2024 年のビッグデータ業界予測 (パート 4)

生成 AI は、すぐに過大な期待のピークから幻滅の谷間へと移行するでしょう。控えめに言っても、現在、生成 AI に関する話題は大いに盛り上がっています。しかし、こうした誇大宣伝は、一部の組織にとって、このテクノロジーを採用することは、組織が解決しようとしている特定の問題に対する最善のソリューションであるという理由よりも、「競合他社に遅れを取らない」ためであるということを意味します。その結果、失敗した生成 AI プロジェクトに多額の資金が投資され、幻滅の谷に陥る可能性が高くなります。これは輝かしい新製品であり、多くの CIO やその他の上級リーダーは、すでに生成 AI プログラムを導入しているため、ストレスを感じるかもしれません。こうしたプロジェクトの失敗を抑える鍵は、組織が生成 AI を使用する具体的な理由を理解し、それが定義されたビジネス成果に結びついていること、そして投資の成功を測定する方法が確立されていることを確認することです。 –Syniti CTO 兼 VP、レックス・アルストロム氏

ジェネレーティブ AI は、社内の議題をコントロールしようと幹部が争う中で、対立を引き起こすでしょう。幹部のほぼ半数が、ジェネレーティブ AI のトレンドに追いつくために来年 AI 投資を増やすと述べており、70% がすでにジェネレーティブ AI の調査モードにあります。現在、組織は企業内での AI 導入を強化しており、すべての経営幹部は、企業の AI 導入をリードする立場になりたいと考えています。 2024 年までに、CTO から CIO、データ分析担当役員に至るまで、より多くのプレーヤーが AI 分野に参入して主導権を握ろうとするようになるにつれ、AI の課題はさらに複雑になるでしょう。経営幹部は、AI を活用する機会がどこにあるのかを判断し、各部門とどのような話し合いを行って、誰が AI を主導するかを決定する必要があります。同時に、CIO は CEO から生成 AI の利用を拡大するよう圧力を受けています。 2024 年、戦いが続く中、CIO は探索的な AI 実験やプロジェクトを継続的に推進していくでしょう。 –AnswerRocket CEO、アロン・ゴレン氏

小さくて特化された大規模な言語モデルは、大規模で汎用的なモデルに勝ります。 「ビッグデータ」の時代に見られるように、大きいほど良いのです。モデルが「勝つ」かどうかは、パラメータの数ではなく、ドメイン固有のタスクでどれだけ効果的か、どれだけ効率的かによって決まります。企業は、すべてを管理する 1 つまたは 2 つの大規模なモデルを持つのではなく、特定のタスクに合わせて微調整され、計算コストを削減してパフォーマンスを向上させるためにサイズが最小化された、焦点を絞ったモデルの独自のポートフォリオを持つことになります。 –ニック・エルプリン、Domino Data Lab 共同創設者兼 CEO

生成 AI は構造化された企業データに重点​​を移します。企業は、構造化されたデジタル データから洞察を抽出するために生成 AI の使用を採用し、画像、ビデオ、テキスト、オーディオからオリジナル コンテンツを生成するという生成 AI の従来のアプリケーションを強化します。生成 AI はデータ分析の自動化を継続し、特にセンサーやマシン データの使用例において、パターン、異常、傾向の迅速な識別を合理化します。この自動化により予測分析が強化され、企業は変化する状況に積極的に対応し、業務を最適化し、顧客体験を向上させることができます。 –キネティカのCEO兼共同創設者、ニマ・ネガバン氏

AI を活用した人間品質の翻訳により、生産性が 10 倍以上向上します。2023 年初頭には、LLM だけで人間品質の翻訳を実現できるようになると誰もが考えています。今年、私たちは、幻覚から英語以外の言語での表現の不備に至るまで、LLM 翻訳における複数のギャップを特定しました。クラウド ストレージやサービスと同様に、AI 品質の翻訳のコストはますます高くなり、ほとんどすべての翻訳の ROI が魅力的になり、AI を使用してグローバル市場に参入する企業に競争上の優位性が生まれます。言語サービス業界は 2024 年までに縮小するという一般的な考えに反して、より多くのコンテンツが低コストでローカライズされるにつれて、業界は成長するでしょう。 2024年は翻訳コストが急落する年となるでしょう。言語 AI と AI 駆動型言語品質保証を搭載した翻訳者は、生産性が 10 倍以上向上します。 –ブライアン・マーフィー、スマートリング CEO

2023 年に人工知能 (AI) が登場し、その無限の可能性が期待されているという大騒ぎにもかかわらず、医療の分野では、臨床上の推奨事項や洞察を提供する上で、規範的な大規模言語モデル (LLM) ベースのソリューションの限界がすでに見え始めています。 2024年までに、臨床医がAIをより高度に活用するにつれて、臨床医はLLMベースのソリューションからの処方箋的な推奨を受け入れることで生じる潜在的なリスクを軽減する方法を模索し、証拠に基づいた説明可能な推奨を提供する責任あるAIソリューションを選択するようになると予想されます。責任ある AI に焦点が移るにつれ、革新的な AI テクノロジーを組織の臨床ワークフローに取り入れたいと考えている医療リーダーは、これらのツールがどのように機能するかを理解する必要があります。認可された LLM に依存するソリューションは、個人に特に重点を置かずに何百万ものデータ ポイントに基づいているため、個々の患者ケアに合わせた推奨事項を提供することができません。これらのソリューションの「ブラックボックス」的な性質には、個別の配慮と「説明可能性」が欠けており、臨床医が意思決定において最終決定権を持つ必要性が強調されます。その結果、2024 年には自然な分岐が起こると予想されます。つまり、臨床アドバイスを提供する既存のソリューションは、ますますアドホック データに基づくようになり、AI によって生成された洞察の証拠を提供するようになるでしょう。対照的に、臨床医が文書や診療概要を書くのをサポートするように設計されたソリューションは、自然言語生成に大きく依存しており、汎用 LLM の使用から恩恵を受けるでしょう。 – NavinaのCEO兼共同創設者、ロネン・ラヴィ

AI と LLM の人気が高まる一方で、潜在的な危険性も増大しています。2023 年に AI と LLM が急速に普及したことで、ビジネス環境は革新と効率を特徴とする大きな変革を遂げました。しかし、この急速な増加により、機密データの使用と保護に関する懸念も高まっています。残念ながら、初期の兆候では、来年はデータセキュリティに関する懸念がさらに高まると予想されています。効果的に促された場合、LLM はトレーニング データから貴重な洞察を抽出することに優れていますが、これには最新のテクノロジ ソリューションを必要とする一連の独自の課題が伴います。 AI と LLM の使用は 2024 年まで増加し続けるため、潜在的なメリットとリスクを軽減し、責任ある使用を確保する必要性とのバランスを取ることが重要になります。 AI がアクセスするデータに対して厳格なデータ保護が実施されていない場合、データ侵害のリスクが高まり、金銭的損失、規制上の罰金、組織の評判への重大な損害につながる可能性があります。また、組織内には内部脅威という危険なリスクもあります。信頼できる担当者が AI や LLM ツールを利用して不正なデータ共有を行う可能性があり、悪意の有無にかかわらず、知的財産の盗難、企業スパイ、組織の評判の失墜につながる可能性があります。今後 1 年間、組織は、データ分類、アクセス制御、匿名化、頻繁な監査と監視、規制遵守、一貫した従業員トレーニングを含む包括的なデータ ガバナンス フレームワークを実装することで、これらの課題に対処することになります。さらに、SaaS ベースのデータ ガバナンスおよびデータ セキュリティ ソリューションは、組織が既存のフレームワークにデータを支障なく統合できるようにすることで、データ保護において重要な役割を果たします。 –ALTR CEO ジェームス・ビーチャム

生成 AI と大規模言語モデル (LLM) に関する誇大宣伝は薄れ始めます。GenAI が大きな進歩であることは間違いありませんが、実際に何が可能であるかを過大評価している人は多くいます。生成されたテキスト、画像、サウンドは、あたかも慎重な思考と人間のような正確さへの欲求をもって作成されたかのように非常にリアルに見えますが、実際には、統計的に関連する単語や画像がうまくまとまった集合体にすぎません。しかし、実際には、それはまったく正確ではないかもしれません。幸いなことに、エンドユーザーが AI の長所と限界をすべて十分に考慮すれば、AI の実際の出力は非常に役立つ可能性があります。 –ライアン・ウェルシュ、Kyndiの創設者兼CEO

したがって、2024 年までに、組織は GenAI と LLM がビジネスにもたらすことができる真の限界と利点について現実的に検討し、この評価の結果に基づいてこれらのテクノロジーの戦略と採用を再調整することになります。ベンダーは、AI で作成されたものに対して適切な懐疑心を持つべきエンド ユーザーに対して、これらの利点と制限を明確にする必要があります。正確性、説明可能性、セキュリティ、総コストなどの重要な要素を考慮する必要があります。来年、GenAI の分野は企業にとって新たなパラダイムをもたらします。企業は、特定のユースケースを解決するために、少数の GenAI ベースのアプリケーションを本番環境に導入するだけで済みます。

ベクター データベース: 新しいアプリケーションが AI を使用してゼロから構築され、LLM が既存のアプリケーションに統合されるにつれて、これまでのアプリケーション データベースと同様に、ベクター データベースはテクノロジー スタックにおいてますます重要な役割を果たすようになります。チームが新しい LLM 対応機能を備えた AI 製品を作成しようとする場合、スケーラブルで使いやすく、操作が簡単なベクター データ ストアが必要になります。 –タイムスケール社ゼネラルマネージャー、アヴタール・セウラサン氏

LLM プロバイダー間の競争: 大規模言語モデル (LLM) を取り巻く環境は激化しています。 OpenAI とその GPT-4 Turbo がリードしていますが、Anthropic の Claude、Google の Gemini、Meta の Llama などもそれに続いています。 OpenAI の最近の経営混乱、特にサム・アルトマンの混乱は、これらの競合他社に、いくつかの分野で OpenAI を上回る可能性がある機会を与えています。 –BlastPoint, Inc. 共同創設者兼 CTO、Tomer Borenstein 氏

組織が特効薬がないことに気付いたとき、生成 AI は幻滅の谷に達するでしょう。 2024 年も生成 AI の使用が爆発的に増加し続けることは間違いありません。ただし、生成 AI のメリットがどれだけ早く実現できるかについて非現実的な期待を抱いている場合や、生成 AI を効果的に実装して使用するための専門知識がない場合、多くの組織は生成 AI のパフォーマンスに失望する可能性があります。 2024 年までに、生成 AI に対する幻滅の谷が訪れると予想されます。これは、生成 AI が失敗したということではありません。これは単に、生成 AI ソリューションでは望ましい結果を達成するのに時間がかかることを意味します。 –コーディ・コーネル、スイムレーン共同創設者兼最高戦略責任者

ベクター データベースへの関心は高まりますが、それは長続きしません。ベクター データベースは、多くの人が議論するホットな新分野になりますが、数年後にはリレーショナル データベースに吸収されるでしょう。およそ 10 年ごとに、「新しい」データベース テクノロジがリレーショナル データベースの終焉として予告され、開発者は時流に乗って、リレーショナル モデルが非常に柔軟であり、リレーショナル データベース ベンダーが新しいテクノロジを自社の製品に簡単に組み込むことができることを再発見することになります。 PostgreSQL の pgVector を例に、リレーショナル データベースが現在どのようにベクター データを処理するか、また専用のベクター データベースに関する誇大宣伝を無視できる理由を学びます。 pgVector と PostgreSQL は、ベクター データに関するこのユース ケースを迅速にサポートできます。このプロジェクトは 2021 年に開始されましたが、生成 AI とベクター データへの関心の高まりにより、今年は急速に成長しました。 pgVector により、この分野を検討し、プロジェクトにオープンソース コンポーネントを実装しようと考えている人にとって、PostgreSQL が当然の選択肢になります。 –Dave Stokes、Percona テクニカル スタッフ

企業は、従業員のための生成 AI を保護するための投資と全体的な AI 投資を加速しています。テクノロジーへの投資は増加しており、オフィス スペースへの投資を上回っています。人工知能は、おそらく今日のあらゆる分野の中で最も大きな成長の可能性を秘めていますが、同時に最も大きなリスクも伴います。企業は、AI のリスク要因を積極的に軽減し、対処しながら、AI のメリットを享受するために投資することになります。職場で生成 AI が活用されるようになると、雇用主は、特に企業情報を「未知の」リスク要因から保護することに関して、ガイドライン、リスク軽減テクノロジー、およびパラメータに投資するようになります。 2023 年のマッキンゼーのレポートによると、AI を導入していると報告している企業の 60% が生成 AI を使用しています。 WalkMe は、クラウドとインターネットの導入が進むにつれて、この数は増加し続けると考えています。同じレポートでは、生成 AI の 2 つの最大のリスクは不正確さとサイバーセキュリティであると指摘されています。こうした問題は今後さらに拡大すると予想されますが、テクノロジーが進歩するにつれて、企業がリスクに対処する能力も向上するでしょう。 –ウォークミーCTO、ウジ・ドヴィル氏

より多くの組織が生成 AI に関与し始めており、機械学習への投資をより広範囲に増やしています。クラウド プラットフォーム上で機械学習ジョブを実行したいプラットフォーム チームには、運用上の課題が数多くあります。 MLOps は現在注目の話題ですが、まだ導入の初期段階にあります。より多くの組織が ML インフラストラクチャを成熟させるにつれて、この分野での進歩が見られるでしょう。 –Tadeusz シニアプロダクトマネージャー、Malavika Balachandran 氏

LLM はアクセシビリティを向上させるために小規模モデルに移行しています。LLM の汎用性は優れていますが、開発、適応、使用には大量のコンピューティングとストレージが必要になるため、大多数の組織にとってコストがかかりすぎる可能性があります。豊富なリソースを持つ企業だけが、これらのリソースを獲得する能力を持っています。より経済的に実現可能にするための道筋を見つける必要があるため、その使用を分散化し民主化するソリューションが登場することが期待されます。より焦点を絞った、より小型で低消費電力のモデルが、より幅広いユーザーにとってより利用しやすくなることが予想されます。これらの集中モデルは、LLM がしばしば患う幻覚の影響も受けにくくなるはずです。 –エアロスパイク主任科学者、ナレン・ナレンドラン氏

データ所有権に関する議論は激化する: 大規模言語モデル (LLM) がより強力かつ複雑になるにつれて、データ所有権に関する議論も激化します。オープンソース コードで見られたのと同様に、大企業が所有していないデータを使用してモデルをトレーニングする方法についての議論が続いており、その結果、少数の大企業に権力が集中する可能性があります。これに対処するために、新しいデータ ライセンス フレームワークが導入されることになります。これらのフレームワークは、データ所有者がデータの使用に対して公正な報酬を受け取り、ユーザーが責任を持って倫理的にデータにアクセスして使用できることを保証する必要があります。 –ボブ・フライデー、ジュニパーネットワークス最高 AI 責任者

AI チャットボットに投資するかどうか: Z 世代は、特にカスタマー サービス リクエストの場合、電話で人と話すよりもデジタル形式のコミュニケーションを求めることが多いことがわかっています。注目すべきは、このグループはメディアとテクノロジーが、つながり、エンゲージメント、有用性をサポートする共生関係を形成することを期待しているということです。彼らは良い顧客体験を見ればそれを認識し、そうでないものは避けます。組織は、ユーザーがアプリをより長く利用し続け、Z 世代のユーザーのアクティビティを増やすために、生成 AI 機能に投資しています。これは正しい行動であり、正しく実行すれば大きな影響を与えることができます。組織は、単に優れたチャットボットを作成するだけでは成功しません。なぜなら、Z 世代は本物のつながりと有用性を切望しており、それを再現するのは難しいからです。チャットボットがユーザーに新しい体験、推奨事項、その他の便利なサービスを提供できる場合、特定のアプリやブランドの Web サイトでのアクティビティが増加する可能性があります。そうは言っても、ユーザーは GenAI ボットに対して懐疑的かつ慎重である可能性が高く、組織はチャットボットの安全性と価値を高めるために段階的な成果を示す必要があります。 –Robin Gomez、カスタマーサービスイノベーションディレクター、Radial

2023 年は生成 AI にとって飛躍の年になると見込まれていますが、サプライ チェーン業界ではデータの障壁により導入が遅れており、サプライ チェーン管理に生成 AI を使用していると報告している組織はわずか 3% です。手作業による紙ベースのプロセスが依然として世界貿易の主流となっているため、多くのサプライチェーン企業は、さまざまなソースからの大量の非構造化データを統合するのに苦労しています。しかし、このデータ問題を解決する企業にとって、2024 年は生成 AI サプライ チェーンのブレークスルーの年となるでしょう。生成 AI モデルがサプライ チェーンの専門家になるようにトレーニングされるにつれて、グローバル サプライ チェーンはより自律的、自己修復的、自己最適化的なものになります。たとえば、生成 AI は、異常事態 (異常気象による荷物の遅延) について荷送人に伝え、それに対して何をすべきか (より信頼性の高い場所へのルート変更) を伝え、最終的には解決策を実行することさえできます。これらの AI イノベーションは、企業がどこに注力すべきかを伝えることで、グローバル ブランドがコストと環境への影響を最小限に抑えながら、より優れた顧客体験を提供し、ビジネスを成長させることを可能にします。 –AJ ウィルホイト、project44 最高製品責任者

今年は生成 AI が話題の中心となりましたが、それには十分な理由があります。生成 AI は 2024 年に成熟し、大幅に拡大するからです。生成 AI の多くのアプリケーションは現在実験段階にあり、今後も開発が続けられると予想されます。真の価値は、大量のドキュメントを解析し、より簡潔で情報量の多い要約を生成し、それらのドキュメントに対する質疑応答のやり取りを容易にし、複数のドメイン間で一貫性を確保するなど、さまざまな社内ユースケースにわたって構造化されていない情報を理解できるようにすることにあります。さらに、LLM インターフェースとテキストベースのインターフェースは、ほぼすべてのソフトウェア製品に不可欠な要素となるでしょう。これらのインターフェースは、アプリケーションの制御からアプリケーション自体に関するユーザーのクエリへの回答まで、あらゆる目的で使用されます。企業のウェブサイトでも、こうした消費者向けの要素が見られるようになってきています。さらに、今後 1 年間で、より小規模でより専門的な LLM への移行が進み、トレーニングに必要なデータの量が削減されることが予想されます。この変化は、オープンソース ソリューション、特に情報ソースの系譜を証明できるモデルに対する幅広い推進と一致しています。 –Rocket Software、データモダナイゼーション担当社長、マイケル・カリー氏

生成 AI と AI コーディング アシスタントは、組み込み環境を通じて、いわゆる「ジュニア デベロッパー」レベル (コード承認率 25 ～ 30%) から CTO レベルへと進化します。実行時コンテキストを含むコンテキストをさらに追加する機能により、価値が飛躍的に高まり、AI 生成コードの受け入れ率が大幅に向上します (70% 以上)。もう 1 レベル深く…現在、詳細なデバッグ、複数ファイルの変更、大きなファイルの入力としての使用などのアクティビティは、ほとんどのコーディング アシスタントの範囲を超えています。 —エリザベス・ローラー、AppMap CEO

GenAI が変革を推進します: 2024 年には、GenAI があらゆる分野で変革を推進し、より緊急かつ革新的なものになります。カスタム GenAI エージェントの助けを借りて、非構造化データの読み取り、整理、クリーニングなどのタスクを「AI ファースト」で実行できるため、手作業が大幅に削減されます。 GenAI はどこからでもデータにアクセスできますが、品質の管理、成果の達成、価値の評価、権利の決定、コンプライアンスの達成には、ガバナンス、データ パイプライン、プロセスが依然として必要です。 GenAI をクラウドと組み合わせることで、データ関連の変革イニシアチブを加速できます。さらに、GenAI は、財務、税務、法務、IT、コンプライアンス、その他の部門にわたる複雑なタスクとプロセスを処理することで、組織が競合他社を上回り、変革を加速するのに役立ちます。 GenAI を変革の触媒として活用すると、競合他社や組織の間に分断が生じる可能性があり、GenAI を活用しない組織は、活用する組織との競争に苦戦する可能性があります。 –ブレット・グリーンスタイン、PwC US データおよび AI 責任者

ジェネレーティブ AI をビジネスでどのように活用すればよいでしょうか? 独自の AI ソリューションを構築するか、購入するか? AI に追いつくために従業員のスキルを向上させるにはどうすればよいでしょうか? これらの質問は、テクノロジー業界だけでなくすべての業界にまたがっており、共通のテーマを示しています。2024 年までに、ジェネレーティブ AI は仕事の未来に大きな影響を与えるでしょう。新しいテクノロジーの導入には、多くの場合、ビジネス リーダーから新しいソリューションを迅速に導入するようにという強いプレッシャーが伴います。 2024 年には、組織はもはや待って様子を見ることはできないと気づくでしょう。 AIに全面的に注力する方法を見つける必要がある。今後 6 ～ 12 か月の間に、より多くの組織が AI 戦略に投資し、テクノロジーを使用してワークフローを再構築し、効率性を高める方法を見つけるにつれて、大きな変化が見られるでしょう。 –GleanのCEO、アルヴィンド・ジェイン氏

2023 年には、企業は AI の基礎を模索していますが、2024 年にはカスタム AI モデルの需要が急増すると予想されます。 GPT-4 などの LLM は豊富な知識を有していますが、それを新しいドメインに適用することは課題を伴います。この知識ギャップを解消するために、LLM をドメイン固有のデータと統合して、より専門的でコンテキストを認識する AI ソリューションを形成する「知識注入」が増加すると予想されます。たとえば、ユニバーサル LLM を患者記録と統合すると、医療業界における患者と医療提供者の全体的なエクスペリエンスが向上します。ビジネスでは、AI を顧客とのやり取りにリンクさせることで、モデル販売に関する専門知識を提供し、収益チームに利益をもたらすことができます。 2024 年が近づくにつれ、知識の注入などのトレンドにより、企業が LLM や特定のデータベースを活用してイノベーションと成長を促進する機会が生まれます。 – ゴング、オムリ・アルーシュ、研究担当副社長

つづく…

「2024年ビッグデータ業界予測」の関連章をご覧になるには、以下をクリックしてください。

2024 年のビッグデータ業界予測 (パート 1)

2024 年のビッグデータ業界予測 (パート 2)

2024 年のビッグデータ業界予測 (パート 3)