人工知能を正しく実装するにはどうすればいいでしょうか?

[[264479]]

人工知能 (AI) が私たちの日常の仕事や生活にますます普及し、企業がさまざまなタスクを実行するために AI にますます依存するようになるにつれて、IT チームは AI の実装においてますます大きなリスクに直面します。実装が成功するか失敗するかによって、影響は広範囲に及ぶ可能性があります。正しく実装されなければ、AI はさらなる偏見や、その他多くの破壊的な結果をもたらす可能性があります。

AI の需要が高まり、その応用が誇大宣伝され、盛り上がる中、テクノロジーとコーディング、つまり「人工的な」側面に注目が集まりがちです。しかし、データがなければ、デジタルでつながった世界の「スマート」な側面は存在できず、機能性を提供することもできません。ほとんどのマネージャー、ビジネスマン、IT 担当者は、ビジネス モデルの人材、プロセス、テクノロジの機能についてはよく理解していますが、「データ スピーキング」に精通しているわけではありません。ただし、データは AI 実装プロセスの基礎の 1 つです。

AI を適切に実装するには、組織は AI の作成者と消費者の両方にとって新しいコア コンピテンシーとしてデータ リテラシーを推進する必要があります。 AI イニシアチブの実装を担当する CIO には、AI を正しく構築し、AI を正しく使用し、AI を正しく維持するという 3 つのステップに従うことが推奨されます。

AIを正しく構築する

「AIを正しく構築する」ことを試みる前に、まずは「データを話す」人々が使用する技術方言であるAIの基本的な語彙を確立する必要があります。 CIO は少なくとも、AI システムまたはソリューションを説明するために使用される主要な用語、ソリューションを開発する理由、およびソリューションで使用され、ソリューションから収集されるさまざまな種類のデータに関連するその他の重要な用語を特定する必要があります。

モデルとアルゴリズムに加えて、データはあらゆる AI プロセスを実装するための基盤となります。 AI を導入すると、データが消費され、生成されます。 AI データ設計では、企業は AI アルゴリズムが解析するデータ セットを理解して処理する必要があります。 CIO とデータおよび分析の責任者は、AI のデータ管理を確立し、維持する責任を負います。プロセス全体を通じてデータ管理の専門知識を開発することが成功には不可欠です。

AIを正しく使う

取り組みの範囲や組織の成熟度に関係なく、IT 言語の障壁はローカルまたはシステム的に存在する可能性があります。障害に対処するには、考え方の転換と、「正しい道」の意識的な認識と介入が必要です。ビジネス変革においてデータが果たす基本的な役割をすでに認識している人もいるかもしれませんが、ほとんどの人はそうではありません。したがって、情報はデジタル革命の新たな方言であるという認識から始まり、熟練したリーダーシップと意図的な変更管理の規律が必要です。

データ リテラシーとは、コンテキスト内でデータを読み取り、書き込み、伝達する能力です。これには、データ ソースと構造、応用分析方法とテクニックの理解、ユース ケース、アプリケーション、および結果として得られる価値を説明する能力が含まれます。これはデジタル敏捷性の基本的な要素であり、既存および新興のテクノロジーを活用してビジネス成果を向上させる従業員の能力と意欲です。

組織がますますデータ主導になるにつれて、不十分なデータリテラシーが成長の阻害要因になります。組織全体のデータ リテラシーを向上させるには、CIO は次の手順を実行するデータ リテラシー プランを策定する必要があります。

データの言語に精通した人材を雇用します。データ言語に精通している人は、シナリオベースのユースケースと結果、それらに適用される分析手法、および関連する基礎となるデータソース、エンティティ、および主要な属性を説明できる必要があります。

熟練した翻訳者を活用しましょう。 IT 情報の翻訳者は通常、エンタープライズ データまたは情報アーキテクト、データ サイエンティスト、情報マネージャー、または関連プログラム マネージャーです。

コミュニケーションの障壁によってデータと分析の取り組みの有効性が妨げられている主要な領域を特定します。ビジネスと IT のギャップ、データ分析のギャップ、ベテランと新人のギャップに特に注意してください。

明確に表現されていないビジネス成果に積極的に耳を傾けます。強化されたデータおよび分析機能によって実現できるビジネス モーメントや、改善される運用上の意思決定などを理解します。

専門的な翻訳を必要とする主要な関係者を特定します。データ リテラシー レベルを評価するために、主要な関係者に、ビジネス モーメントの強化、収益化、リスク軽減などのビジネス成果の観点から、戦略的資産としてのデータの価値を明確に述べるよう依頼しました。

キーワードとフレーズのリストを編集して維持します。データ チームと分析チームがこれらのフレーズをより適切に表現する方法を特定できるようにします。

AIを正しく理解する

すべての AI ソリューションには、「良い AI」と「悪い AI」という概念が生まれます。ただし、これらの用語には単一または包括的な定義はありません。さまざまな分野での選択は、重大な結果をもたらす可能性があります。最も成功している企業であっても、AI に関連する倫理的な失敗から免れていると信じて誤った安心感に陥らないようにする必要があります。企業が直面する可能性のあるさまざまな種類の倫理的問題やジレンマ、そして実際に取られる倫理的な立場を識別するには、幅広く焦点を絞った議論が必要です。 CIO は、デジタル倫理とデジタルコネクティビズムを適用して、AI 導入におけるビジネス上の意思決定と選択を導き、明確にする必要があります。

次の手順を考慮する必要があります。

さらに先を見据えて、私たちはデジタルビジネス（そしてより広い意味ではデジタル社会）を改善するための概念として、デジタル倫理とデジタルコネクティビズムに注目しています。デジタル社会はデジタル市民間の相互作用によって形成されます。それは、特別に設計されたものではなく、自然に生まれたものです。

企業が新たな倫理的問題に直面することはめったにないため、AI データの使用に関連する倫理的なケーススタディを積極的に探してください。機会としては競争上の差別化と価値提案が挙げられますが、リスクとしては評判リスク、規制問題、金銭的損失などがあります。

AI アルゴリズムとデータ交換を、特定のプロセス制御としてではなく、デジタル インタラクションの実現手段として、また利害関係者がエコシステムに参加できるようにする方法として使用します。企業は、AI 環境でデータを提供する人々が相互に有益なエコシステムの積極的な参加者となるよう奨励する必要があります。