GenAIの変革力は職場に知識をもたらします

GenAI は破壊的な力を持っていますが、どの程度破壊的なのでしょうか? 「大きなものになる」ことは誰もが知っていますが、どの程度の大きさになるかはよくわかりません。焦点は、GenAI が産業、市場、経済に与える破壊的な影響にあります。今日、あらゆる業界の企業が GenAI の価値を追求しており、この追求は最終的に業界、テクノロジーの優先順位、市場、労働力、政府を変革する時代の到来を告げています。私たちには2つの信念があります。

GenAI は知識の活性化コストをゼロにします。情報技術によってデータのコストはゼロになりましたが、データを使用して価値を生み出すには依然としてコストがかかります。 GenAI は、オンデマンドかつ非人間的な規模で情報を知識に抽出できるため、これらのコストを中心に構築された市場に混乱をもたらすでしょう。この破壊的な力から逃れられるビジネスはありません。自然言語は、コード生成、材料の発見 (化学だけで 5.7 兆ドル規模の産業)、建築およびエンジニアリング計画など、氷山の一角にすぎません。人間の知識やそれに依存する企業は、手の届かないところにあるわけではありません。これは消費者にも大きな影響を与えるでしょう。

GenAI は知識のループを閉じます。 GenAI は知識を拡大するという好循環を生み出し、それにより GenAI を推進するためにより多くの収集された知識に対する需要が高まります。簡単に言えば、企業が GenAI から得るものが大きいほど、企業は GenAI に傾倒し、より多くの知識を獲得するためにより多くの資金を投資し、あらゆる企業における GenAI の影響を加速させるサイクルを開始し、新しい価値提供チャネル、新しい産業、そして適応しない企業に対する大きな脅威を生み出します。 GPT-3 はこのエンジンを 1 年前にリリースしましたが、その勢いは加速するばかりで、今後は、周囲、離れた場所、そして上へと進むにつれて、次世代のプライベート ナレッジ モデルが強化されることになります。

しかし、これら 2 つの現実があらゆる業界に影響を及ぼしているからといって、この混乱がすべての企業に等しく影響を与えるというわけではありません。私たちは、その影響力は知識を活用してビジネス価値を創造することに基づくものだと信じています。例えば：

高度な専門知識を獲得した企業は、人間のノウハウが「左にシフト」するにつれて、拡大を通じて価値を創造します。まさにそれが、Forrester がクライアント向けの GenAI リサーチ ツールである Izola で行ったことです。お客様が当社のアナリストに相談するのは、彼らが長年の研究で培った深い専門知識を求めているからです。当社では、Izola を使用してこの知識を拡張し、クライアントが基礎を超えて当社のアナリストと連携し、直面しているより深刻な課題を解決できるようにしています。別の例では、サービス企業は GenAI が自社が提供する人間的価値を高める可能性を見出しています。同社は、大量の IT サービス管理およびエンタープライズ システム データを取り込んで抽出できるモデルを使用して、テクノロジー スタック全体の再構築をサポートするために GenAI の実験を行っています。高度に専門化された企業では、人間の「ノウハウ」が価値創造パイプラインの最初に集中し、GenAI によって知識がより自動化された方法で下流に配布されるようになると私は考えています。

大量のデータと反復可能なプロセスを持つ企業は、効率性を成長に変えます。大量のデータを伴う反復可能なプロセスに依存しているすべての企業がこれを感じていると思います。ソフトウェア開発において、コード生成 TuringBot はほんの始まりに過ぎません。将来的には、ほとんどの日常的なソフトウェアの開発において、人間がロボットを監督するようになるだろう。もう 1 つの例は、Google DeepMind の GNOME です。GNOME は 220 万種類の新しい物質の構造を予測しており、そのうち 700 種類が現在作成され、テストされています。競合他社がこのような機能を活用して効率を 1 桁以上向上させなければ、追いつくことはできないでしょう。リーダーはこれらの節約を活用し、人材を新たな価値の創出に再利用します。

新しいソフトウェアおよびサービスの競合企業は、知識の獲得と独自の配信モデルを活用するでしょう。知識サイクルを中心に新しいサービスを構築する機会は非常に大きいです。 GenAI モデルは不完全なデータを処理できますが、特定のユースケースに合わせて多くのモデルを調整する必要があります。サプライヤーとパートナーがお手伝いします。グラフ データベースの重要性は高まりますが、データのデジタル化とリンクは容易ではありません。たとえば、ライフ サイエンスの医療研究情報を取得してリンクするビジネスは事実上未開拓であり、可能性の規模を拡大するには新しいアイデア、ベンチャー キャピタル、技術革新が必要です。