アンドリュー・ン氏が AI 変革ガイドをリリース: CEO に 5 つのステップで AI 変革を呼びかける

人工知能は間違いなくエンジニアや研究者を変えたが、自社の将来を左右するCEOたちは何をより重視しているのだろうか？

今年8月、アンドリュー・ン氏は自身のTwitterに質問を投稿し、Landing.aiプロジェクトのために多くの国を訪問し、多くのCEOとAI戦略についてコミュニケーションをとってきたと述べた。彼はこれを基にレポートを発表したいと考え、皆が最も知りたい質問も集めた。

この話題が取り上げられると、すぐにたくさんの反応が寄せられました。最も注目された質問は、「入力出力比率をどのように評価するか」でした。人工知能プロジェクトをゼロから始める方法など。

そしてアンドリュー・ン氏も約束を効率的に果たしました。先ほど、彼は Medium コラムに公開書簡を投稿し、AI 変革プレイブック (以下、ガイド) のリリースを正式に発表しました。

Andrew Ng氏は、このガイドはGoogle Brain、Baidu Lab、Landing AIでの長年の経験を統合して完成したと述べています。その中で、彼はCEOが企業開発で最も懸念している問題、つまり人工知能プロジェクトを効率的に開始する方法に非常に明確に答え、「5段階のロードマップ」を直接示しました。非常に実用的で良心的なガイドと言えます。

要約すると、5 つのステップは次のとおりです。

1. パイロットプロジェクトを実行して勢いをつける

2. 社内にAIチームを構築する

3. 従業員にAIスキルのトレーニングを提供する

4. AI戦略を策定する

5. 社内外の良好なコミュニケーションチャネルを確立する

Andrew Ng 氏は、記事の中でガイドの完全版の無料ダウンロード リンクを提供しています。まずは英語版をご覧ください。

https://landing.ai/ai-transformation-playbook/

Big Data Digestも、この「ガイドライン」の本質を、本来の意味を変えずにまとめています。ここに 5 つのステップがありますので、お楽しみください。

勢いをつけるためにパイロットプロジェクトを実施する

あなたの会社に複数の AI プロジェクトがある場合、最も重要なのは多くの利益をもたらすプロジェクトではなく、意味のあるプロジェクトであることを忘れないでください。これは、企業のリーダーが最初から AI の考え方に慣れるのに役立ち、投資家にさらなるフォローアップを説得するのにも役立ちます。 これは重要ではないと考える人もいるかもしれませんが、これにより AI の歯車が回り続け、関連する AI チームが勢いを増すことになります。

プロジェクトの提案:

• 理想的には、ビジネスに関する深い専門知識を持たない新しい AI チームやアウトソーシングされた AI チームを、関連する経験を持つ社内チームと連携して AI ソリューションを構築できるようにガイドできます。さらに、結果は 12 か月以内に確認される必要があります。

• プロジェクト プロジェクトは技術的に実行可能である必要があります。あまりにも多くの企業が依然として AII 技術を使用して非現実的なプロジェクトを実行しています。そのため、プロジェクトの開始前に経験豊富な AI ワーカーがプロジェクトの包括的な評価を実施できるようにすることは、プロジェクトの実現可能性を高めるために不可欠な部分です。

• ビジネス価値を創造するという明確な目標を持ちます。

私が Google Brain チームを率いていた頃、Google のディープラーニング技術は非常に懐疑的でした。 勢いをつけるために、Google Speechチームが最初の社内顧客に選ばれ、緊密な協力の結果、Googleの音声認識の精度が大幅に向上しました。実は、当時、音声認識は Google にとってそれほど重要なプロジェクトではありませんでしたが、非常に有意義なものでした。プロジェクトが成功した後、チームは大きなモチベーションを得ました。

2 回目の協力では、やはり非常に重要なネットワークや広告ビジネスを選択しませんでした。代わりに、Google マップと協力してディープラーニングを活用し、地図データの品質を向上させています。 2 回のコラボレーションを経て、Google AI は広告を担当するチームと協力する前に勢いを増しました。

社内AIチームの構築

豊富な AI 知識を持つアウトソーシング チームは、迅速な開始に役立ちますが、長期的には、企業独自の AI チームを構築する方が効率的です。さらに、一部のプロジェクトは、社内でのみ実行すれば、企業が独自の競争上の優位性を確立するのに役立ちます。

経営幹部レベルから社内 AI チームを構築することが重要です。インターネットの台頭期には、CIO (最高情報責任者) を雇用することが多くの企業にとって重要な転換点となりました。なぜなら、CIO を採用することで一貫したインターネット戦略を策定できるからです。対照的に、多くの独立した実験（デジタル マーケティングからデータ サイエンス、新しい Web サイトの構築まで）を同時に実行する企業は、インターネット テクノロジーを効果的に使用できないことがよくあります。なぜなら、これらの小規模プロジェクトは、企業レベルの変革には適用できないからです。

人工知能の時代において、多くの企業にとって重要なポイントとなるのは、会社全体を支援できる集中型の AI チームを形成することです。このチームは、スキルセットに応じて CTO、CIO、または CDO の下で働くことができます。また、専任の CAIO (最高 AI 責任者) の下で直接働くこともできます。このチームの主な責任は次のとおりです。

• 企業全体でAIの力を強化する

• さまざまな部門にまたがる初期段階のクロスドメイン AI プロジェクトを支援します。これらの初期プロジェクトを完了した後、価値のあるプロジェクトを継続的に生み出すための繰り返し可能なプロセスを確立します。

• 共通かつ一貫した採用および維持基準を確立する

• 会社レベルで共通のプラットフォームを構築し、それが 1 つの部門だけで使用されないようにします。たとえば、CTO/CIO/CDO と協力して、統一された集中型のデータ ストレージ標準を確立することを検討できます。

多くの企業には、CEO に直接報告する複数の事業部があります。しかし、新しい AI チームがあれば、AI テクノロジーをさまざまな部門に統合して、部門横断的なプロジェクトの実装を推進できるようになります。

新しいタイプの職務記述書とチーム組織構造が出現します。私のチーム内で機械学習エンジニア、データエンジニア、データサイエンティスト、AIプロダクトマネージャーなどの役割の仕事を調整する方法は、AI時代以前とは大きく異なります。優れた AI リーダーは、適切なプロセスを確立するためのガイドを提供できるはずです。現在、AI 人材の獲得競争は非常に激しく、残念ながら、ほとんどの企業がスタンフォード大学の AI 博士課程の学生を採用できる可能性は低いです (スタンフォード大学の AI 学部生を採用できない可能性もあります)。 AI 人材獲得競争は短期的にはゼロサムゲームであるため、AI チームの採用を専門とするヘッドハンターと協力することで、大きなメリットが得られます。ただし、現在のチームに AI トレーニングを提供することは、社内に AI チームを作成する絶好の機会でもあります。

従業員にAIスキルをトレーニングする

現在、十分な AI 人材のパイプラインを備えた企業はありません。メディアでは人工知能関連の人材の給与の高さが報じられていますが、市場には依然として関連求人が多数あります。幸いなことに、インターネットコンテンツの発展、特にCoursera、電子書籍、YouTubeなどのMOOCプラットフォームの出現により、従業員に大規模な人工知能技術トレーニングを提供できるようになりました。賢明な最高学習責任者 (CLO – 最高学習責任者、アンドリュー・ン氏はいくつかのスピーチで、企業は従業員に長期学習の機会を提供するためにこの役職を設けるべきだと述べています) は、自分の仕事はコンテンツを直接作成することではなく、優れたコンテンツ ライブラリ マネージャーになることであり、その後、従業員が何らかのシステムを通じて学習を完了できるようにすることであると理解しています。

10 年前、職業訓練には専門家を企業に招いて講義してもらう必要がありましたが、これは非常に非効率的で、成果も不明確でした。現在、デジタル コンテンツはより手頃な価格で、パーソナライズされています。現時点では、プライベートコンサルタントがオンラインコンテンツの補足として機能することができます（一般的に「反転授業」と呼びます）。個人的には、このアプローチの方が効率的だと思います。スタンフォード大学では、キャンパス内でのディープラーニングのコースはこの方法で実施されました。パーソナライズされた経験を得るために AI の専門家を雇用することも、チームに AI スキルの学習を促す優れた方法です。

AIはさまざまな仕事を変えるでしょう。したがって、会社の発展に応用できる適切な AI 知識を会社内のすべての従業員に提供する必要があります。 グループ向けのカスタムコースを開発するためのコンサルティング。 研修計画は個人や部門によって異なります。

経営幹部および企業リーダー（約4時間の研修）

• 目標: マネージャーが AI がビジネスに何をもたらすかを理解し、適切なリソース割り当ての決定を下し、AI プロジェクトを担当する AI チームと連携できるようにします。

• コース設定:

• 基本的なテクノロジー、データ、AI でできることとできないことなど、人工知能に関する基本的なビジネス理解。

• AIが企業戦略に与える影響を理解する

• すでに導入されている AI のシナリオやアプリケーション、関連業界の事例について学びます。

AIプロジェクトを実施する部門のリーダー（トレーニング時間12時間以上）

• 目標: 部門長は、AI プロジェクトの方向性を設定し、リソースを割り当て、進捗状況を監視および追跡し、必要に応じて修正を行って、プロジェクトを成功に導くことができます。

• コース設定:

• 基本的な技術、データ、AI でできること、できないことなど、人工知能の基本的なプロジェクトの方向性を理解します。

• 基本的な AI アルゴリズムについて学びます。

• AI プロジェクトのワークフロー、AI チーム内の役割と責任、AI チームの管理に関する基本的な理解。

AIエンジニア: (⩾100時間のトレーニング)

• 目標: 新しくトレーニングを受けた AI エンジニアは、データを収集し、AI モデルをトレーニングし、特定の AI プロジェクトを実行できるようになります。

• コース設定:

• 機械学習とディープラーニングに関する深い技術的理解、その他の AI ツールに関する基本的な理解。

• オープンソースやその他のサードパーティツールを含む、AIおよびデータシステムの構築に利用できるツールについて学習します。

• 進化するテクノロジートレンドに対応できるよう、従業員を継続的にトレーニングする

AI戦略の策定

AI 戦略は、防御力の高い防御壁を構築しながら価値を創造する企業を導きます。チームが初期の AI プロジェクトで成功を収め始め、AI に対する理解が深まります。そうすることで、AI が最も価値を生み出すことができる領域を特定し、その領域にリソースを集中させることができます。

経営者の中には、AI 戦略の策定が最初のステップであるべきだと主張する人もいるでしょう。私の意見では、基本的な経験がなければ、ほとんどの企業はよく考えられた AI 戦略を策定することができません。

企業が防御の堀を構築する方法も、人工知能の発展とともに進化しています。検討すべきアイデアをいくつか挙げます。

戦略と根本的に一致する独自の高品質 AI 資産を構築します。AI により、企業は新しい方法で独自の競争上の優位性を確立できるようになります。

マイケル・ポーターのビジネス戦略に関する独創的な著作では、防御力の高い企業を作る一つの方法は、戦略と概ね一致する少数の高品質な資産を構築することだと示唆しています。したがって、競合他社がこれらの資産をすべて同時に複製することは困難です。

AI を活用して業界特有の優位性を生み出す: AI 分野で Google のような大手テクノロジー企業と「一般的な」競争をするのではなく、独自の AI 機能を開発することで競争上の優位性を獲得できる、業界をリードする AI 企業になることをお勧めします。 AI が企業の戦略にどのような影響を与えるかは、業界や具体的な状況によって異なります。

「AIの好循環」、つまり正のフィードバックループに沿った戦略を設計する: 多くの業界で、データの蓄積が防御力の高い企業につながることが分かります。

たとえば、Google、Baidu、Bing、Yandex（ロシア版Google。ロシアではGoogleよりも頻繁に使用されている）などの主要なウェブ検索エンジンは、それぞれ独自の膨大なデータ資産を保有しています。このデータは、企業がより正確な検索エンジン製品 (A) を構築するのに役立ち、その結果、より多くのユーザー (B) を獲得するのに役立ち、さらにユーザー データ (C) が増えることになります。競合他社がこの正のフィードバック ループに入るのは困難です。データは AI システムにとって重要な資産です。その結果、優れた AI 企業の多くは、複雑な統合データ戦略も持っています。データ戦略の主な要素には次のようなものがあります。

• 戦略的なデータ取得: 100 個のデータ ポイント (「スモール データ」) から 100,000,000 個のデータ ポイント (「ビッグ データ」) まで、均一に有用な AI システムを構築できます。 AI チームは非常に洗練された戦略を使用してデータを取得しており、具体的なデータ取得戦略は業界や状況によって異なります。たとえば、Google と Baidu はどちらも、収益化はできないものの、収益化できるデータを取得できる無料製品を多数提供しています。

• 統合データ ウェアハウス: 50 の異なる副社長 (VP) または部門が管理する 50 の異なるデータベースがある場合、エンジニアや AI ソフトウェアがそのデータにアクセスして「点と点をつなぐ」ことはほぼ不可能になります。代わりに、ストレージに使用されるデータベースを減らすことを検討してください。

• 価値のあるデータと価値のないデータを識別する: 数テラバイトのデータがあるからといって、AI チームがそのデータから価値を生み出せるというわけではありません。残念なことに、価値の低いデータの収集に過剰投資したり、データのために企業を買収したりして、結局、対象企業のテラバイト単位のデータの多くが価値がないことが判明する CEO も見てきました。この間違いを避けるには、データ取得プロセスの早い段階で AI チームを関与させ、取得して保存するデータの種類の優先順位付けを支援してもらいます。

• ネットワーク効果とプラットフォームの優位性の創出: 最後に、AI はより伝統的な防御壁の構築にも使用できます。たとえば、ネットワークに影響力を持つプラットフォームは、防御力の高い企業です。彼らは、自然に「勝者がすべてを手に入れる」という力学を持ち、企業が急速に成長するか、消滅するかのどちらかを迫られる傾向があります。 AI によって競合他社よりも早くユーザーを獲得できる場合、プラットフォームのダイナミクスを通じて防御可能な堀を構築するために AI を活用できます。より広い意味では、AI は低コスト戦略、高価値戦略、またはその他のビジネス戦略の重要な要素として使用できます。

社内外の良好なコミュニケーションチャネルを確立する

人工知能はあなたのビジネスに大きな影響を与えるでしょう。主要な利害関係者に影響を与える場合は、一貫性を確保するためにコミュニケーション プログラムを実行する必要があります。考慮すべき点は次のとおりです:

投資家向け広報: Google や Baidu などの大手 AI 企業は、AI 機能と AI が利益に与える影響により、現在価値が高まっています。 AI が企業に価値をもたらす理由を明確に説明し、成長を続ける AI 機能について説明し、最終的には投資家が企業を適切に評価するのに役立つ、よく考えられた AI 戦略を立てます。

政府関係: 規制の厳しい業界 (自動運転車、ヘルスケア) の民間企業は、コンプライアンスの維持において独特の課題に直面しています。プロジェクトが業界や社会にもたらす価値とメリットを説明する、信頼性が高く説得力のある AI ストーリーを伝えることは、信頼と好意を築くための重要なステップです。同時に、プロジェクトを開始する際には、規制当局との直接的なコミュニケーションと継続的な対話も必要です。

顧客/ユーザー教育: AI は顧客にとって非常に有益なので、適切なマーケティングを実施してください。

人材/採用: AI 人材の不足を考えると、少数の強力な企業が、そのような人材を引き付け、維持する能力に大きな影響を与えます。 AI エンジニアは、刺激的で意義のあるプロジェクトに取り組みたいと考えています。最初の成功を示すためのささやかな努力は、大きな効果をもたらす可能性があります。

社内コミュニケーション: 今日の社会では AI に対する理解がまだ不足しており、特に汎用 AI は過大評価されているため、恐怖、不確実性、疑念が生じています。多くの従業員は、自分の仕事が AI に置き換えられるのではないかと心配していますが、これは文化によって異なります (たとえば、この懸念は日本よりも米国の方がはるかに大きいようです)。 AI について説明し、そのような従業員の疑問に答える明確な社内コミュニケーションにより、AI 導入に対する社内の抵抗感を軽減できます。

歴史的記録は成功にとって重要です。インターネットが業界にどのような変化をもたらしたかを理解することは、人工知能の台頭を導く上で非常に役立ちます。

インターネットの普及に伴って多くの企業が犯す間違いがありますが、私はそれを避けるよう願っています。

ショッピングモール＋ウェブサイト≠インターネット企業。ショッピングモールがウェブサイトを構築し、そのウェブサイト上で商品を販売したとしても、それだけではショッピングモールが真のインターネット企業になるわけではありません。真のインターネット企業の定義は、インターネットでできることをうまく実行できるように会社を導いているかどうかです。

たとえば、インターネット企業は、一般的に 2 つのバージョンの Web サイトを公開し、どちらのパフォーマンスが優れているかを測定する A/B テストを広く実行しています。インターネット企業であれば、何百もの実験を同時に実行できるかもしれませんが、これは物理的なショッピングモールでは困難です。インターネット企業は週に一度新製品を出荷することもできるため、四半期に一度しかデザインを更新しないショッピングモールよりもはるかに早く学習できます。インターネット企業には、プロダクトマネージャーやソフトウェアエンジニアなどの役割に対して独自の職務記述書があり、これらの職種のワークフローにも独自の連携方法があります。

ディープラーニングは人工知能の中で最も急速に成長している分野の 1 つであり、インターネットの台頭と類似点があります。今日、私たちは、標準的な企業 + ディープラーニング技術 ≠ AI 企業であることがわかりました。会社を AI で優れたものにするには、AI によって改善される事柄を会社全体で実行できるようにする必要があります。企業が人工知能で優位に立つためには、次のことが必要です。複数の価値ある AI プロジェクトを体系的に実行すること。AI 企業は、ビジネスに直接的な価値をもたらす複数の AI プロジェクトを体系的に実行するために、外部委託または社内に技術人材を抱えています。

AI に関する一般的な理解と、取り組む価値のある AI プロジェクトを体系的に特定して選択するための手順が整備されている必要があります。

戦略的方向性: 当社の戦略は、AI 主導の未来で成功することに根本的に沿っています。

優良企業を優れた AI 企業に変えることは困難ですが、優れたパートナーのサポートがあれば実現可能です。 Landing.AI の私のチームは、パートナーの AI 変革を支援することに尽力しており、今後もベスト プラクティスを共有していきます。

AI 変革プロジェクトには 2 ～ 3 年かかる場合がありますが、最初の結果は 12 か月以内に現れるはずです。 AI 変革に投資することで、競合他社より優位に立つことができます。