能性を深く理解した上でユースケースを開発する必要があります。 AI がビジネスの加速器や破壊要因として認識されるようになるにつれ、この複雑な方程式は CIO が正しく理解しなければならない課題となっています。

GenAI アーキタイプ: アクセプター、シェイパー、クリエーター

企業における AI の最善の戦略を決定する際に CIO が直面する重要な問題は、さまざまなユースケースに合わせて AI 機能をレンタルするか、購入するか、構築するかということです。基本的な原則は、独自の優位性がある場合にのみ、独自の世代 AI 機能の作成に投資することです。次の 3 つの原型について考えると役立つと思います。

受信者は、チャット インターフェイスまたは API を使用して、公開されているモデルを通じて商品サービスに迅速にアクセスします。例としては、コードを生成するための既成ソリューションである GitHub Copilot や、デザイナーが画像を生成および編集するのに役立つ Adob​​e Firefly などがあります。このプロトタイプは、エンジニアリングとインフラストラクチャの要件の点で最もシンプルで、通常は起動して実行するのが最速です。独自のデータの統合は許可されず、プライバシーと知的財産の保護は最小限に抑えられます。新世代の AI サービスにアクセスするだけであれば、テクノロジー スタックの変更は最小限に抑えられますが、CIO はテクノロジー アーキテクチャに大幅な調整を加え、データ アーキテクチャをアップグレードする準備が必要です。

シェイパーは独自の機能を開発したいと考えており、より高いセキュリティやコンプライアンスのニーズを持っています。より明確なユースケースでは、CIO は既存の世代別 AI モデルを社内データやシステムと統合し、シームレスに連携してカスタマイズされた結果を生成する必要があります。一例として、次世代 AI ツールを CRM および財務システムに接続し、顧客の過去の販売履歴やエンゲージメント履歴を組み込むことで、販売取引をサポートするモデルが挙げられます。

Shaper には 2 つの一般的な方法があります。 1 つは、「モデルをデータに持ち込む」ことです。つまり、オンプレミスまたはクラウド環境のいずれかの組織のインフラストラクチャ上でモデルをホストします。もう 1 つは、「データをモデルに持ち込む」ことです。つまり、組織がハイパースケーラーを介して大規模モデル自体のコピーをクラウド インフラストラクチャに配置することです。いずれの場合でも、CIO は次世代 AI モデルを社内データ ソースに接続するためのパイプラインを開発する必要があります。内部データを使用してモデルをトレーニングすると、モデルの予測精度が向上し、企業のニーズにさらに適合できるようになります。企業は、顧客サービス担当者との会話など、やり取りに関するより多くの情報を保存し、大量のデータを継続的に使用して、次世代の AI システムを効果的にする必要があります。

メーカーは基本モデルをゼロから構築します。これはコストがかかり複雑で、大量のデータ、社内の AI 専門知識、計算能力が必要になります。モデルの構築とスタッフのトレーニングには、トレーニング インフラストラクチャの選択、モデル パラメーター、モデル アーキテクチャなどの要因に応じて、500 万ドルから始まり、数億ドルに達することもある大規模な 1 回限りの投資が必要です。これはコストと複雑さのため、最も一般的ではないプロトタイプになります。

genAI戦略を正しく実行する

一般的な AI ユースケースを実験するのは比較的簡単ですが、価値を引き出す方法でそれらを拡張するのはより困難です。適切な社内組織がなければ、最も有望な AI プロジェクトでさえ失敗する可能性があります。新世代の AI 機能を活用するには、ビジネス プロセスとワークフローを再設計し、ユーザーを再トレーニングする必要があります。エンタープライズ テクノロジー アーキテクチャをアップグレードして生成 AI モデルを統合および管理することは、既存の AI および機械学習 (ML) モデル、アプリケーション、データ ソースとの動作を調整する上でも重要です。

CIO の最初のステップは、AI 機能を一元化して活動を調整し、専門知識を構築し、優先イニシアチブに機能を割り当てることです。チームにはデータ エンジニア、MLOps エンジニア、リスクおよび法律の専門家が含まれており、最初のいくつかのユース ケース向けに汎用 AI を共同で構築することを目標としています。次世代の AI モデルを社内システム、エンタープライズ アプリケーション、ツールに接続することに重点を置く必要があります。テクノロジー スタック レベルで構造化された作業を実行することによってのみ、企業はいくつかの孤立したユース ケースの開発からそれらを産業化へと移行し、それによって大きな価値を引き出すことができます。原則としては、製品チームとアプリケーション チームが使用するための基盤となるプラットフォーム サービスとして、次世代の AI を管理および展開することです。

最良のシナリオでは、組織が AGI の取り組みを開始する時点で、上記のすべてが整うことになります。このような理想的な条件がない場合でも、CIO は優先順位をつけた一連のユースケース用のプラットフォームの開発を開始し、学習しながら適応および追加していく必要があります。

人工知能を取り巻く話題は、それが私たちが知っているビジネスを変える可能性を秘めているというものです。しかし、潜在的可能性は確実ではなく、実現可能でもありません。 CIO と CTO は、組織が戦略的な意図と焦点を持って実行し、終わりのない高額なパイロットの地獄に陥らないようにするために最前線に立つことになります。