生成型AIの誇大宣伝の中、CIOは慎重に進めることを選択しているが、まだ完全にコミットしていない

ほとんどの CIO は、最新の情報を把握するために生成 AI の調査を開始していますが、市場に出回っているテクノロジーがまだ期待に応えていないことに気づいている人が多くいます。 「GitHub Copilot と ChatGPT を 6 か月以上試してみて、生成 AI がいかに急速に進歩したかに驚かされましたが、現状では単なるツールボックスに過ぎません」と、ミシュランのグローバル CIO である Yves Caseau 氏は述べています。

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隠れています。 「生成AIが成熟すれば、私たちの日常的な作業の多くをこなせるようになる。そうすれば私たちは新しいことに集中できるようになる」とカソー氏​​は語った。

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、生成型 AI が私たちの生涯で最も破壊的なテクノロジーになるとさえ言っています。 「これは消費者にとって、アップルがiPhoneでこれまでに成し遂げた以上の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、従業員の生産性という点でマイクロソフトが成し遂げたことを上回ることになるだろう。」

しかし、大きな問題は、今それに対して何をすべきかということです。

従来のAIの強化

生成 AI は新しいものですが、AI 自体は新しいものではありません。予知保全は、ミシュランやアルベマールを含む多くの企業で使用されている AI の最初のユースケースの 1 つであり、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指標を探し、オペレーターに警告を発します。オペレーターは、生産停止などの障害を防ぐことができます。

予測メンテナンスの基本的な設定における一般的な欠点は、トレーニング データ内のまれなイベントが十分に表現されていないことです。その結果、アルゴリズムは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、これはまれではありますが、障害を示している可能性があります。このギャップを埋めるために、多くの企業が実際のデータに合成データを補足しています。

AI は、サプライ チェーンの効率性の向上、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、ビジネスでもさまざまな用途に使用できます。アルベマールは、感染拡大が始まって以来、AI仮想アシスタントを活用している。 「当社は他社より少し先を進んでいます。主な理由は、パンデミックの影響で、在宅勤務中の7,000人の従業員にセルフサービスを提供する方法を見つけざるを得なかったためです」とトンプソン氏は語った。

Albemarle が開発したセルフサービス チャットボットは、徐々に他の企業機能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することが容易になりました。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するだけでワークフローに参加したり問い合わせたりすることができ、ロボットは企業の業務システムと対話します。

しかし、わずか数か月で、生成 AI は予測保守などのアプリケーションにおいて従来の AI を新たなレベルに引き上げ始めました。 「やり取りがより会話的になり、質問したり、機器の状態についてさまざまな洞察を得たりできるようになります。また、内部および外部の業界データをキュレートするために使用でき、それを使用して従来のアルゴリズムをトレーニングし、俊敏な結果を提供できるようになります。」

さらに、生成 AI は、従来の AI をまだ使用していない業界の企業にとっての参入ポイントとなります。金融などの業界では、ほとんどの企業が何年も前に分析ツールと連携するデータ プラットフォームの開発を開始し、現在では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。

「ジェネレーティブ AI は、市場や企業に関する公開データを解析して投資判断に役立てることもできます」と、英米系グローバル資産運用グループ Janus Henderson のグローバル CIO、クリス・ヘリングショー氏は語ります。「膨大な時間をかけて手作業で情報を調べるのではなく、ジェネレーティブ AI を使用して情報を要約し、ノイズの中のどこにシグナルがあるのか​​を教えて、関心のある分野に関する推奨事項を作成し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、企業が生成 AI をさらに導入するために克服する必要がある障害がいくつかあります。最初の課題は、企業内および従来のアプリケーションを販売するベンダー間のスキル不足です。

社内の専門知識の不足は、すべての IT リーダーの構築か購入かの決定に影響します。 「『購入』を選択すると、製品化や拡張、基盤となるインフラストラクチャのサポート方法を考える必要がないため、確実に早く立ち上げて実行できます」とヘリングショー氏は言う。「現在価格が非常に低いため、調査作業を行うのは非常に安価です。」

サプライヤーは導入を促進するために価格を引き下げています。しかし、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入力するようになり、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るでしょう。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特定の業界向け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用意すると、複数のバージョンを同時に実行することになり、サブスクリプション価格が倍増します」とヘリングショー氏は言う。「コストが上昇するにつれて収益も増加することを望んでいます。投資プロセスに革命を起こす方法が本当に見つかれば、収益はコストを上回るはずです。」

短期的には、クラウドベースのモデルに加入する方が社内で構築するよりも安価であり、長期的にはそれが正しい選択である可能性もあります。外部購入のもう 1 つの利点は、導入をより迅速かつ容易にできることです。しかし、長期的には、業界に合わせてカスタマイズされたモデルを必要としている組織や、AI をエッジにプッシュして接続されていないデバイスで推論を実行したい組織にとっては、クラウド サービスよりも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、現状では、AI モデルを構築したり、既存のモデルを調整したりできる経験豊富なスタッフを抱える企業はほとんどありません。ほとんどの企業には、優れたユーザーになるための専門知識すらありません。購入から最大限の成果を得るには、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質問をし、そして最も重要なのは、モデルに質問するタイミングを知ることです。

生成 AI 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を秘めていますが、同時にデジタルリーダーとデジタル後進国との間の格差も拡大するでしょう。したがって、組織が自社構築を選択するか、外部から購入するかにかかわらず、一定レベルの社内専門知識の開発を開始する必要があります。 「私たちはテクノロジーの使い方を改善するために正式なトレーニングを始めましたが、まず改善したいと思ったのは質問することでした」とヘリングショー氏は語った。

スキル不足は、モデルの使用方法だけでなく、AI アルゴリズムが含まれていると主張するサードパーティ製品の品質にも影響します。エンタープライズ アプリケーションの最新バージョンを購入する CIO は、この主張を検証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、生成 AI を統合する方法について依然として混乱があるためです。

「従来のテクノロジーベンダーは、ジェネレーティブ AI を開発している企業と協力して仮想アシスタントを提供し、エンタープライズビジネスシステムの価値を解き放つため、セキュリティ、データプライバシー、ジェネレーティブ AI が約束した価値を実現できるスピードの間でバランスを取る必要があります」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。

現在、生成 AI を実験している組織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備えていますが、このテクノロジーの使用は大企業に限定されません。

「ガバナンス、セキュリティ、データ アクセスを適切に行えば、ジェネレーティブ AI は、小規模企業から大規模企業、さらにはスリムな企業へと成長するのに役立ちます」とトンプソン氏は語ります。「ジェネレーティブ AI 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、さまざまな業界を統合、最適化、統合して、新しい業界パフォーマンス ベンチマークを生み出し、基準を引き上げ、株主価値を高めるのに役立つと私は予測しています。ジェネレーティブ AI を採用しない企業は取り残されるでしょう。」