企業が人工知能を応用する際に直面する課題

[[340820]]

[51CTO.com クイック翻訳] 過去10年間、人工知能をめぐって大きな議論が行われており、大企業だけでなく中小企業も人工知能に注目するようになりました。

現在、人工知能は依然としてビジネス界で話題となっており、Google、Netflix、Amazon などの大企業は人工知能ソリューションと機械学習アルゴリズムから大きな恩恵を受けています。

世界の人工知能市場は2025年までに約1,260億ドルに達すると予想されており、これは巨大な市場です。

企業は AI の可能性を実現するために AI の導入に懸命に取り組んでいますが、さらなる課題にも直面しています。数え切れないほどのビジネス実践により、人工知能を統合することの重要性が証明されており、それが企業の運営の成功につながります。

Accenture のレポートによると、AI はビジネスの生産性を 40%、収益性を 38% 向上させることができます。

しかし、機会と課題は共存しています。人工知能が企業にもたらす課題により、人工知能をさらにうまく統合することが困難になっています。

Alegion の調査によると、現在 10 社中 8 社近くが AI および ML プロジェクトに取り組んでいるが、そのプロジェクトは停滞しているという。この調査では、回答者の 81% が、データを使用して AI をトレーニングするプロセスは予想以上に困難だったと認めていることも明らかになりました。これは、企業による AI の導入に関する期待が現実とは異なる可能性があることを示唆しています。

ここでは、企業が AI を導入する際に直面する 7 つの課題を紹介します。

1. データの課題

人工知能は大量のデータに依存します。ただし、データの量、データ収集、データのラベル付け、データの正確さが重要な役割を果たします。

なぜなら、AI ソリューションを成功させるには、データの質と量の両方が重要だからです。 AI が最適に機能するには大量のデータが必要であり、正確な予測を行うには洗練されたデータセットが必要です。

AI モデルは提供されたデータ標準に従ってのみ実行でき、提供されたデータを超えることはできません。

企業はさまざまなデータ課題に直面しています。まずはデータの量から始めましょう。

膨大なデータ

AI が賢明な判断を下すために必要なデータの量は膨大です。企業がこれまで以上に多くのデータを生成している現在、問題は、そのデータが AI のニーズを満たすのに十分かどうかです。特に、プライバシーとセキュリティ上の懸念からデータ収集が制限されている場合、そのデータは十分でしょうか。

報告書によると、回答者の51%がデータが十分ではないと答えた。これは、ほとんどの企業のデータ インフラストラクチャにとって課題となります。現在、AI モデルを実行するのに十分なデータがありますか? どうすれば、より多くのデータを生成できますか?

企業は、AI モデルのニーズに合わせて、利用可能なデータをさらに入手する必要があります。さらに、慎重に作成された合成データを使用することも役立ちます。

データ収集

データ収集にも、それなりの問題が伴います。不正確な回答、不十分な結論、偏った意見、データの不確実性などの問題は、AI の意思決定に影響を与える主な要因です。

ガートナーは、データ、アルゴリズム、管理チームなどの問題により、人工知能プロジェクトの 85% が誤った結果を生み出すと予測しています。

さらに、人工知能は女性や有色人種などに対して偏見を持っており、強い抗議を引き起こしている。しかし、AI には意識がなく、利用可能なデータに基づいて判断するだけです。これは人間の責任です。なぜなら、データは人間によって提供されており、人間には偏見や先入観があるからです。

データの収集方法によって、人工知能が使用できるデータの豊富さが制限されます。収集されたデータはすべての人を代表するものではないため、AI は不正確な決定を下すことになります。

ML モデルでは、正確な予測を提供するためにエラーのないデータセットが必要です。企業はデータを収集するために効果的なテクノロジーとプロセスを採用する必要があります。

データのラベル付け

AI モデルを使用するには、まずデータにラベルを付け、分類し、修正する必要があります。

人工知能には膨大なデータが必要であるため、データを効果的にラベル付けすることが難しく、企業の 96% が人工知能モデルのトレーニングに必要なデータのラベル付けで問題に直面しています。

Web ベースのデータ ラベリング ツールが利用可能です。たとえば、画像やビデオに注釈を付けるのに役立つ Computer Vision Annotation Tool (CVAT) があります。

2. 透明性の課題

簡単に言えば、AI による意思決定とは、ML アルゴリズムを使用して結論を​​導き出し、予測を行うことです。

複雑な AI の意思決定では、企業はブラックボックス問題に直面することになります。ブラックボックス問題では、ブラックボックス モデルが特定の結論にどのように到達するかが不明瞭になり、AI の正確性に対する不信感や疑念が生じます。

企業との信頼関係を築くためには、AI の決定の根拠を透明にする必要があります。その中でも、LIME メソッドはこの問題を解決するのに非常に役立ちます。

3. 労働力の課題

AI の統合は、その使用に高度なスキルのトレーニングが必要となるため、技術者以外の人にとっては困難に感じるかもしれません。したがって、職場での AI のシームレスな使用と標準化は、依然として達成が難しい目標です。

AIの導入により従業員の間に混乱が生じる可能性があります。 AI の必要性とは何でしょうか? このテクノロジーはどのように使用されるのでしょうか? AI は彼らの職務のどの部分を引き継ぐのでしょうか?

AI は敵ではなく、人間の洞察力に取って代わるものでもありませんが、AI の役割は依然として誤解されています。企業が人工知能を導入すると、従業員は脅威を感じ、ストレスを感じるようになります。常に機械と競争しているように感じることになり、職場の雰囲気に悪影響を与えることになります。

従業員が誤った考えや不安感を抱かないように、AI の導入がビジネスと従業員にとって何を意味するのかを総合的に理解できるようにします。

4. 専門知識の課題

専門知識の不足は、企業が AI を導入する上での大きな課題です。適切な人材を採用することが難しいため、ほとんどの導入者は AI に関わる技術的な詳細を認識していません。

デロイトが世界中の人工知能の早期導入者を対象に実施した調査によると、68%が中程度から深刻なAIスキル不足を報告しています。

AI は常に進化し進歩しているテクノロジーであり、AI スキルセットの不足は、企業が AI ソリューションをうまく導入できない原因の 1 つです。

デロイトは、現在の需要と供給に基づくと、米国では2024年までに25万人のデータサイエンティストの不足に直面すると予想している。

AI 導入を成功させるための前提条件は、データ サイエンティストを雇用することです。しかし、AI分野で優秀な人材を採用するのは困難です。さらに、企業は AI プロジェクトをアウトソーシングし、データ サイエンティストを必要としない AI プラットフォームを使用することもできます。

もちろん、データ サイエンティストのトレーニングは教育業界から切り離すことはできず、人工知能の応用を成功させるには、この分野での教育リソースと人材の蓄えが必要です。

5. 期待が現実を上回る

当然のことながら、AI がビジネスにもたらす可能性については多くの誇大宣伝が行われています。企業がトレンドを追ったり、過度に楽観的になったりすると、期待が現実を上回ってしまいます。

あなたの会社のビジネスにはどのような AI ソリューションが必要ですか? AI は万能ではなく、ビジネスのためにすべてを実行できるわけではないことを知っておく必要があります。残念なことに、多くの企業は青写真もなしに AI の波に乗っています。企業の AI ビジネス戦略は現在のビジネス目標と一致していますか? AI を導入するために企業はどのような準備をする必要がありますか?

AI モデルを正常に構築するには、ビジネス テクノロジーとデータ インフラストラクチャにおける既存の機能や専門知識などの要素が重要です。この部分の基礎が弱く、必要な効率が欠けていると、理想は満たされても現実は非常に貧弱なものになります。

6. ユースケースの課題

AI のユースケースの優先順位付けは、企業が AI を導入する際に直面する一般的な課題の 1 つです。

AI のアプリケーション市場は巨大ですが、企業にとって最も重要な優先ユースケースを選択することは困難です。

ガートナーの調査によると、人工知能は主に顧客体験の向上や詐欺対策に使用されています。

当初、企業は安全性と実験のために AI を業務のごく一部に限定していたため、企業の収益にはほとんど影響がなく、ビジネスにおける AI の投資収益率 (ROI) さえもわかりませんでした。

IDC によると、2019 年の市場シェアに基づく AI の主な使用例は、自動化された顧客サービス エージェント、販売プロセスの自動化、インテリジェンスおよび予防システムの自動化です。

7. 予算上の課題

すべての企業が AI モデルに投資するリソースを持っているわけではありません。

ハーバード・ビジネス・レビューのレポートによると、経営幹部の 40% が、AI プロジェクトの障壁は専門的な技術と人員が高すぎることだと述べています。

中小企業は無料または有料のシンプルな AI ソリューションを活用できますが、大企業では自社のビジネスユースケースに適したカスタム ソリューションを作成したいと考えています。カスタムソリューションの作成を検討している企業では、予算の問題が必ず発生します。

さらに、エンタープライズ ソフトウェア ベンダーとクラウド サービス プロバイダーは、インフラストラクチャ コストを最小限に抑えるために、すぐに使用できる AI サービスを提供しています。

結論は

AI の導入は企業にとって課題ではありますが、努力する価値は間違いなくあり、AI の開発とその応用は避けられないトレンドです。

AI が時間の経過とともに標準化され、インテリジェント化されるにつれて、これらの課題は障害ではなくなるでしょう。

時間とお金を投資する前に、AI がもたらす変化と混乱に備えてビジネスを準備することが重要です。

誰もが独自の仕事の習慣を持っています。従業員に従来の仕事の習慣から脱却し、人工知能を採用することを学ぶように求めるのは困難です。したがって、企業は計画的な戦略を策定する必要があります。

最後に、ビジネスの中核部分に AI を適用する実験を行うことで、AI によって達成された ROI を追跡および測定できるようになり、AI の貢献をより明確に把握できるようになります。

原題: ビジネスにおける AI 導入の課題、原著者: Mufeedah Abdulsalam

[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]