スタートアップ企業の皆様、人工知能は本当に必要ですか?

この記事は公開アカウント「Reading Core Technique」（ID: AI_Discovery）から転載したものです。

人工知能業界は数十億ドルの投資を集めており、多くのスタートアップ企業が人工知能の助けを借りて革新と競争上の優位性を獲得することを望んでいます。その戦略はシンプルに思えました。人々の生活における長年の課題を見つけ、機械学習を使ってそれを解決するというものでした。

[[339271]]

Google、Facebook、Netflix、Uber はすべてそれを実行しました。では、人工知能を試してみてはいかがでしょうか? 当然の選択のように思えます。少なくとも、あなたの新しい戦略には、起業家としての成功に必要な流行語である「人工知能」が含まれています。

実際、人工知能はユーザーエクスペリエンスに関連する無数の問題を解決してきました。しかし、AI の恩恵を受けず、AI の適用によってさらに悪化する可能性のある問題もいくつかあります。この記事では、人工知能がビジネスに適しているかどうかを評価するのに役立つ意思決定プロセスについて説明します。

ニーズを特定する: AI への投資は価値を追加しますか?

今日の起業家は、「AI を使って X を解決するにはどうすればよいか」という質問からスタートアップの旅を始めることがよくあります。これは良い出発点かもしれませんが、ユーザーや顧客に独自の価値を提供しなければ、最高の AI システムであってもリソースの無駄になってしまいます。したがって、最優先事項は、AI が独自の価値を追加できる場所を評価することです。

AIはピザ推奨プラットフォーム、年齢推測アプリ、さらには偽猫写真ジェネレーターにも活用できますが、重要な問題はAIが問題を意味のある独自の方法で解決しているかどうかです。

AI における解決主義、つまり AI をそれ自体の目的のために使用するという考え方は、マズローとカプランの有名な理論で明確に表現されています。「小さな男の子にハンマーを与えると、彼は遭遇するものすべてを叩く必要があると気づくだろう。」

では、AI が現在の問題を解決するのに適しているかどうかをどのように判断すればよいのでしょうか? ユーザーのニーズを満たすには、AI によるソリューションが必要ですか? 製品と市場の適合性と同様に、AI とユーザーの適合性も考慮する必要があります。

ユーザー調査を実施し、調査データを確認し、ユーザーの生活を観察することで、製品哲学をテクノロジー第一から人第一に転換することができます。つまり、「できるから」AI を使用するのではなく、「ユーザーの中核的なニーズを独自に解決できるから」AI を使用するように転換するということです。

AI を使用する動機に正しいものも間違ったものもありません。しかし、顧客がより簡単取引を行えるように AI 搭載の顧客チャットボットを立ち上げることと、単に現在人気があるという理由だけでチャットボットを立ち上げることは別の話です。

IDEO のデザイン ツールキットと Google の People + AI ガイドは、AI が独自の価値を追加できるユーザーの問題を特定するのに役立ちます。

プログラミングルールとヒューリスティック

ユーザーの抱える問題の中には、複雑な AI モデルではなく、ヒューリスティックや明示的にプログラムされたルールを使用して解決する方が最適なものもあります。Instagram や TikTok などのアプリがフィードを整理する方法を考えてみましょう。

フィードをキュレートする方法の 1 つは、推定されるユーザーの興味、個人情報、アプリとの過去のやり取りを考慮して、ML 予測モデルを使用して、特定のユーザーが最も好むコンテンツを予測することです。 ML モデルは、予測されるエンゲージメントに基づいてすべてのコンテンツをランク付けし、個々のユーザーに最も「関連性の高い」コンテンツを表示します。

あるいは、ヒューリスティックを使用して、機械学習を使用せずにソーシャル フィードの並べ替えの問題を解決することもできます。最初に最近公開されたコンテンツのフィードを表示することを検討してください。一部の調査では、ユーザーは実際には一貫性と制御性が向上する時系列のフィードを好む可能性があることが示されています。

また、Imgur のような人気画像掲示板や Reddit や Digg のようなアグリゲータ サイトの投票システムと同様に、ユーザーが自分でコンテンツに手動で投票できるようにすることも可能です。この場合、AI はユーザーに対する透明性と予測可能性の維持に逆効果となる可能性があります。ユーザーは、「客観的な」ユーザー評価が不透明な AI レイヤーによって影響を受けていると感じると、その評価を信用しなくなります。

ユーザーに結果をコントロールさせる

AI 製品には、タスクを完全に自動化しようとするものと、ユーザーが自らタスクを完了する能力を強化しようとするものの 2 つの基本的なタイプがあります。

自動化は、作業が反復的であったり計算が複雑な場合に特に役立ちますが、タスクの拡張は、正確性や説明責任のために人間の判断が重要な場合に最も役立ちます。このような AI と人間のパートナーシップは、人間が自分で作業を行うことを好む場合や、作業に対して個人的に責任を負う必要がある場合に特に成功します。

どちらの場合も、ユーザーはアルゴリズムによる予測だけに頼ることに消極的であることがわかります。研究によると、人間の専門家は人工知能よりも間違いを犯しやすいにもかかわらず、人々は人工知能よりも人間の専門家を信頼する傾向があるそうです。 AIの意思決定プロセスは技術的に説明されても、多くの人には理解できないことがよくあります。したがって、製品の AI モデルに対する信頼の構築は、慎重なコミュニケーションを通じて促進されなければなりません。

たとえば、アプリが AI を使用してレストランを推奨する場合、ユーザーが食べ物の好みを自己申告したり、訪れた場所に関するフィードバックを提供したりできるオプションを提供することを検討することをお勧めします。

ユーザーの特定の趣味や嗜好に完全に一致する推奨事項を提供するための最良の方法は、単にユーザーに何が好きかを尋ねることです。たとえそれが偏った自己申告の好みを使用することを意味するとしても、これは（誤った）推測された趣味に基づく ML モデルの予測よりもはるかに効果的です。

ユーザーにコントロールを任せる

アプリが AI を使用して新しい映画を提案する場合、推奨を生成するために使用されたデータの一部を削除またはリセットするオプションをユーザーに提供することを検討するのが賢明です。ユーザーに主導権を握って AI のインタラクションを理解して管理してもらうことで、信頼が構築されます。さらに、共創によって製品全体の価値を高めることができます。

その他の説明可能なアプローチとしては、データ ソースの明確化、説明とユーザーの行動の関連付け、プロの UX ライターやコンテンツ ストラテジストとの緊密な連携、AI 出力を制御するツールのユーザーへの提供などがあります。

AIは魔法ではない

ユーザーがスマートホームデバイスに世界についての質問をすると、まるで魔法のように、肉体のない声が明瞭な答えを返します。 Alexa、Siri、Alice、Google Assistant などの音声アシスタントは、他の誰よりも多くのことを知っており、いつでも質問に答える準備ができています。しかし、パーソナライズされた非常に役立つ情報を提供するための最良の方法は何でしょうか?

AI を一種の魔法として売り込むのは魅力的かもしれませんが、現実にはそのような魔法はまだ存在していません。アーサー・C・クラークのよく引用される技術の第三法則「十分に進歩した技術は魔法と区別がつかない」とは反対に、魔法の概念を伝えてもユーザーの役には立たず、投資家に感銘を与えることにもなりません。

「AI マジック」は、説明できない、あるいは全能の力のイメージを呼び起こす比喩であり、AI が何ができて何ができないかについて非現実的な期待を抱かせがちです。このような見当違いの期待は、最終的に失望につながります。

擬人化された AI アシスタントは、直接的または間接的に、仮想アシスタントが人間と同等の幅広い能力を備えているとユーザーに信じ込ませ、この問題を悪化させる傾向があります。 AI を万能の仮想アシスタントとして紹介するのではなく、アシスタント製品の具体的な機能と、それがユーザーの目標達成にどのように役立つかを強調することを検討してください。これにより、ユーザーは AI 製品の進化する機能に関するメンタルモデルを徐々に更新できるようになります。

バランスを見つける

AI の魔法についての包括的な発言と、基礎となるテクノロジーの詳細な技術的説明との間には微妙なバランスがあります。専門用語が多すぎると、ユーザーが製品の仕組みを理解しようとするのではなく、製品の使い方を学ぼうとするときに邪魔になります。

Google の航空券価格分析機能は、複雑な機械学習とユーザーのニーズのバランスをとる典型的な例です。このインターフェースでは、「ディープラーニング」や「データ処理」についてはまったく触れられていません。代わりに、価格分析ツールは、現在の航空運賃が低いか、平均的か、高いか、および最近の価格動向に関する役立つヒントをユーザーに提供するだけです。

この例では、複数の UX デザイン要素が連携して AI 予測を説明し、信頼を育む方法も示しています。

商品が発売されました！次は何をすればいいでしょうか？

人工知能のユーザーエクスペリエンスは以前とは異なります。 AI 製品は時間の経過とともに適応し、改善していきます。つまり、ユーザーは製品の動作方法に関するメンタルモデルを調整する必要があり、製品の所有者も適応する必要がある可能性があります。

たとえば、AI を使用して製品のソーシャル フィードをキュレートおよびフィルタリングしている場合、製品のライフサイクルのある時点で、AI が重要なニュース記事よりもクリックベイト コンテンツや猫の動画を優先することを学習していることに気付く場合があります。つまり、ユーザーのニュース フィードが多様で一貫した品質であることを保証するために、リリース後に最適化の目標を再考する必要がある可能性があります。

ML モデルが特定のユーザーについてより多くを学習するにつれて、新しい機能がより多くの価値を提供できるようになり、製品所有者は発生する新しい使用パターンに適応する必要があります。継続的にユーザーの声に耳を傾け（厳密にプライバシーやカリキュラムの範囲内で）、幸福度追跡調査、実行すべき仕事の追跡調査、最優先事項調査などの評価調査を実施することで、製品の成功を追跡および測定します。

これらの推奨事項の背後には、人間中心の AI の約束があります。 Google の People + AI ガイドは、人間中心の AI 製品の設計方法に関する例やアドバイスがさらに多く掲載された、オープンで無料のリソースです。

ユーザーの信頼を獲得し、人間中心の人工知能製品を構築する方法は、AI の活用を目指すすべてのスタートアップが最初に検討すべき問題です。