AI | 人工知能プロジェクトを成功させるための 8 つの重要な役割

企業が AI プロジェクトをさらに展開するにつれて、特定の役割がビジネスの成功に不可欠であることがわかりますが、適切な人材を見つけるのは困難です。

AI はビジネス価値を獲得する十分な機会を提供します。 AI を適切に活用すれば、売上の向上、業務の最適化、従業員に価値の高い仕事を提供することが可能になります。コストを削減し、組織が新しい製品を開発し、新しい市場を開拓できるようにします。

[[260129]]

コンサルティング会社デロイトの最近の調査では、IT 幹部の 55% が、自社が 2018 年に 6 件以上の AI 関連のパイロット プロジェクトを開始したと回答しています。 2017 年の調査では、IT 幹部のうちわずか 35% がこのように感じていました。企業の 3 分の 1 以上が認知技術に 500 万ドル以上を投資しています。経営幹部の 56% は、今後 3 年以内に AI が自社を変革すると予想しています。

しかし、これを達成するのは簡単なことではなく、見つけるのが難しい特定の重要なスキルが必要です。 AI の成功のための 8 つの重要な役割は次のとおりです。

（１）人工知能研究者

一部の企業にとって、調査を行うことは逆効果になる可能性があります。結局のところ、AI 研究者は、将来機械の思考能力に飛躍的な進歩をもたらす可能性のある基礎技術研究を実施する専門家である傾向があります。さらに、AI研究者を追跡することは、グーグル社やマイクロソフト社などのテクノロジー大手との競争を意味し、すぐに商業的な利益をもたらさない可能性がある。

しかし、画期的な進歩によって彼らが業界のリーダーになるという希望は常に存在し、この期待だけでも AI 研究者の需要の高さと関係があるかもしれない。デロイトの調査によると、IT 業界の CEO の 30% が、AI 研究者の発掘を他のどの役職よりも最優先事項に挙げています。

「人々は優れた才能を求めているが、それが彼らが実際に求めているものに影響を与えているだろうか」とデロイト・リスク・アンド・ファイナンシャル・アドバイザリーのグローバル分析・データリスク責任者、ヴィヴェック・カティアル氏は言う。企業が次なるフェイスブックになりたいのでなければ、おそらくそうではないだろう、と同氏は言う。

しかし、資金提供の決定を行う企業幹部の多くは、AI研究とAI応用の違いを理解していないと彼は述べた。

しかし、AI がコアビジネスに不可欠な企業にとって、研究は贅沢ではなく必需品です。たとえば、AppTek は約 30 年前に設立された音声認識会社です。人工知能が音声認識技術を変えるにつれて、AppTek は技術の進歩に対応するために音声認識における人工知能の応用を研究することに尽力しています。たとえば、最近発表された研究は、会話の中で異なる話者を識別することに焦点を当てていました。

ビジネスリーダーの 69% は、コミュニケーションの改善がビジョンの達成に役立つと考えています。

「これは真のビジネスニーズであり、私たちはこの問題を解決し、機能を向上させるためにこれを行っています」とAppTekの最高売上責任者、マイク・ベロニス氏は語った。

（２）AIソフトウェア開発者

AI ソフトウェア開発者は通常、ディープラーニングや生成的敵対ネットワークの最新の開発などの基礎研究を取り入れ、それを実用的な製品に変えていきます。一部の企業は、独自の AI 技術を開発するのではなく、商用プラットフォームに依存して、この作業を大手ベンダーに任せています。しかし、企業が既知の AI 技術を使用している場合でも、独自のプラットフォームを構築したいと考える場合があります。これは、デロイトの調査回答者の28%が最優先事項として挙げたAIソフトウェア開発者に対する需要の高まりを部分的に説明するものである可能性がある。

企業が独自のフレームワークを構築する理由の 1 つは、AI フレームワークが現在直面している「ブラック ボックス」問題です。既製品のソースコードにアクセスできない場合、特に金融や医療などの規制分野の企業は、独自の方向性を選択する可能性があります。

「企業は、自分たちが作ったものを把握し、コードを所有し、そのすべてを管理できるものを自分たちで作るべきだ」とカティアル氏は言う。「こうした議論は非常によく行われている。企業が独自の AI ソフトウェアを作ると、ツールに組み込まれたバイアスをよりよく理解することもできる」と同氏は付け加えた。

これは AppTek の現在の開発状況でもあります。同社独自の研究に基づいた独自の機能を備えているほか、調整が容易でないブラックボックスの商用システムではなく、ニーズに合わせて製品をカスタマイズすることもできます。 「音声認識エンジンを適応させ、トレーニングし、継続的に改善することができます」とAppTekのVeronis氏は語った。

（３）データサイエンティスト

カティアル氏は、企業が AI の課題を克服することを考えるとき、新しい AI アルゴリズムの作成を考えることが多いと述べました。しかし、データを改善することで、より多くの価値を得られるかもしれません。 「これは機能的なAIにとってよくある障害だ」と彼は語った。

これにより、データサイエンティストは AI 全体の中で最も重要な役割を担うことになる、とカティアル氏は述べた。回答者の 24% は、データ サイエンティストが組織のデータを AI システムで使用する準備ができていると回答しました。また、企業が目標を達成するために必要なデータ（社内で生成されたデータやサードパーティから収集されたデータ）も特定します。データ サイエンティストは、データが欠落している場合や特定の種類のデータが不十分な場合を発見したり、データセットに偏りがあったり古くなっている場合を特定したりすることもできます。

また、データ セットに使用する適切なアルゴリズムを特定し、それらのアルゴリズムをトレーニングおよび調整し、専門家と協力して結果を検証するのも彼らです。

「これまでは、彼らはAI研究やAIソフトウェアのユーザーである上級統計学者だっただろう」とカティアル氏は語った。

日本の三井住友銀行は、データサイエンティストを最近の人工知能プロジェクトの重要な要素とみなしている。世界的な金融会社であり、資産規模で日本第2位の銀行である三井住友銀行は、データセンターでの顧客サービス向上に人工知能を活用し、従業員が情報を見つけやすくし、潜在的な法人顧客をより適切に特定できるようにしている。

三井住友銀行の船山昭信常務取締役は、同銀行にはすでにデータ管理部門とデータサイエンティストがいると語った。まず、データ サイエンティストが手動でユース ケースを設定し、それらのユース ケースに最も関連性の高いデータ ポイントを特定し、データを分析するためのアルゴリズムを作成します。たとえば、潜在的な新規顧客の収益性を導き出す場合、データ サイエンティストは何千もの要素を考慮し、そのうちのどれかが有用かどうかを確認します。

各ユースケースを処理するには、プロセス全体で 2 ～ 3 か月かかり、年間 10 ～ 15 件のユースケースに相当します。 SMBC は、dotData のテクノロジーを活用して新しいアルゴリズムの作成に最も役立つデータ ポイントを特定することで、新しいモデルの作成に必要な時間をわずか数時間に短縮しました。これにより、銀行が対応できるユースケースの数が年間約 100 件に増加し、金融、財務、コンプライアンスなど、銀行業務のより多くの分野に AI を適用できるようになります。

「チーム全体のパフォーマンス向上に努めています」と船山氏は語った。

データ サイエンティストは依然としてプロセスに不可欠だが、反復的な機能エンジニアリング作業を行うのではなく、AI テクノロジーのより広範なビジネス ユース ケースに取り組んでいると彼は述べた。

（4）ユーザーエクスペリエンスデザイナー

人工知能がより多くの製品やサービスに統合されるにつれて、ユーザー エクスペリエンス デザインの重要性がますます高まります。人々は今や、メニューを開いたりボタンをクリックしたりするのではなく、簡単な質問をしたり、コンテキストから必要なものをアプリに推測させたりできることを期待しています。

「私たちはこれまで、ユーザー エクスペリエンスは Web やモバイル アプリによって左右されるものだと考えてきました」と、アリゾナ州テンピに拠点を置く Insight Technology Consulting の CTO、ブランドン エブケン氏は語ります。「AI では、チャットボット、Siri、Cortana、音声とやり取りします。これにより、まったく新しい種類のユーザー エクスペリエンス デザインが生まれ、新しい AI ツールを作成する際に重要な要素となります。」

「AI製品と人間の経験のつながりは進化しており、それが次の革命であり、人々がそれを認識し始めていると思います」とデロイトのカティアル氏は語った。

新しいツールが作成されると、ユーザーがそれを使用できる必要があり、そのためには新しいインターフェースや、アプリケーションやビジネス プロセスの構造的な変更が必要になる場合があります。

そうしたスキルを持つ人材を見つけるために、企業は顧客サービスの専門家を探すべきだと彼は述べた。

（５）変更管理の専門家

デロイトのカティアル氏は、変更管理は AI 導入において最も見落とされがちな側面の 1 つであると述べています。変更管理の恩恵を受けるのは企業の従業員だけではなく、ユーザーも同様です。カティアル氏はさらに、「これが最も難しいことであり、ビジネスの中で最も見落とされ、過小評価されている分野だ」と付け加えた。

それでも、デロイトの調査回答者の 22% は、変更管理の専門家に対する需要の高さが最も需要のあるスキルであると回答しました。デロイトは、AI プロジェクトは知識労働者に大きな影響を与える可能性があり、知識労働者はソリューションの開発に関与していない場合、AI の提案を受け入れることに抵抗を感じる可能性があると述べています。

「パイロットや草の根実験、ベンダー主導の誇大宣伝の中で、組織変革の基礎が失われる可能性がある」とデロイトの調査報告書は述べている。

さらに、調査対象の IT マネージャーの 63% が、コスト削減のために AI を使用して可能な限り多くの作業を自動化したいと回答しており、変更管理の専門知識の必要性がさらに浮き彫りになっています。

（6）プロジェクトマネージャー

多くの AI プロジェクトは、企業がより成熟したテクノロジーを使用するのと同じ厳格さで管理されていないことが多いため、問題が生じます。 AI の実装を主導できるプロジェクト マネージャーは、AI を企業の役割とプロセスに統合し、ビジネス価値の測定と実証を支援できます。これは、調査対象となった Deloitte アナリストの 39% にとって上位 3 つの課題の 1 つに挙げられていました。 AI に関連する他の分野におけるスキル不足にも対処できます。

今日、データ サイエンティストはソフトウェア エンジニア、ユーザー インターフェイス デザイナー、セキュリティ エキスパート、および主題専門家でもあるため、見つけるのは困難です。このため、AIプロジェクトには複雑なチームが関わってくると、シアトルのビジネスコンサルティング会社スラロームのマネージングディレクター、マーティ・ヤング氏は言う。

プロジェクト マネージャーは、これらすべての役割について話し合う必要があります。さらに、プロジェクトマネージャーは、多分野にわたるチームが AI を実験的なパイロットプロジェクトからソフトウェアエンジニアリングやソフトウェアライフサイクルの別の側面に移行できるよう支援すると、ベンチャーキャピタル企業 General Catalyst Partners のマネージングディレクター、スティーブ・ヘロッド氏は述べた。ヘロッド氏は以前、VMware の最高技術責任者を務めていました。

「モデルの独自の側面を理解し、それを関与しなければならないより広範なソフトウェアリリースに組み込む必要があるプロジェクトおよびプログラムマネージャーを見失ってはならない」と彼は付け加えた。

ヘロッド氏は、この分野が発展するにつれて、監査や認証関連の問題を扱うような、関連する役割の範囲が広がるだろうと述べた。

これにより、作業量が増加し、プロジェクト マネージャーの需要も高まります。

（７）AIの結果を解釈するビジネスチャンス

組織が AI 機能のほとんどを外部ベンダーに委託している場合でも、社内にビジネスの専門知識を持つことは重要です。

インドの海運会社 Spoton Logistics もその一例で、同社は AI を活用して顧客サービス、感情分析、財務部門の自動化を支援したいと考えている。たとえば、具体的なユースケースとしては、企業の「ファースト マイル」と「ラスト マイル」の住所問題を解決することが挙げられます。

同社のビジネスエンジニアリング責任者、サティア・パル氏は「インドでは住所の形式が標準化されておらず、企業が記入されていない住所を扱うことで状況が悪化する。これでは中央計画や車両活用の可能性がなくなる」と語った。

同社は、社内で技術を構築するのではなく、作業の大部分を外部ベンダーに委託することに決めました。しかし、AI の結果を解釈する必要があるビジネス リーダーは、組織内の内部チームです。彼らは、企業が解決しようとしている特定の問題に関するビジネス知識と、さまざまな AI モデルやフレームワークを理解している、と彼は述べた。たとえば、分類モデルや強化学習、教師あり学習と教師なし学習の応用を理解することができます。

「一般的に、彼らはコンピューターサイエンスのバックグラウンドを持ち、Python の知識も多少持っています」と彼は言う。「追加のトレーニングも必要ですが、通常は AI 関連の自主研究やオンライン コースです。」

これにより、特定の製品に対処するのに最適な AI アプローチを決定し、進捗状況を検証できるようになります。

（８）主題専門家

既製の AI ツールは必ずしもすべてのユースケースで機能するわけではないため、分野の専門家が重要になります。例えば、製品推奨エンジンはオンライン小売業者のニーズに合わせて設計されることが多いと、公益事業業界に特化したソフトウェア会社、EnergySavvy のクライアントソリューション担当上級副社長、マイケル・リグニー氏は言う。

オンライン小売業者は、顧客のショッピング習慣に関するデータを収集し、それを他の顧客のショッピング習慣と比較します。しかし、地元の電力会社から電気を得ている人にとっては、過去の購入は有用な指標ではない。ここで、エネルギー効率化企業の専門知識が役に立ちます。

「エネルギー効率化プログラムからどの顧客が恩恵を受けるのか、どの程度恩恵を受けるのか、また、その顧客と類似していて恩恵を受ける他の顧客は誰なのかを私たちは見極める方法を知っています」とリグニー氏は言う。これは、マサチューセッツ州のナショナルグリッドなどの顧客に EnergySavvy がサービスを提供する上で役立っている。

「新しい AI 機能は、当社の最近の収益増加の大部分を占めています」と、EnergySavvy のマーケティング担当副社長であるライアン・ウォーレン氏は述べています。「当社の顧客は急速に増加しており、当社のビジネスの将来は基本的に AI 対応テクノロジーに結びついています。」