調査：CIOはAIの実験や投資に依然として慎重

機械学習の実験と成果の達成に関しては、持っている人と持っていない人の間の格差が拡大しています。先週ニューヨークで開催された O’Reilly AI カンファレンスでは、企業による AI 導入の最良の結果についての洞察が得られました。

明らかに導入しているのは、間違いなくテクノロジー企業です。このカンファレンスでは、Facebook、Twitter、Salesforce などが、機械学習で解決している問題や、機械学習の実践を標準化および拡張するための取り組みに関する重要な詳細を共有しました。

[[264064]]

テクノロジーベンダーも、Intel AI、Microsoft Azure、IBM Watson を先頭に、最新の機能とエンタープライズ製品を展示しました。昨年のレポートでは、ディープラーニングは主流の企業に受け入れられやすくなっていると述べられていました。今年のカンファレンスでは、大手ベンダーと中小ベンダーがデータサイエンス プラットフォーム、データオペレーション フレームワーク、データ管理ツールを提供し、企業が機械学習の実験を開始し、成熟させるのを支援しました。

AI投資：多くの企業が遅れをとっている

調査結果によると、多くの CIO は機械学習と人工知能に関しては傍観者のようです。最近のガートナーの調査では、回答者のわずか37%がAIに投資していると答えました。企業における AI 導入に関する調査で、Ben Lorica 氏と Paco Nathan 氏は、多くの企業が依然として AI 導入で遅れをとっているという独自の調査結果を共有しています。

調査結果によると、人工知能はテクノロジー金融サービス、ヘルスケア、教育の分野で優位を占めており、調査結果の58%を占めています。調査では、通信、メディア・エンターテインメント、政府、製造、小売など他のすべての業界の割合は 4% を下回った。

*** 業界でも、成熟した実務経験があると答えた回答者は少数でした。この割合はテクノロジー業界で36%と最も高く、上位業界の回答者の50%以上が評価段階にあると答えています。

CIOが克服すべきAIの障壁

調査では、機械学習の実験には多くの困難があることが指摘されており、CIO が機械学習を研究開発の最優先事項とする前に躊躇する可能性がある。

AI に投資する前に、企業はいくつかの前提条件を満たす必要があります。回答者の 23% は、自社の文化ではまだ AI の必要性が認識されていないと回答し、19% はデータが不足しているかデータ品質の問題があると述べています。

レポートによると、AI プロジェクトの 50% は研究開発段階にあり、続いて顧客サービス、IT、運用のユースケースとなっています。保守的な CIO にとって、顧客体験や運用の改善を推進する上で、実験的な AI への投資は、他のより実績のある戦略よりも、2 番目または 3 番目の選択肢となる可能性があります。

AI には、機械学習モデラー、データ サイエンティスト、ビジネス アナリスト、データ エンジニア、インフラストラクチャ エキスパートなど、多分野にわたるチームの雇用が必要ですが、回答者全員がスキル不足を報告しています。

ツール間に明確な勝者と敗者がいないため、技術的なリスクは明らかです。多くの AI 実践者は複数のツールを使用しており、TensorFlow、scikit-learn、Keras、PyTorch が依然としてトップ 4 を占めていますが、調査回答者は他に使用しているツールを 10 個挙げています。

AI には、テクノロジーの選択に加えて、モデルの視覚化、自動トレーニング、モデルの監視を通じて成熟し続ける必要のあるまったく新しい一連のプラクティスがあり、これらは回答者の間で上位 3 つにランクされています。

AI に関連するビジネス リスクはまだ数多くありますが、その軽減戦略は簡単ではありません。最大のリスクには、モデルからの予期しない結果や予測、モデルの透明性、偏見と倫理、モデルの劣化、プライバシー、安全性、信頼性、セキュリティの脆弱性などがあります。

CIOがAI実験を先延ばしにすべきでない理由

これらすべての障害にもかかわらず、企業の CIO は機械学習と AI の世界に関与しないことで大きなリスクを負っています。 AI は、Web 1.0、モバイル、ソーシャル、クラウド コンピューティングとは異なります。これらの分野では、遅れをとった企業は遅れたためにペナルティを受ける可能性がありますが、適切なテクノロジー プラットフォームに投資し、ベスト プラクティスを採用し、熟練したサービス企業と提携することで追いつくことができます。

問題は、AI への投資には CIO のリーダーシップを必要とする 3 つの重要な前提条件があることです。組織には、明確なデータ戦略、新しいテクノロジーを使用して実行する能力、変更管理と文化的変化の推進のための組織能力が必要です。これらはデジタルネイティブにとって不可欠な機能ですが、デジタル変革に投資している多くの企業にとって、まだ進行中の作業です。

デジタル変革を推進する CIO は、これらのプログラムに AI 実験を追加する必要があります。これは、すべての CIO がすでに投資しているはずのデータ、テクノロジー、組織変更活動からビジネス上のメリットを実現するためのアプローチの 1 つです。 AI と機械学習を対象範囲に加えることで、CIO は、自社の業界で AI を適用した場合の潜在的なビジネス上のメリット、競争上の脅威、運用上のリスクをより深く理解できるようになります。このような研究開発がなければ、組織の学習は遅れ、CIO は自社の能力と、より早く投資した競合他社の能力との差が拡大していくことに気づくかもしれません。

AI実験を推進する方法

CIO には、機械学習や AI 機能の導入において自社が業界から大きく遅れをとらないようにする義務があります。これは必ずしも、新しいテクノロジーやスキルにすぐに多額の投資を行うことを意味するものではありません。代わりに、CIO は次のような責任を引き受けることによって、いくつかの前提条件に対処し始めることができます。

• 組織学習に投資して、ビジネスリーダーとテクノロジーリーダーが業界全体で AI に何が起こっているかをより深く理解できるようにします。これは、AI の利点と機能に関して明らかに先頭に立っているテクノロジー企業の誇大宣伝やマーケティングの先を見ることを意味します。 CIO は、ビジネス リーダーを AI カンファレンスに派遣し、機械学習技術とデータ スキルのトレーニングを受けた優秀な人材を参加させることを検討する必要があります。
• CIO は、ブルー スカイ思考のリーダーシップを組織し、機械学習が最も重要なビジネス上のメリットをもたらす可能性のある分野について、機械学習の概念実証を後援する必要があります。こうした集まりやテストを通じて、最も有望な機会をさらに調査し、探求することができます。
• CIO は積極的なデータ ガバナンスの取り組みを主導する必要があります。すべての機械学習プログラムには、明確に定義された大量のデータが必要ですが、そのデータの品質は低くなります。それ自体は、データ ソースのカタログ化、データのプロファイリングとクレンジング、データ資産に関するアナリストのトレーニング、機械学習実験にデータ インフラストラクチャを利用できるようにするためのプログラムです。

これらの取り組みはすべて、機械学習プロジェクトにとってリスクが低く、簡単に達成できる成果ですが、顧客体験、自動化、分析、技術力で競争する必要のある組織の増加にさらなるメリットをもたらします。