人工知能がITを変える5つの方法

IT サービス デスクからデータ分析の最前線、新しいツール、戦略、関係まで、AI は IT 組織をどのように変えるのでしょうか?

最近の Gartner の人工知能のハイプ サイクルに関するレポートで指摘されているように、AI は、ビジネスに変革をもたらす可能性のあるインパクトの源として、今後 5 年間で CIO の議題のトップに挙げられるでしょう。しかし、多くの IT 組織にとって、AI はビジネスを促進するものとして IT リーダーに注目されているだけではありません。長年行われてきた機能の自動化から、IT チームからのより大きな関与と新しいアプローチの要求まで、機能自体に根本的な影響を及ぼしています。

[[332069]]

人工知能は、IT リーダーが追随したいと望むさまざまな方法で IT 部門を再編し始めています。視聴方法は次の 5 つです。

1. ITがAIの主な消費者になる

従来の故障対応やその他の IT サービス デスク プロセスを自動化するツールは新しいものではないが、現在では人気が高まっていると、ISG の認知自動化およびイノベーション担当ディレクターの Wayne Butterfield 氏は言う。 「IT ヘルプデスクの業務はカスタマー サービス業務と同じくらい簡単で反復的なので、自動化できます」と彼は語った。

これは、IT 機能向けに AI 自動化テクノロジーが開発されている唯一の領域ではありません。 「IT は急速にパートナーだけでなく消費者にもなりつつあり、セキュリティとシステム管理に AI を活用してプロセスを自動化し、AI で企業を前進させています」と、TIBCO の分析戦略担当副社長、ショーン ロジャーズ氏は述べています。

2. シャドーITは拡張可能

ISG のバターフィールド氏は、AI の影響により、テクノロジー コア以外の IT 活動が急増していると指摘しました。セルフサービス型データサイエンスおよび分析ツールから、企業向けの機能的なロボティックプロセスオートメーション (RPA) の導入、企業向けに開発された機械学習モデルまで、企業はシャドー IT 機能の面でその力を拡大しています。もちろん、「セルフサービス」と「シャドー IT」の定義とそれらの境界線は、組織の文化によって異なります。

3. データサイエンティストはITチームとより緊密に連携する必要がある

CRM などの一部の主流のエンタープライズ アプリケーションは、人工知能と自動化へと移行しています。しかし、より高度な AI アプリケーションの場合、IT チームとデータ サイエンティストのより緊密な連携の必要性がますます明らかになっています。 「組織にデータ サイエンティストが 1 人か 2 人しかいなかった時代は終わりました」と TIBCO の Rogers 氏は言います。「現在、データ サイエンス チームは成長しており、IT もそのチームの一部となっています。」

「企業が AI と分析機能の利用を拡大する準備を進めるにつれ、IT チームが理解しているシステム、データ、アプリケーションへのより深いアクセスが必要になります」と、Fractal Analytics のテクニカル サービス クライアント パートナーである George Mathew 氏は述べています。「AI 主導のソリューションを構築するには、データ サイエンティストとエンジニアの緊密な連携が必要です。それぞれの領域はそれぞれ奥が深い分野ですが、AI ソリューションを開発するために、2 つのチームが協力し、多くの場合、領域が重複して作業できるようにすることは可能です。」

4. ITチームとデータサイエンスチームはツールと戦略を共有する必要がある

「IT チームとデータ サイエンス チームのパートナーシップでは、専門知識ではないにしても、少なくとも親しみやすさのために、各チームが互いの技術とスキルを採用する必要があります」と Mathew 氏は述べています。

マシュー氏は、エンジニアは、ローカルデータセットからデータを抽出するためにソースコードを読み、探索的データ分析と特徴エンジニアリングを理解し、洞察を生み出すためにベイズ法などのアルゴリズムに精通する必要があると指摘した。企業の IT システムで実行できるようにコードをリファクタリングしてモジュール化するには、この知識が必要です。

代わりに、データ サイエンティストは、データベース コネクタまたは API を介してデータを取り込む方法、構造化ストレージにデータを保存および処理する方法、下流での使用向けにモジュール コードを記述する方法を学習する必要があります。

「共通の課題に対する理解が深まり、データ サイエンティストとエンジニアの連携が強化されました」とマシュー氏は述べ、組織内の複数のチームがこうした強力なパートナーシップのおかげで複雑な AI 関連ソリューションを実現できたと指摘しました。

5. AIガバナンスが焦点となる

企業が AI ベースの自動化やプロセスを導入するにつれて、直面する規制リスクや評判リスクが増大します。ガートナーは、AIに関連する潜在的な偏見や差別、その他の問題に対抗するためのポリシーを策定することの重要性を指摘した。

繰り返しになりますが、これはデータと IT のリーダーが協力できる分野であり、ガートナーは、データ ソースと AI の結果に対する信頼、データとアルゴリズムの透明性の要件、AI の倫理と精度をサポートするためのデータ、アルゴリズム、視点の多様性という 3 つの分野に重点を置くことを提案しています。