人工知能を初めて適用するときに尋ねるべき5つの質問

企業が社内でソリューションを構築する必要は必ずしもありませんが、これが失敗の一般的な原因となります。 AI テクノロジーは複雑でまだ未成熟であり、ほとんどの企業では AI の才能とスキルが不足しています。ほとんどの企業では、プロジェクトが戦略的に重要な場合を除き、ソフトウェア ベンダーが提供するソリューションやサービス プロバイダーがカスタマイズしたソリューションに重点を置く必要があります。 AI プロジェクトは多くの組織的および技術的な課題に直面しています (図 1 を参照)。

図1 AI導入の課題

多くの企業は、組織、戦略、技術の分野でいくつかの問題を認識していますが、同様に重要で最終的な成功に影響を与える他の課題を見落としたり、過小評価したりしています。私たちは、AI イニシアチブを妨げる可能性のある 5 つの一般的な課題を特定し、企業が最初の AI プロジェクトに着手する前にチームに次の質問をすることを推奨しています (図 2 を参照)。

図2 最初のAIプロジェクトを始める前に尋ねるべき5つの質問

1. ビジネス上の問題を明確に定義しましたか?

企業は、AI に投資しなければ取り残されるという懸念から、競争上のプレッシャーから AI プロジェクトを開始することがよくあります。 AI の最適な使用方法を理解していないことが、企業が失敗する最大の原因となることがよくあります。企業にとっての人工知能の最大の利点は、イベント予測、トレンド分析、パターン認識、ロボット工学、意思決定/プロセス自動化、自然言語理解 (NLU)、自然言語処理 (NLP)、コンピューター ビジョンなど、非構造化データや複雑なシステムを含む大量の多次元データを処理できることです。これらは、企業が人工知能を使用して大きな進歩を遂げる可能性がある領域ですが、これらの領域への投資は、企業にとって最も直接的な利益価値を達成しない可能性があります。

人工知能はすべての問題に対する完璧な解決策ではなく、従来の技術を使用した方がうまく対処できるケースもあります。 AI プロジェクトに着手する前に、企業は AI の限界を理解し、その点について上級管理職やプロジェクト チームを教育して適切な期待を設定する必要があります。

適切な種類の質問やビジネス上の問題に適用すると、AI は非常に大きな価値を発揮します。これらの質問に答えることで、組織の上級管理職は AI テクノロジーへの信頼を築き、将来の取り組みのための資金を確保することができます。

2. 実際のビジネスの観点から成功を定義できますか?

ビジネスの成功を定義するには、事前に期待される成果に関する定量的な指標を設定する必要がありますが、AI プロジェクトの結果は従来の IT プロジェクトよりも不確実であることが多いため、これは困難な場合があります。したがって、組織はこの問題に対処するために実験的かつヒューリスティックなアプローチを使用する必要があります。ガートナーの調査によると、効率性の向上、顧客体験の向上、コストの削減が、企業が AI に投資する主な 3 つの理由です (図 3 を参照)。

図3. AIが組織にとって重要な主な理由

企業は AI プロジェクトを価値指標と整合させる必要があります (表 1)。

表1 人工知能ビジネス価値指標

ビジネスドメイン、IT、分析の専門家は含まれていますか?

プロジェクトはチーム関連の問題により失敗することが多いです。適切な人材をプロジェクトに参加させることは、プロジェクトの成功にとって重要な要素です。これは、次のような部門横断的な多機能グループを構築することを意味します。

• 関連するビジネス知識を持つビジネス分野の専門家。
• 開発と統合の専門知識を提供するために必要な技術スキルを備えた IT スタッフ。
• モデリングとデータ管理のニーズに対応できるデータ サイエンティスト。

このチームには、必要に応じて意思決定を行い、行動を起こす権限を与える必要があります。しかし、初心者の組織はまだ適切な AI の知識やスキルを持っていないため、ビジネスに適切な戦略と構造を決定できない可能性があるため、これは良い考えではないかもしれません。組織は実験的なアプローチを採用し、まずいくつかのプロジェクトを立ち上げて、AI イニシアチブを推進するために必要なスキル、ガバナンス モデル、チーム構造を理解する必要があります。

図4: AI調査の整理と管理

すべての購入オプションを調査し、継続的なメンテナンスを確実に実施しましたか?

企業は、パフォーマンス、コスト、テクノロジーの成熟度のバランスを追求しながら、実行可能で高性能な AI ソリューションを得るためにさまざまなオプションを検討する必要があります。すべての購入オプションを調査しなかったり、問題に適したテクノロジーを理解しなかったりすると、投資が無駄になったり、ソリューションのパフォーマンスが低下したりする可能性があります。企業は、購入するか、アウトソーシングするか、構築するかというジレンマに陥ることがよくあります。他の破壊的技術と同様に、AI 導入の波及効果を最小限に抑えることが、企業にとって最大の懸念事項です。この観点から、組織は次の順序で AI ソリューションの購入、アウトソーシング、構築を試みる必要があります。企業は、さまざまな AI イニシアチブにこれらのオプションを組み合わせて使用​​する必要があります (図 5 を参照)。

図5 AIソリューション調達オプションの検討事項

• 購入: Salesforce、Oracle、SAP などの多くのソフトウェア ベンダーが、AI テクノロジーをプロフェッショナル ソリューションに統合しています。組織は、最小限の労力で問題を解決する機能を提供する「事前統合」機能を最初に検討する必要があります。
• アウトソーシング: AI テクノロジーは不足し、高価になることがよくあります。 AI テクノロジーの価値を証明しようとしており、予算に制約がある組織にとって、アウトソーシングのルートは論理的な選択です。
• 構築: 組織は適切な技術基盤と能力を備え、AI テクノロジーが組織にとって戦略的に重要であることを認識する必要があります。組織は、さまざまなアプリケーションを組み合わせ、これらのテクノロジーを統合することは、多大な労力を必要とする複雑なプロセスであり、プロセスの早い段階で慎重に計画する必要があることを認識する必要があります。

最近のガートナーの調査によると、AI を使用する多くの組織は、購入やアウトソーシングではなく、独自のソリューションを構築することを選択しています。

図6 人工知能ソリューションの企業技術​​ルートに関する調査

テクノロジーを最大限に活用するためにソリューションを運用化しましたか?

ソリューションとは、適切な IT リソースを効率的に割り当てるだけでなく、AI 要素の継続的な進化を体系的に予測し、ビジネス プロセスに AI の不連続性を導入し、意思決定モデルを継続的に調整することも意味します。

人工知能技術の運用や制御は、その技術開発よりも見落とされがちです。運用化段階を無視すると、企業は AI の取り組みを十分に実現できなくなることが多く、自信の欠如も悪化します。

プロセスの一部に AI テクノロジーを適用することで、その部分に関連する意思決定が大幅に改善された一方で、プロセスの残りの部分にはビジネスが対処しなければならない悪影響が生じた例は数多くあります。たとえば、大手投資信託会社は、機関投資家からの金融文書の要求を自動的に処理するように設計された会話エージェント システムを導入しました。このシステムは、ページ数が多いものも含め、関連するすべての文書を識別し、要求者に送信します。これらの文書は確かに関連性があるものの、AI はより差別的な要求を行う可能性があり、人々は中断され、圧倒されてしまいます。

企業は、ますます複雑化する組織環境において AI 意思決定モデルがどのように機能するかについて考える必要があります。従来、意思決定について私たちが考える方法は、通常、事前に決められた一連のイベントを通じてアクションが実行される決定論的なプロセスを通じて行われます。複雑なビジネス システムでは不確実性や予期しない要素がよく発生し、非決定論的な動作 (つまり、本質的に予測できない動作) につながる可能性があります。

この記事はWeChatの公開アカウント「Sansi Pie」（ID: Science-Pie）から転載したものです。

この著者の他の記事を読むにはここをクリックしてください