現在、CIOは企業におけるGenAIの応用価値を慎重に検討している。

ほとんどの CIO は、自社のビジネスがテクノロジーのトレンドに追いつくために GenAI の検討を始めていますが、市場に出回っているテクノロジーがまだ理想的なレベルに達していないことに気付いた人も多くいます。 「GitHub Copilot と ChatGPT を 6 か月以上試した結果、GenAI の進化の速さに驚かされました」と、ミシュランのグローバル CIO である Yves Caseau 氏は語ります。しかし、現状では、GenAI は単なるツールボックスに過ぎません。

確かに、大規模言語モデル (LLM) と関連ツールの最新波をめぐっては多くの誇大宣伝が行われていますが、その喧騒の下には、このテクノロジーがいつか不可欠なものになるという噂があります。 「GenAIが成熟すれば、私たちが日常的に行っている作業の多くを同社が引き受けてくれるようになるので、私たちはイノベーションに集中できるようになります」とケースー氏は語った。

米国のリチウム大手アルベマール社の元最高情報・デジタル変革責任者であるパトリック・トンプソン氏を含む一部のテクノロジーリーダーは、GenAIが現代の最も破壊的なテクノロジーになるとさえ言っている。 「これは、消費者にとってアップルがiPhoneで成し遂げたことよりも大きな破壊力を持つだろう」とトンプソン氏は語った。企業ユーザーにとっては、マイクロソフトが従業員の生産性にもたらしたものを上回るものとなるだろう。

今、最大の問題は、その価値をいかに発見するかだ。

従来のAIの強化

GenAI は新しいものですが、AI は新しいものではありません。ミシュランやアルベマールを含む多くの企業における AI の最初の使用例の 1 つは、予測メンテナンスです。これは、最も基本的なレベルでは、センサーによって収集されたデータに基づいてトレーニングされたアルゴリズムです。トレーニングが完了すると、モデルは障害につながる要因を探し、オペレーターに警告を発し、オペレーターは生産の中断を防ぐことができます。

予知保全の基本設定の一般的な欠点は、まれなイベントがトレーニング データに適切に反映されていないことです。その結果、アルゴリズムは、まれではあるものの故障の兆候となる可能性のあるセンサー出力のパターンを完全に学習できない可能性があります。このギャップを埋めるために、多くの企業は実際のデータを合成データで補完しています。

AI は、サプライ チェーンの効率化、顧客とのやり取りの促進、従業員のオフィス業務の支援など、企業内の他の用途にも使用されています。アルベマールは、COVID-19パンデミック以降、AIを仮想アシスタントとして活用している。 「私たちが競争に先んじることができたのは、主に必要に迫られてのことでした」とトンプソン氏は言う。「パンデミックにより、7,000人の従業員に自宅からセルフサービスを提供する方法を見つける必要に迫られました。」

Albemarle が開発したセルフサービス チャットボットは、他の企業を支援するツールへと進化し、その後、共同ワークフローを管理する仮想パーソナル アシスタントへと進化し、従業員がすべてのシステムにログインすることなく、複数のシステムを同時に使用しやすくなりました。たとえば、従業員は自然言語を使用してロボットとコミュニケーションをとり、企業のビジネス システムと対話するだけで、ワークフローに参加したり問い合わせを行ったりすることができます。

GenAI はわずか数か月で、予測メンテナンスなどのアプリケーション向けに従来の AI を次のレベルに引き上げ始めました。 「やり取りがよりスムーズかつ即時的になるため、質問したり、機器の状態についてさまざまな情報を得たりすることができます」とトンプソン氏は語った。 「これを使用して、社内外の業界データを管理し、従来のアルゴリズムをトレーニングして即座に結果を得ることができます。」

さらに、GenAI は、従来の AI をまだ使用していない業界の企業に参入ポイントを提供します。金融などの業界では現在、同じプラットフォームを使用して最新の AI テクノロジーを実験しています。金融業界のほとんどの企業は、分析ツールを活用するために何年も前からデータ プラットフォームの開発を始めました。

「GenAI は、投資判断に役立てるために、市場や企業に関する公開データを分析するためにも使用できます」と、英米のグローバル資産運用グループ Janus Henderson のグローバル CIO、Janus Henderson 氏は述べています。「膨大な時間をかけて手作業でこのすべての情報を精査するのではなく、GenAI を使用して、公開されている情報を要約し、ノイズの中のどこにシグナルがあるのか​​を教えてくれ、調査すべき領域を提案してもらいたいと考えています。」

早期導入の課題とメリット

基盤となるテクノロジーの未熟さに加えて、企業が GenAI をさらに導入する前に克服する必要がある課題がいくつかあります。その最初の課題は、社内および従来のアプリケーションを販売するベンダーの両方におけるスキルの不足です。

社内の専門知識の不足は、すべての IT リーダーが行う必要がある構築か購入かの決定に影響を及ぼします。 「『買う』ことで、間違いなくより早くトレンドに追従できる」とヘンダーソン氏は言う。製品化や拡張、基盤となるインフラのサポート方法を考える必要はなく、価格も現在非常に安いため、調査作業を行うのも安価だ。

ベンダーは導入を促進するために価格を下げていますが、時間が経つにつれて、企業はモデルにさらに多くのデータを投入するようになり、ベンダーに縛られるようになり、特定の分野に特化したブランチを作成し始めます。たとえば、ChatGPT の一般的なバージョンを使用する代わりに、金融サービスなどの業界固有のバージョンを使用するようになります。

「異なるユースケースに合わせて異なるモデルをカスタマイズすると、複数のバージョンが同時に実行されることになり、サブスクリプション価格が上昇します」とヘンダーソン氏は述べた。「コストに応じてビジネスからの収益が増加すると予想しています。」投資プロセスに革命を起こす方法が見つかれば、その見返りはコストを上回るはずです。

短期的には、社内で構築するよりもクラウドベースのモデルに加入する方が安価であり、長期的にもおそらくそれは当てはまります。購入することのもう 1 つの利点は、トレーニングがより速く簡単になることですが、長期的には、自社の業界に合わせたモデルを必要とする企業や、AI をエッジに押し出してクラウドベースのサービスに接続されていないデバイスで推論を実行したい企業にとっては、社内で構築する方がよい選択肢となる可能性があります。

しかし現時点では、既存の AI モデルを構築または調整できる熟練したスタッフを抱える企業はほとんどなく、ほとんどの企業は優れたユーザーになるための専門知識さえ持っていません。購入したものを最大限に活用するには、まず企業データを整理してモデルをトレーニングし、次に推論フェーズで適切な方法で質問する必要があります。最も重要なのは、モデルを疑うべきタイミングを知る必要があるということです。

GenAI は、企業がデータから引き出す価値を高め、最終的にはビジネスの運営方法を変革する可能性が高い一方で、デジタルに精通した企業とデジタルに遅れをとっている企業との間の格差も拡大するでしょう。したがって、企業が構築を選択するか購入するかにかかわらず、社内にある程度の専門知識の開発を開始する必要があります。 「私たちはこの技術の使い方を改善するために正式なトレーニングを組織し始めています」とヘンダーソン氏は付け加えた。「私たちが最初にすることは、質問をすることです。」

スキル不足は、モデルの使用方法だけでなく、サードパーティ製品の品質にも影響します。最新バージョンのエンタープライズ アプリケーションを購入しようとしている CIO は、この主張を確認する必要があります。従来のアプリケーション ベンダーの間では、GenAI の統合方法についてまだ混乱があるためです。

「従来のテクノロジーベンダーは、GenAI を開発している企業と連携して、エンタープライズ ビジネス システムの価値を解き放つ仮想アシスタントを提供しています」と、複数のアプリケーション ベンダーの諮問委員会で委員を務めるトンプソン氏は語ります。「AI の価値を実現するには、セキュリティとデータ プライバシーをスピードとバランスさせる必要があります。」

現在 GenAI を実験している企業の多くは規模が大きく、新しいことを研究するリソースも持っていますが、このテクノロジーの使用は必ずしも大企業に限定されるわけではありません。

「ガバナンス、セキュリティ、データ取り込みを適切に行えば、GenAI は小規模企業を大規模企業に成長させ、競争力を高めるのに役立ちます」とトンプソン氏は述べました。「私の予想では、GenAI はビジネスにおける最も破壊的なイノベーションとなり、業界の最適化と統合を促進し、新しい業界パフォーマンス ベンチマークをもたらし、基準を引き上げ、株主価値を高めます。GenAI を採用しない企業は遅れをとるか、淘汰されるでしょう。」