アルゴリズムを超えて: 人工知能と機械学習が組織に与える影響

[[319769]]

今日、デジタルサイエンスは企業にとってますます魅力的になっています。しかし、デジタルサイエンスを正しく捉えたいのであれば、デジタルサイエンスはビジネスの発展に何をもたらし、何ができないのかという疑問を早急に理解する必要があります。

機械学習 (ML) と人工知能 (AI) の多くの進歩により、多くの種類のビジネスで成果と効率性が向上することが期待されていることは間違いありません。聞こえは良いのですが、実際の状況は期待どおりにならないことがほとんどです。これには少なくとも 3 つの理由があります。(1) 機械学習/人工知能に関する誇大宣伝が実際の能力を超えている、(2) 誇大宣伝のせいで顧客が機械学習/人工知能に過大な期待を抱いている、(3) 機械学習/人工知能の開発者が、自分たちの技術アイデアが組織に及ぼす影響を理解していない、または対処方法を知らない、です。

3 番目の理由については、以下で詳しく説明します。具体的には、(1)技術は製品と同じではない、(2)製品は価値と同じではない、(3)価値はその価値を評価する人によって決まる、(4)製品の目的が人間を置き換えることなのか、人間の作業効率を向上させることなのかを区別する必要がある、という4つの主要な問題に展開できます。

テクノロジーは製品と同じではない

アルゴリズムやニューラル ネットワークは、その性質がいかに複雑であっても、製品と同じではありません。たとえば、Zebra Medical は、放射線スキャンで骨折を識別したり、マンモグラムで疑わしい病変を識別したりできる高度な技術を開発しました。数百万枚の画像をスキャンした後、機械は骨折や疑わしい病変を正しく識別する方法を学習し、技術は継続的に向上しました。研究開発の過程で技術者は100以上のアルゴリズムを提案しましたが、使用前にアルゴリズムを製品に変換する必要があったため、医師（放射線科医やその他の関係医師）はこれらのアルゴリズムを直接使用できませんでした。

アルゴリズムが製品になるためには、医師が直接使用できる必要があります。つまり、少なくともどの医療センターの機器でも実行できるアプリケーションを開発するということです。アプリケーションは操作が簡単で、ユーザーにとって価値のある出力を生成できる必要があります。 Zebra Medical の場合、これはアプリケーションが放射線科医に骨折/病変の位置と種類を伝えることができる出力を生成することを意味します。

製品は価値に等しいわけではない

Zebra Medical が開発したアプリは病状の特定に役立ちますが、アプリ自体は直接価値を生み出すものではありません。しかし、彼らは価値を生み出す少なくとも 2 つの方法を見つけました。第一のポイントは効率性です。彼らは、放射線科医よりも速く、より頻繁にスキャン画像やマンモグラムを確認できるアプリケーションを開発しました。したがって、効率性こそがこの技術がもたらす最初の大きな価値です。

2 つ目の大きな価値は、Zebra Medical が開発した革新的な技術が、スキャンとマンモグラムを緊急度に応じて分類できるアルゴリズムであることです。このアルゴリズムの開発には、何が正常で、何が緊急で、何が非常に緊急かをアルゴリズムが理解できるように、放射線科医や他の医師からの多くのフィードバックが必要です。これが完了すると、Zebra Medical はスキャンとマンモグラフィーを提供できるだけでなく、優先順位をつけて放射線科医が最も緊急の症例を優先できるようになる。ここで、この製品はワークフローと患者の生活に多大な利便性と効果をもたらします。

その価値は評価する人によって変わります。

上記のテクノロジーは一部の人にとっては素晴らしいものかもしれませんが、放射線科医、他の医師、病院管理者、保険会社、規制当局にとっては必ずしも素晴らしいとは限りません。医師は骨折や病変の特定結果の品質と信頼性を常に懸念しています。特に懸念されるのは、タイプ 1 エラーとタイプ 2 エラーです。タイプ 1 エラーは、患者が実際には負傷または病気でないのに負傷または病気であると特定された場合に発生し、タイプ 2 エラーは、患者が実際には健康でないのに健康であると診断された場合に発生します。

医師たちは、将来自分たちの仕事が機械に置き換えられるかもしれないとさらに心配するかもしれない。これは不可能ではありませんが、病気の特定と病気の診断を区別する必要があります。

病院の管理者は新しい技術に対して疑問を抱くかもしれません。一方で、新製品がもたらす潜在的な効率性と品質の向上に満足している一方で、タイプ I エラーとタイプ II エラーの発生についても懸念しています。これは、品質の観点からだけでなく、責任の観点からも懸念されています。

保険会社は、効率性の向上によって医療費が削減され、早期発見によってより多くの予防的介入が可能になると楽観視しているかもしれない。

規制当局は、これらのアルゴリズムが識別のために実際にどのような変数に依存しているかを知りたいと考えています。ニューラル ネットワーク学習の問題は、プログラマー自身でさえ、自分が書いたプログラムがどのようにして結論に達したのかわからないことです。さらに疑問なのは、誰が診断と治療の責任を負うべきかということです。それは病院でしょうか、医師でしょうか、放射線科医でしょうか、アルゴリズム会社でしょうか、プログラマーでしょうか、それともアルゴリズムそのものでしょうか?

これで、AI/ML が組織に与える影響の最後の側面が明らかになりました。

人間に代わる製品 vs. 人間の作業効率を向上させる製品

今のところ、病気の診断、治療計画の作成、医療介入の処方、患者のケアのフォローアップなど、現在はすべて医師に頼っている作業を機械に頼れるようになるまでには、まだほど遠い。それでも、アプリの骨折や病変の識別機能により、スキャンの効率、ワークフロー管理、緊急症例の迅速な確認という点で、人間の生産性が大幅に向上しました。

AI/ML 企業が潜在顧客の課題を真に理解した場合にのみ、顧客の視点から効率性と有効性を真に高めることができる製品を作成できます。前述のように、このような価値を創造することは、特にヘルスケア分野では、さまざまな利害関係者のニーズや懸念が異なり、時には対立することさえあるため、想像するよりもはるかに困難です。人工知能が人間の仕事に取って代わるまでにはまだまだ長い道のりがありますが、適切に使用すれば、人工知能/機械学習は確かに人間の仕事の効率を大幅に向上させることができます。

著者: ロバート・フーイバーグ IMDビジネススクール組織行動学教授

IMDビジネススクールのリーダーシップ、人材管理、企業学習の教授、シュロモ・ベンハー氏

マーク・J・グリーヴン、IMDビジネススクール、イノベーションと戦略の教授

アミット・M・ジョシ、IMDビジネススクール、マーケティングおよびデジタル化教授

IMDビジネススクールのイノベーションと戦略の教授であり、シスコのデジタルビジネス変革の議長であるマイケル・R・ウェイド氏