2019 年の人工知能に関する 5 つの予測: 実用的な AI

[[251873]]

2019 年に AI を推進するものは何でしょうか? Forrester Research は、今後 1 年間の AI に関する 5 つの予測を企業の CIO 向けに分析します。

多くの企業は、2018年に外部からの圧力や変化するIT環境に対応できるITシステムの導入を望んでいます。しかし、コスト、リソース不足、文化的抵抗、デジタル変革の難しさといった厳しい現実に直面しています。

これは、2018 年に AI テクノロジーを実装した際の IT チームの野心と実行のギャップを特定し、2019 年に何が起こるかを予測した Forrester Research の一連のレポートによるものです。

IT チームにとってのリスクは依然として大きいですが、CIO がイノベーションと業務拡張のためのより耐久性があり効果的な基盤の構築を目指して、デジタル変革に対してより実用的なアプローチを取るようになるため、2019 年には状況が好転すると Forrester は予測しています。

実用的なAI

これは、企業の AI の取り組みにとって何を意味するのでしょうか。Forrester は、多くの企業の CIO が長期にわたる壮大な AI 開発目標を放棄し、AI が将来できることではなく、現在できることに取り組む必要があることに気付くにつれて、拡張、自動化、パーソナライゼーションという 3 つの特性を備えた実用的な AI が 2019 年に実装され始めると予測しています。

これにより、企業は「AIウォッシング」というより広範な問題を回避することができるようになる。AIウォッシングとは、AIとの関連が希薄であったり、まったくなかったりするにもかかわらず、企業のブランドや製品についてAIが関係していると主張することである。

「従来のアルゴリズムをAIアルゴリズムに置き換えても、短期的な利益は限られるだろう」と、アナリストでレポートの共著者でもあるミシェル・ゲッツ氏は述べた。

2018 年に顧客から AI に関して寄せられた何千もの質問と同社の徹底的な調査に基づき、Forrester の 2019 年 AI 予測レポートでは、次の 5 つの主要な予測に焦点を当てています。

（１）データ品質は依然として課題である

Forrester によると、AI 導入者が直面する最大の課題は、高品質のデータを入手することだという。同社は、2019年にAI導入を開始するほとんどの企業に「データ低迷」が引き続き影響を及ぼすと予測している。その結果、すでに AI に取り組んでいる企業のほとんどにとって、AI から情報アーキテクチャ (IA) への移行となるだろうと Forrester は述べています。人工知能を活用するには、AI に適したデータ環境が必要であることを認識しているからです。

「データ不足は当面続くだろう」と、人材コンサルティング会社OCTannerの副社長兼最高技術責任者、ニール・ニコライセン氏は言う。「データは乱雑で、整理するには時間と労力がかかる。データ品質は今後も課題となるだろう」

ゴッツ氏は、データ品質は企業の CIO にとって AI の最も重要な側面であり、Forrester の AI 予測において最も重要な側面であると述べました。

「データはビジネスのデジタルツインであり、デジタルエグゾーストではありません」と彼女は述べ、企業のCIOはAIにおけるデータ問題に新たな方法で取り組む必要があると説明した。データ サイエンティストが使用できるようにデータをクラウド プラットフォームに移行するだけでは、AI がビジネスや顧客に関する深い洞察を得られるセマンティック設計の原則が無視されます。

「データは、それが由来するデータベース、ファイル、またはテーブルを超えて解釈され、コンテキスト、影響、意図、行動、決定、アクション、および結果を表す必要があります」と Goetz 氏は述べています。

（２）企業は人間を再び雇用する

Forrester は、AI を活用している企業の 10% が 2019 年までに人間を関与させると予測しています。報告書では、機械学習はデータを分析して予測を行い、パターンを識別し、意思決定を自動化するモデルを作成するのに優れているが、人間の推論能力が欠けていると指摘している。

「従業員に対する管理とガバナンスの監視があるのと同じように、AI もこの傘下に置く必要があります」とゲッツ氏は言う。「このサークルのメンバーは、AI の生産前トレーニングをサポートできる専門家と、AI ロボットの同僚やマネージャーの両方です。」

「ビジネスインテリジェンス、GRC、人間と機械のコラボレーション機能があれば、ロボットを仮想チームメンバーとして認識し、管理できるため、AIの行動のリスクが軽減されると同時に、AIがチームメンバーやマネージャーから継続的に学習して、倫理的な問題や誤った判断を回避できるようになります」と彼女は述べた。

しかし、ニコライセン氏は、人間を AI に取り込むことで、AI の原動力や推進力の一部に影響を与える可能性があると考えています。

「私は常に、AI の力は大量のデータと変数を素早く処理し、人間ができることよりもずっと速く結果を出す能力にあると信じてきました」と同氏は語った。「データに欠落がある場合、AI は欠落したデータが何を示唆するかを直感的に理解することで最善の決定を下し、人間により多くの情報を提供するかもしれませんが、これはリスクを伴います。」

（３）企業はAI人材獲得競争にAIを活用する

企業における AI 人材の不足は、データ サイエンティストや機械学習アーキテクトだけでなく、AI システムのトレーニングと管理に必要な法務、顧客エクスペリエンス、運用の専門知識にも及んでいることは周知の事実です。 Forrester の調査によると、AI 意思決定者の 3 分の 2 が AI 人材の発掘と獲得に苦労しており、企業の 83% が人材の維持に苦労しています。

同社は、従来の採用方法では不十分なため、AI における人材不足の問題に対処するために、2019 年に企業が採用に AI を適用し始めると予測しています。

ニコライセン氏は、AI主導の採用は魅力的だが、採用の選択肢を考えるためにアルゴリズムがどこでデータを収集するのかはわからないと述べた。

「人材需要に対するより可能性の高い解決策は、より使いやすいAIツールを開発できる企業になるだろうと思う。それはまた、それらのツールがより垂直に焦点を絞ることになるということも意味する」と彼は語った。

（４）ロボティック・プロセス・オートメーション（RPA）と人工知能技術

Forrester は、ロボティック プロセス オートメーション (RPA) と AI を組み合わせることで、40% 以上の企業でデジタル ワーカーが誕生すると予測しています。企業は、自動化のためのロボティック・プロセス・オートメーション (RPA) やインテリジェント制御のための AI など、これらのテクノロジーを明示的に活用してきましたが、真の革新と画期的な機会の創出には、この 2 つの組み合わせが必要です。

このレポートでは、サービス プラットフォームの問題を解決するための分析、RPA ボット用のチャットボット、デジタル ワーカーをトリガーするための IoT イベント、非構造化データを RPA タスクに整理するためのテキスト分析など、いくつかのユース ケースが紹介されています。後者は、実際の導入において、4 つのロボティック プロセス オートメーション (RPA) カテゴリをリードしています。

（５）「説明可能なAI」への関心の高まり

Forrester によると、機械学習アルゴリズムの中には透明性があり理解しやすいものもありますが、ニューラル ネットワークなどのアルゴリズムは不透明です。

2019年には、この状況は続かないでしょう。調査会社はAI予測レポートの中で、自動化された意思決定の対象者はその決定について説明を受ける権利があると定めたGDPRのような規制が、企業やベンダーの間で「説明可能性」への関心を刺激し、新たなサプライサイド市場を生み出すと予想している。

Forrester は、AI の需要が高まっている例として、DARPA の AI への投資や、Equifax、IBM、Pegasystems などのベンダーによる実用的な AI サービスと機能の立ち上げを挙げました。

ニコライゼン氏は実用的な AI の導入についても多少の躊躇を抱いている。 「こうしたアルゴリズムにはある程度の透明性が必要だということには同意するが、それによって機械学習のさまざまなモデルをテストし、原因と結果の最終的なつながりを作り出す総合的な能力が損なわれるのではないか」と同氏は述べた。