変革の成功を推進する 4 つの AI コア原則

変革の成功を推進する 4 つの AI コア原則

新しいプロジェクトは従業員に恐怖心を引き起こす可能性があり、変更が導入される全体的な文化は、その恐怖心がどのように表現され、対処されるかを反映します。ただし、AI 変革を成功させるには、いくつかの共通の特性が重要です。以下は彼の著書『AI for Business』からの抜粋です。英国のデータおよび AI ソリューション コンサルティング会社 Northell Partners の創設者である Peter Verster 氏は、著書『AI for Business: ビジネス リーダーが人工知能から価値を引き出すための実践ガイド』で、これらの特徴を 4 つ挙げています。

敏捷性

ソフトウェア開発企業の約 86% がアジャイル手法を採用していますが、それには十分な理由があります。アジャイルな考え方と方法論を採用することで、競合他社に対して優位に立つことができます。アジャイルな考え方と方法論を採用している企業では、収益と利益が平均 60% 増加しています。当社の調査によると、アジャイルな企業はデジタル プロジェクトの成功率が 43% 高いことがわかりました。

アジャイルを実装することで大きな変化がもたらされる理由の 1 つは、迅速に失敗する能力です。アジャイルな考え方により、チームは挫折を乗り越え、失敗を中止する理由ではなく学習の機会と見なすことができます。アジャイル チームには、AI の問題ソリューションを構築および実装する際に成功に不可欠な適応性が備わっています。

このような粘り強さを発揮するリーダーは、望ましい成果を達成する可能性が 4 倍高くなります。経営陣が AI を企業に取り入れることに真剣に取り組んでいると見られれば、経営陣の間で再編成して前進する決意を育むことははるかに容易になります。リーダーは、チームの意見に耳を傾け、疑問や不安が生じたときにサポートすることで、障害を取り除き始めることができます。これは、義務の強化、外部からのサポートの導入、リソースの優先順位の変更など、変化が発生したときに積極的に対応し、適応することを意味します。

まず、上級管理職が新しい働き方を採用し、アジャイルな行動を促進するためのスキル、プロセス、専用の役割に投資するというコミットメントが必要です。このアプローチを使用すると、組織全体に変化が起こり、チームにアジャイルの原則が組み込まれ、その後、スプリント、迅速な立ち上げ、「早く失敗して学ぶ」アプローチを通じて、部門横断的な作業に慣れる必要があります。

信頼

私たちが発見したほぼ普遍的な事実の 1 つは、AI 変革には幅広い従業員からの大きな恐怖が伴い、それが AI テクノロジーのより広範な導入の障壁となる可能性があるということです。したがって、プロセスの早い段階で同僚の懸念を和らげることが重要です。

人々が潜在的な変化に適応できるようにするために、私は次のことをお勧めします。

01 誠実さを維持する: 組織全体の懸念を軽減する方法はいくつかありますが、まず第一に最も重要なことは誠実であることです。 AI が解雇や再配置につながるのであれば、そう言ってください。信頼の構築は誠実さと正直さから始まります。従業員の雇用継続の保証や再配置のサポートなど、早い段階で従業員に確実性を与えることは、AI に関する不安を軽減するのに役立ちます。

02 従業員を創造的にサポートする: ビジネス全体で必要なスキルを見直し、スキルと役割を将来のビジネス形態に適応させることに重点を置き、継続的な学習のための環境を整えます。従業員がデータ サイエンス、データ分析、ML、プロジェクト管理のスキルを習得できるようにします。再配置が適切でない場合は、ジョブシェアリング、パートタイム勤務、または柔軟な契約も検討される可能性があります。

関連する問題を調べる

03 アプリケーションの検討: チーム メンバーが効率性の向上と価値の増大に AI が役立つ方法を見つけるように促します。 AI を自分たちの能力の代わりとしてではなく、自分たちが使える単なるツールとして想像できるように支援することで、将来の職場で活躍し成功するために必要な知識、スキル、経験を身に付けることができます。

顧客志向

顧客の利便性とエクスペリエンスを重視して AI プロジェクトに取り組む組織は、より成功する傾向があります。始める前に、次の 3 つの質問を自問し、いくつかの提案を試してみてください。

01 カスタマージャーニーを改善するには?

どこで摩擦が生じるのかを理解するために、独自のプロセスの「ミステリー ショッピング」を行うことを検討してください。改善できる箇所がわかったら、AI をどのように適用して障壁や不便さを解消できるかを検討できます。たとえば、Zara が店舗でセルフチェックアウトを試行したとき、最初は抵抗がありましたが、顧客が待ち時間の短縮の恩恵を受け始めると、すぐにこの成功した変更が受け入れられました。

02 顧客の時間とお金の節約方法は?

電力会社ではないが、大手電気メーカーのフィリップスは、エネルギーコストに関する顧客の懸念に巧みに対応した。顧客にスマートホームテクノロジーと省エネソリューションを提供することに方向転換することで、AI を使用して顧客の時間とコストを節約する方法(洗濯機のリモート起動、スマートサーモスタット、占有センサー)を見つけ、同時に顧客に Philips 製品の購入を促しました。

03 製品やサービスを顧客のニーズによりよく適合させるにはどうすればよいでしょうか?

顧客が自社の製品やサービスに何を求めているかを知るために、アンケート調査を実施してみましょう。顧客の悩みを正確に把握していると考えるのは簡単ですが、今日のデジタル世界では、顧客の期待は急速に変化しており、顧客のニーズも変化しています。英国のオンライン銀行モンゾが顧客にどのようなサポートが欲しいか尋ねたところ、圧倒的多数の回答は貯蓄を増やす手助けをしてほしいというものだった。この目的のために、Monzo は人工知能を使用して顧客の取引データを分析し、支出を自動的に分類して、支出の概要、貯蓄目標、リアルタイム通知を提供し、顧客が支出を追跡し、過剰支出の領域を特定し、より良い貯蓄習慣を身に付けるよう促します。

革新

あらゆるレベルで革新的な思考を奨励し、報奨する企業は、AI およびデジタル プロジェクトで最大の成功を収めるでしょう。組織にイノベーションを統合するには、多くの場合、実験を評価し、失敗したプロジェクトを学習プロセスの重要な部分と見なすという考え方の変化が必要です。イノベーションを促進する環境を作るには、人々が失敗することを許し、計算されたリスクを取る権限を与える必要があります。

したがって、ビジネスがイノベーションに適しているかどうかを判断するには、次の側面を考慮してください。

  • 革新的な思考と問題解決を奨励するインセンティブはありますか?
  • 従業員は、意思決定を行う権限や、上司にフィードバックを提供する権限を与えられていると感じていますか?
  • チームメンバーは、結果や態度を恐れてリスクを取ることを恐れていますか?
  • 企業全体でイノベーションを研究しサポートするチームまたはフォーラムはありますか?
  • リーダーはチームメンバーからの意見やフィードバックを聞く用意がありますか?
  • リーダー自身は、新しいアイデアを提案したり、それを支持したりする際に、変化に対してオープンですか?

これら 4 つの基本原則を通じてイノベーションの基盤を築くことで、有用で戦略的かつ永続的な AI 実装のための安定した基盤が構築されます。これは成功したプロジェクトの特徴であり、企業が AI の準備状況を正しく評価するための基礎となります。

<<:  CVPR'24の結果が発表され、中国の博士課程学生による3つの論文がベルサイユ賞を受賞しました!当局はネットユーザーを怒らせるためにミームを投稿した

>>:  「激怒」するビッグモデルがレコメンデーションシステムと衝突したとき

ブログ    
ブログ    
ブログ    

推薦する

感情コンピューティングは人間とコンピュータの相互作用の中核となるのでしょうか?感情分析におけるディープラーニングの応用について

人間とコンピュータの相互作用における感情コンピューティングの役割感情コンピューティングについて話す前...

...

...

「2018年中国人工知能サミット」が9月6日に南京で開催される。

人工知能は未来をリードする戦略的技術として、世界の産業構造、経済活動、都市形態、そして人間のライフス...

人工知能は、研究論文の合理的で興味深く、科学的に価値のあるタイトルを生成できるかもしれない。

人工知能(AI)技術は、将来の研究論文に対して、説得力があり、面白く、科学的な見出しを生成できること...

人工知能XiaoIceが繊維企業向けにオンデマンドカスタマイズを実現するAIデザインプラットフォームを開設

9月23日、2020年中国国際紡織品・アクセサリー(秋冬)博覧会で、高級生地メーカーの陸豊織染が人工...

AIを活用してよりスマートな電子データ交換を実現

電子データ交換 (EDI) の歴史は、企業がより効率的に電子的にデータを交換する方法を模索し始めた ...

次世代ロボットは「人間と共存」するかもしれない。中国はこのチャンスをどうつかむのか?

「次世代のロボットは『人間と共存する』ものになるだろう。中国がこのチャンスをつかめば、ロボットイノ...

SparseOcc: 完全にスパースな 3D パノラマ占有予測 (セマンティック + インスタンス デュアル タスク)

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

段階的な自動運転は後から追いつくことができるか?

自動運転の何十億ドルもの利益の一部を欲しがらない人はいないだろう。最近、SAIC傘下のXiangda...

LRU (Least Recently Used) キャッシュアルゴリズムの実装

[[349478]] LRU は Least Recently Used の略で、よく使われるページ...

LangChain の実践: 大規模言語モデルのコードベースの理解

著者 | 崔昊レビュー | ChonglouまとめLLM(大規模言語モデル)の開発に伴い、ソースコー...

Python の高度なアルゴリズムとデータ構造: treap を使用してデュアル インデックスを実装する (パート 1)

\上記で紹介したヒープ構造では、データを部分的にしかソートできません。つまり、一部の要素のソートし...

...