AIと高度な分析を実装し、テクノロジーの変革的影響を理解する方法

新型コロナウイルス感染症のパンデミックが新たな課題をもたらしているため、組織はパンデミックによるビジネスへの影響を最小限に抑えるために、より多くのアドバイス、より多くのデータ、より多くの可視性を必要としています。

パンデミックが社会や生活に影響を及ぼすずっと前から、データは顧客サービスの向上のための重要な資産であると考えられていました。組織は、従業員と顧客のエクスペリエンスを向上させるために、膨大な量のデータからより具体的な価値を引き出すことに依然として苦労しています。

[[334300]]

データ サイロ、レガシー システム、そしてペースの速い機敏な競合相手はすべて、組織のデータを活用して最も重要な価値を生み出すことを求めています。多くの組織は、大きな課題に直面し、データによるイノベーションのニーズを満たすために、パートナー エコシステムを使用し、人工知能や高度な分析などのさまざまなテクノロジーを活用する必要があることに気づき始めています。

業界標準の採用からグラフ データベースの使用、AI と高度な分析の実際の使用例まで、6 人の業界専門家が AI と高度な分析の変革的影響について探りながら、これらのテクノロジーの実装方法を説明します。

1. データ戦略をビジネス目標と一致させる

Pure Storage の EMEA CTO、Patrick Smith がデータの価値について説明します。彼は、それが現代の通貨の中で最も価値のあるものであると述べた。

しかし、彼は次のように指摘しています。「大量のビジネス データは、迅速に処理、読み取り、理解できて初めて実用化されます。この意味で、高度な分析はデータ処理の重労働を担い、ビジネス変革の取り組みをサポートし、あらゆる種類の組織のパフォーマンスと成果の向上に役立ちます。」

それにもかかわらず、ほとんどの組織にはインフラストラクチャや分析ソフトウェア、あるいは AI や高度な分析を効果的に実装するための専門知識が欠けているとスミス氏は強調した。

これを克服するには、組織はデータ戦略をビジネス目標と一致させることに重点を置き、テクノロジー パートナーと協力して、高速でスケールアウト可能な使いやすいインフラストラクチャを備えた最新のデータ エクスペリエンスを提供する必要がある、と彼は説明しました。

2. 手作業のプロセスを排除する

過去 10 年間、ビジネス インテリジェンスは履歴データから洞察を得るために使用されてきましたが、最近まで、これらの分析手法は主に手動で行われていました。

世界的な技術調査・アドバイザリー会社 ISG のディレクター、ウェイン・バターフィールド氏は、ビジネスリーダーたちが人工知能 (AI) によって手動プロセスを排除し、洞察の質を向上させる可能性を受け入れているため、状況は変わりつつあると説明しています。

「データ駆動型の洞察（過去のデータを使用して将来の結果を予測する）は、データ、高度な分析、AI を組み合わせて、収益、需要、供給などの分野での予測的な洞察に基づく意思決定を変革します」と彼は言います。「まだ初期段階ですが、自動機械学習（AutoML）テクノロジーは、大規模なデータ サイエンティストのチームを持たないが、データ分析の価値を理解している組織にとって参入障壁を下げています。」

Kortical.io や Data Robot などの自動機械学習 (AutoML) ツールについて、バターフィールド氏は次のように説明しています。「高度な AI モデルが比較的単純な RPA タイプのプロセスに投入され、その予測に基づいてアクションが実行されるようになったため、これらのツールは自動化センターオブエクセレンスでますます人気が高まっています。」

3. 完全なビュー

データから価値を引き出すことは、困難な作業ではないはずだと、OpenText の人工知能担当ヨーロッパ営業ディレクター、ケリー・ヒース氏は言います。

彼女は次のように述べています。「高度な AI 分析を導入することで、組織はリアルタイムで価値を生み出し、それを視覚的でインタラクティブな形式で提供できるため、ユーザーは製品、トピック、イベント、トレンド、さらにはテーマや感情を簡単に予測できます。この非構造化データを完全に理解し、それをエンタープライズ システム内の構造化データとリアルタイムで組み合わせることによってのみ、組織はエンタープライズ デジタル エコシステムをより効果的に分析、理解、管理できます。その結果、組織はデータ ガバナンスを確保して実装するためのツールも自ら提供できるようになります。」

4. 必要な業界標準

セルドンのエンジニアリングディレクターであるアレハンドロ・サウセド氏は、高度な AI と分析技術の導入が社会に大きな影響を与えていると考えています。

しかし、サウセド氏は、AIが適切に実装されなければ、特にサイバーセキュリティ、プライバシー、信頼の低下に関しては、組織に悪影響を及ぼす可能性があると指摘した。

彼は次のようにアドバイスしています。「AI を最適に実装し、それが経済と社会に純利益をもたらすようにするには、業界固有の標準と目的に合った規制の枠組みを策定する必要があります。透明性と強制力のある枠組みが鍵であり、技術系と非技術系の両方の関連する専門家が、その開発と更新に継続的に関与する必要があります。」

彼は、人工知能は未来を予測することはできないと指摘した。例えば、最先端の人工知能技術であっても、伝染病の発生やそれが世界に与える影響を予測することはできない。しかし、今日の AI モデルは、パンデミックの影響を含むこの期間のデータを活用して、将来の予測を行うことができるようになります。

5. グラフデータベース

「分析の論理的展開は、すべてのデータに保存されている関係性とネットワーク構造を使用することです。これは、予測力が非常に高いことが証明されています」と、グラフ データベース プロバイダー Neo4j の分析および AI プログラム マネージャーであるエイミー ホドラー氏は述べています。「これは分析と AI を変革します。なぜなら、システム ダイナミクスやグループ行動など、利用できるデータが少ない複雑な問題を解決するには、接続性に基づく学習が必要だからです。」

企業はグラフ データベース内の接続されたデータの分析情報を活用して、リレーショナル データベースでは不可能な効率性と柔軟性を実現できます。グラフ データベースは関係性を保存および計算するように構築されているため、不正行為を示すやり取りの特定、類似のエンティティまたは個人の識別、患者または顧客の行動に最も影響を与える要因の発見、さらには IT 運用の改善など、貴重で微妙な予測を行うことができます。 ”

彼女はさらにこう続けた。「データ サイエンティストがグラフ アルゴリズムを使用して、データ パターンを通じて複雑なシステムの自然な状態を理解し、予測の精度を向上させると、力が得られます。AI が予測データをより柔軟な構造に自動的に変換すると、より柔軟な予測構造が提供されます。」

6. AIと高度な分析の実践：保険業界

生命保険業界は、AI と高度な分析を使用して変革できる多くの業界のうちの 1 つにすぎません。 Munich Re Automation Solutions の EMEA 担当エグゼクティブ バイスプレジデント、Paul Donnelly 氏が、生命保険業界における AI と高度な分析の応用について説明します。

同氏は次のように述べた。「保険業界には、顧客体験を低下させる手動プロセスやバックオフィスの手順があふれています。そもそも生命保険を買いたいとは思わないでしょうが、複雑なプロセスは現代のデジタル ユーザーを引き付けるのに決して役立ちません。ここで AI とデータ分析の出番です。これらの高度なテクノロジーは、さまざまな理由でエンド カスタマー ジャーニーを最適化します。たとえば、AI を活用すると、顧客に個人的な質問を延々と繰り返すのではなく、顧客に関連する質問に誘導することができます。マウスを数回クリックするだけで、ほとんどの欲しい商品を数分で簡単に購入できる世界では、長い生命保険のプロセスは単純に魅力的ではありません。

さらに、高度な分析により、保険会社は膨大な申請者データを活用し、それを実用的な洞察に変換することができます。これらの洞察により、保険会社は引受ルールをリアルタイムで変更できるようになり、顧客の利便性を考慮した面接プロセスを設計、改善、合理化し、顧客の引受時間を短縮できるテクノロジーが生まれます。 ”