企業における機械学習の導入を妨げる4つの障害

[51CTO.com クイック翻訳] 機械学習には多くの利点があるのに、なぜ誰もが導入しないのでしょうか?これらの障害が最大の原因の一部です。

[[230187]]

人工知能（AI）は現在、第四次産業革命の最も革新的な技術として市場を席巻しています。ビジネス界の誰もが、まるでそれが世界を永遠に変えるかのようにそれについて語っており、多くの点でそれは事実です。最近の調査によると、経営幹部の 67% が AI をプロセスの自動化と効率性の向上に効果的な手段と見なしています。しかし、一般消費者も AI を社会的平等を促進する強力なツールとみなしており、40% 以上が AI によって低所得者層が基本的なサービス (医療、法律、交通など) をより多く利用できるようになると考えています。

しかし、自動化されたプロセスが社会を変革するペースははるかに速くなる可能性があるものの、現在はいくつかの問題がそれを妨げています。機械学習の導入における最大の障害は何ですか?

1. 組織の欠如

企業、特に大企業は複雑な組織です。神話のヒドラのように、企業には最高情報責任者 (CIO)、最高デジタル責任者 (CDO)、そして当然ながら最高経営責任者 (CEO) など、同じ決定を下さなければならない責任者が複数存在します。これらの幹部は全員、会社の AI の取り組みを推進するために協力することになっている独自の部門を運営しています。しかし、実際の場面ではこのような場面はほとんど現れません。

最初のステップは、機械学習プロジェクトの「所有者」が誰であるか、そして会社内でその実装を主導する責任が誰にあるかを明確にすることです。複数のデータおよび分析チームが確立されており、それらのチームが同期していることを保証している一方で、多くのチームが多数の小さなプロジェクトに取り組みを分散させている企業は珍しくありません。小規模なパイロット プロジェクトは、機械学習の科学の概要を把握するには役立つかもしれませんが、コア ビジネスに必要な自動化の効率を達成できないことがよくあります。

IT サービス管理 (ITSM) はこの問題に対する効果的な解決策となる可能性があり、IT チームが社内のどの部門が最も収益を上げているか、自動化によって利益を増やしたりエラー率を下げたりできる部分を把握するのに役立ちます。

2. トレーニング不足

機械学習は古くて新しい技術です。原始的な AI は 80 年代初頭にまで遡りますが、ディープラーニング アルゴリズムの最近の進歩により、この技術は大きく前進しました。特に Google と Facebook が博士号を持つ機械学習エンジニアの 80% を獲得している状況では、この分野で確かな専門知識を持って働いている真の専門家はほとんどいません。

多くの企業は自社の限界を認識しており、自社の IT 専門家が AI を扱うのに必要なスキルを備えていると考えている企業はわずか 20% です。機械学習のスキルに対する需要は急速に高まっていますが、今日必要な専門知識と才能を持っている人こそが真のロックスターです。しかし、ディープラーニングアルゴリズムについて十分な訓練を受けた人の多くは、それを証明するための正式な資格（修士号など）を持っていない可能性があります。覚えておいてください: この分野はまだ非常に新しいです。今日の先駆者の多くは、機械学習の博士号が存在しなかった時代の伝統的なプログラマーです。

今日、多くの人事担当者は、必要とされる専門知識よりも複雑さが上回る可能性のある役割に適切な人材を採用するという課題に直面しています。今日では、機械学習エンジニア、データサイエンティスト、フロントエンド開発者の能力の違いを見分けることさえ困難です。しかし最終的には、AI による採用自体が、すべての人事担当者に役立つソリューションになると期待されています。

3. アクセスできないデータとプライバシー保護

AI が最先端の機械学習アルゴリズムを利用して何かを学習できるようになるには、まず大量のデータを入力することが必要です。ただし、ほとんどの場合、特に非構造化形式の場合、このデータはビジネスでの使用にはまだ適していません。データ集約プロセスは、特にデータが個別に保存されている場合や異なるシステムを使用して処理されている場合は、複雑で時間がかかります。これらすべてのステップには、さまざまなタイプの専門家で構成された専任チームの十分な注意が必要です。

データに大量の機密情報や個人情報が含まれている場合、抽出されたデータは使用できないことがよくあります。この情報を暗号化すると、最終的にはデータが使用可能になりますが、この面倒な作業に追加の時間とリソースを投入する必要があります。上流の問題に対処するには、匿名化が必要な機密データは、収集後、別途保存する必要があります。

4. 信頼と信用

柔軟性は誰もが持っている特性ではありません。ディープラーニングのアルゴリズムをプログラマーやエンジニア以外の人に簡単に説明できない場合、AI による新しいビジネスチャンスを活用したいと考えている人の数が減少し始める可能性があります。これは、より伝統的な物理的な産業の一部では特に当てはまります。実際には、ほとんどの場合、履歴データは実際には存在せず、アルゴリズムの効率性を証明するには実際のデータに対してテストする必要があります。当然のことながら、石油やガスの掘削などの一部の業界では、最適ではない結果が重大なリスクにつながる可能性があります。

デジタル変革で依然として遅れをとっている多くの企業は、AIを適切に導入するためにインフラストラクチャ全体を完全に見直す必要があるかもしれません。実験が成果を上げるには、データを収集し、使用し、消化する必要があるため、効果が明らかになるまでには長い時間がかかる可能性があります。価値があるという保証のない大規模な機械学習プロジェクトを立ち上げるには、多くの組織が欠いている可能性のあるレベルの柔軟性、リソース、勇気が必要です。

結論は

AI の開発を依然として遅らせたり妨げたりする障害の多くは、テクノロジー自体の限界ではなく、人間の本質や行動に関係しています。

機械学習の可能性をまだ疑っている人にとって、明確な答えはありません。これはこれまで誰も踏み込んだことのない道であり、開発の現段階ではまだ実地試験が必要です。もう一度、私たちは、人類が最も驚異的な高みに到達するのを助けた唯一の性質、つまり適応能力を活用する必要があります。しかし今回は、このスキルをインテリジェントなマシンに教える必要があります。

原題: 機械学習の導入を阻む 4 つの障害、著者: Claudio Buttice

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]