技術革新は「プロトタイプ」で止まるわけにはいかない…

[[270666]]

[51CTO.com クイック翻訳] 昨今、クラウドコンピューティング、ブロックチェーン、人工知能、機械学習などの新しいテクノロジーがますます普及し、これらの用語は業界外の人々にも馴染み深いものになっています。職場でこのような光景を目にしたことがありますか? 会社のオフィスビルでは、リーダーや意思決定者が部門間の連携や効率性に対するクラウドの重要な影響について議論を続けていますが、クラウド システムの統合という問題に直面すると躊躇してしまいます。ブロックチェーンの研究開発に数千ドルを費やしている企業もありますが、まだ研究前の段階であり、成果は出ていません。また、中間結果の共有は続けているものの、実稼働段階への準備が遅れている企業の人工知能・機械学習チームも数多くあります。

もちろん、どの企業や個人にとっても、新興技術の応用が順風満帆になることは決してなく、特に学ぶべき先人の経験や明確な政策指針がなければ、常に何らかの課題が伴います。効果的で実現可能なロードマップを策定するよりも、広告を人々の心に植え付ける方が簡単です。しかし、この熱狂の波の後には、次のステップを再考する必要があります。技術革新は表面的なままでいることはできず、「プロトタイプ」で止まることもできません。

新しいテクノロジーはどのようにして市場に参入するのでしょうか?

新しいテクノロジーは通常、次のような方法で市場に浸透します。ある会社の上級管理職が、競合他社が新しいテクノロジーの適用に成功したことを知るかもしれません。あるいは、リーダーシップの意思決定者が会議に出席し、新しいテクノロジーを使用して競争上の優位性を生み出す機会を見つけるかもしれません。あるいは、ある記事やブログがすべての始まりかもしれません。

しかし、新興技術を仕事に応用したり、起業の突破口として活用したりするために懸命に取り組んでいる草の根の人々もいます。社内には、関心のある分野を積極的に探究している R&D チームもいくつかあります。彼らはリーダーに新しいテクノロジーを強く推奨し、会社のゲームのルールを変えるよう説得することさえあります。

新しい技術や新しいプロジェクトを開発する企業は通常、いくつかの新しい技術がどのように機能するかを実証するために設計されたプロトタイプの構築から始めます。これらの迅速で簡単なソリューションは、多くの場合制限があり、長期的な目標が欠如しており、スケーラビリティと一般化の問題を最初から無視しています。

結局のところ、プロトタイプは簡単に安価に作成できます。この初期段階では、本番環境に対応した作業を構築する必要はなく、長期的な計画は行われない可能性があります。これは、会社が迅速に勝利を達成するのに役立ち、従業員の成長と会社の発展にも大きな影響を与えるでしょう。短期間で大きな成果が見られたのは嬉しかったのですが、プロトタイプ段階を過ぎるとプロジェクトは行き詰まってしまいました。

かつてビジネス界を席巻した人工知能や機械学習などの新技術も課題に直面しており、さらなる研究が行き詰まり、中には「試作品のまま消滅」したものもある。

これらの新しいテクノロジーは、多くの商用アプリケーションではブラック ボックスのように機能します。たとえ初期段階で肯定的な結果が得られたとしても、管理者はプロトタイプ段階から先に進むことを躊躇します。

彼らの懸念は正当なものであり、これらの「プロトタイプ」プロジェクトでさえ、制御された環境では簡単に成功を収めることができますが、AI と機械学習が失敗すると、結果は壊滅的なものになる可能性があります。ビジネスリーダーにとって、新しいテクノロジーが万全であることを保証せずに、ビジネスを運営するために大規模に展開することは、リスクのある決断です。

優れた人工知能や機械学習の技術が、これまで人間が行っていた仕事に取って代わることは間違いありません。これは多くの業界にとって、特に自動化の将来に楽観的な業界にとって、非常に刺激的なことです。 2019 年のエデルマンの調査によると、職場での AI に対して肯定的な見方をしている国民はわずか 30% です。自分の役割が将来的に時代遅れになることを受け入れられる人は誰でしょうか? 自分の仕事を失う可能性があるテクノロジーを積極的に推進できる人は誰でしょうか?

さらに、人工知能はプログラミング上の課題にも直面しています。プログラミングスキルを持つ人材とそれに対応する管理職を多数採用し、育成するには多額の費用がかかります。そのため、ほとんどの企業は心の準備ができておらず、投資に見合った利益だけが確信を強めることができるのです。

しかし、リスクを負う人は、多くの場合、大きな報酬を得ます。 McKinsey & Company の調査によると、企業の 78% が、自社の事業分野全体にわたって AI アプリケーションから大きな価値または中程度の価値を得ていると回答しています。実装後に「価値がない、またはマイナスの価値がある」と回答したのはわずか 1% でした。

機械学習や人工知能などの技術は「成功を達成できる人はほとんどいない」が、挑戦する大胆な企業に具体的な競争上の優位性をもたらすものでもある。これを実現したい場合は、プロトタイプの作成を開始する前に次の 5 つの点を考慮してください。

1. 財政を考慮する。資金調達の可能性のあるビジネス分野にプロトタイプ開発を集中します。資金がまだ確保されていない場合は、資金を確保するための包括的な計画を策定してください。資金の確保が難しい場合は、プロトタイプの概念実証以外に多くの時間と労力を費やさないでください。

2. 問題を特定します。人工知能、機械学習、またはその他の新しいテクノロジー ソリューションを導入する場合でも、達成しようとしている目標 (解決しようとしている問題) を明確にする必要があります。ビジネスドメインの観点からプロトタイプ開発の拡張性を考慮し、よりメリットのあるビジネス領域を見つけるようにしてください。

すべてのプロトタイプが利益を生むわけではないことに注意してください。プロトタイプの中には、新しい価値概念を提供することを目的とするものもあれば、最終的に実装されることを目的とするものもあります。それらの違いを理解してください。

3. 完全な計画を作成します。プロトタイプの構築を開始する前に、トップレベルの設計と長期計画（プロトタイプ段階の後に何が起こるか）を必ず行ってください。チーム全体がプロトタイプフェーズの目標について一般的な認識と合意を持ち、それがチームの責任感を反映し、プロジェクトの進行を加速させます。

4. さまざまなアーキタイプに投資する。 AI、機械学習、その他のソリューションのさまざまなプロトタイプを構築することで、企業は複数のビジネスと新しいテクノロジーを組み合わせ、投資収益率を最大化できます。プロトタイプを別のプロトタイプと比較することで、成功の可能性が高まります。

5. プロモーション計画を立てる。プロトタイプの成功は生産の実現可能性を保証するものではありません。ライフサイクルのさまざまな段階で、複数のレベルのアーキタイプを考慮する必要があります。最初のレイヤーで価値を確認し、2 番目のレイヤーでスケーラビリティを検証し、3 番目のレイヤーで実現可能性をテストし、最後のレイヤーで運用可能な全体的なソリューションを形成するという階層化モデルを採用することをお勧めします。

始めが良ければ終わりも半分です。計画なしにテクノロジーの実装を開始すると、必ず失敗します。

「プロトタイプ」は正しい方向への大きな一歩ですが、最終的な目標は単にプロトタイプを構築することだけではありません。

人工知能や機械学習などの他の新興技術にも大きな発展の見込みがあります。理想を成功裏に実現するには、あらゆるリスクを冒し、あらゆる困難を克服し、野心的な目標を設定する必要があります。真のイノベーションは単なるプロトタイプではなく、技術革新に終わりはありません。

プロトタイプによる死: 始めるだけでは不十分な理由、アラン・ヘンソン著

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]