AIの世界はデータから知識へと移行しており、独自のデータセットは組織間で共有されるデータへと移行している。

人工知能（AI）革命は半世紀以上前に始まりました。過去 10 年間で、人工知能は学術科学の領域から私たちの日常生活に欠かせないものへと進化しました。私たちが目にするより一般的な AI ビジネス戦略は、データを中心に構築されています。私たちは、独自のデータが今日の AI 企業にとって最も戦略的な防御壁であると考えていますが、今後数年間で独自のデータは独自の資産ではなくなり、独自のデータによる差別化は持続不可能になります。したがって、重点はデータに基づく AI 戦略から知識に基づく AI 戦略に移ると予想されます。

[[343073]]

多数のセンサーの導入、インターネット接続、コンピューティング能力、通信機能、デジタル ストレージのハードウェアとソフトウェアの改善によって実現されたビッグ データの進歩により、AI は小規模な学術研究プロジェクトから大規模なエンタープライズ生産アプリケーションにまで拡張できるようになりました。本質的に、ビッグ データを分析して知識と洞察を得るには複雑な AI モデルが必要であり、AI モデルにはトレーニングと最適化のために大量のビッグ データが必要です。そのため、現時点では、データは AI スタートアップにとって十分な戦略的防御壁であると一般的に考えられています。ベンチャーキャピタリストとして、私たちはこの現象を常に目にしています。近年、多くのスタートアップ企業がデータ取得をビジネス戦略の中核に据えるようになりました。これらの企業は、持続可能な参入障壁として、獲得した独自のデータセットと、その他の独自データを獲得するための長期戦略を強調する傾向が強まっています。さらに、AI ツールや AI-as-a-Service プラットフォームによって AI モデルの開発がコモディティ化され、公開データが普及するにつれて、データの堀を構築して守る必要性が明らかになりました。

今日のテクノロジー エコシステムでは、先進的な AI プログラムと独自のデータの管理能力を備えた企業に市場からますます高い評価が寄せられており、これは大きな持続可能な競争上の優位性となっています。 Google や Netflix などの企業は、長い時間をかけて大規模で信頼性の高いデータセットを開発し、管理してきましたが、他の多くの企業は成功するために無駄な努力をしてきました。一例として、Netflix の洗練されたデータ戦略でも克服できなかった、競合メディア サービス プロバイダーや制作会社による大規模な混乱が挙げられます。

しかし、データを交換する能力と意欲が今後ますます高まると予想されるため、10 年以内には、独自データの堀を維持することは難しくなると考えています。データは引き続き AI の価値エンジンの原動力となりますが、AI ビジネス戦略はますます知識に重点を置くようになります。

AIの価値ピラミッドを知識層まで押し上げる

AI の価値ピラミッドはデータに基づいており、知識によって推進されます。現在、「私たちは情報に溺れながらも知識に飢えている」が、AIの価値ピラミッドは知識層にまで押し上げられると予想されている。実際、データ交換の創出を通じて、この傾向を促進し、加速させる進歩がすでに見られ始めています。貴重な知識と引き換えに商品化されたデータを共有する実現可能性と意欲が高まり、データ交換が促進されることを期待しています。つまり、データはより豊富になり、より入手しやすくなり、より信頼性が高くなり、より標準化され、より安価になります。まさに、望ましい商品の完璧な定義です。将来的には、データを持続可能な参入障壁として利用することがより困難になるでしょう。

モノのインターネット (IoT) を介したデータ ソースの急増により、データ共有の実現可能性が加速します。さらに、データの結合、共有、交換のための新しいテクノロジー、プロトコル、標準もあります。今後、データを共有する意欲と意欲が高まれば、データを共有する能力は本当に重要になるでしょう。 AI が競争参入に対する従来の障壁を破壊し破壊するにつれ、多くの組織が独自の独占データを収集し収益化しようと執拗に試みています。このデータの取得と活用は容易ではなく、また実りもないため、戦略的な不協和が生じます。これは、AI がほとんどの組織にとってますます不可欠なものとなっている一方で、従来のスキルや中核的な専門知識の一部ではないためです。さらに、AI のトレーニングを受けたエンジニア、開発者、製品オーナー、マネージャーの慢性的かつ長期的な不足がこの矛盾を悪化させ、知識交換を目的としたデータ共有ソリューションが好まれるようになっています。

知識を生み出すためのデータ交換を通じて能力と意欲の統合を生み出す一例として、欧州連合による「単一データ市場」の創設という新たな提案が挙げられます。これは、個人以外のデータから得た洞察に基づいて、人々、企業、組織が現在のテクノロジー大手と競争するために、より良い意思決定を行えるようにするものです。

データモートがますます持続不可能になるもう 1 つの要因は、より小さなデータセットをモデルのトレーニングに使用できるようにする新しいデータ ソリューションの発明です。合成データ ソリューション (一般化敵対的ネットワークの使用など) やデータ拡張などのその他の最小化手法により、企業は大量のデータを必要とせずに破壊的な AI 製品を作成できるようになる可能性があります。

知識戦略の構築

AI革命の未来は、企業に新たな現実をもたらし、ビジネス戦略の見直しを必要とするでしょう。データから知識への移行により、知識創造のためのデータ、情報、AI モデル、ストレージ、コンピューティング能力を提供するさまざまなプレーヤーを含む新しいフレームワーク、パートナーシップ、ビジネス モデルが生まれます。今後 10 年間で従来のデータの堀は持続不可能となり、知識が AI の真の価値推進力となるため、企業は知識に重点を置いた戦略の開発を開始すべきだと私たちは考えています。

• データの堀ではなく知識の堀を構築することは、将来のビジネス戦略の中核となるべき基本原則です。企業や組織は、適切な質問をし、最も関連性の高い予測を探し出し、最も破壊的な AI ベースのアプリケーションを設計する企業が勝者となる知識中心の時代に向けて準備を始める必要があります。
• AI を徹底的に活用し、アプリケーション層と製品層を中心にビジネスを整理します。モデルは、特定の業種と仮定に基づいて開発およびトレーニングする必要があります。たとえば、画像診断、診断、遠隔医療、薬理学、その他の臨床アプリケーションにおける特定のヘルスケア アプリケーションの開発、または車両管理、公共交通機関、その他の側面におけるモビリティの開発などです。これらのソリューションの開発は、特定の分野における深い知識と実践的な経験、そして状況に応じた知識と適切かつ十分に調整されたモデルに基づいて行われます。
• データ収集の取り組みは短期的な戦術的追求としてのみ考えるべきであり、知識ベースの交換とパートナーシップは長期的なビジネス戦略として育成されるべきです。実りある例の一つは、昨年、イスラエル革新庁が病院とテクノロジー系スタートアップ企業間の知識ベースのコラボレーションを可能にするパイロットプログラムを立ち上げたことだ。この連携により、新興病院間で多くの取り組みが生まれ[12]、病院間での生の（そしてほとんど使われていない）データや、新興病院によって生み出された新しい貴重な知識の交換が促進されました。
• 最後に、知識へのシフトは組織の人材戦略にも影響を与えるはずです。企業は、AI の将来を見据えた適切かつスマートな HR 戦略を策定する必要があります。一部のスタートアップでは、希少かつ高額なデータエンジニアや科学者を大量に雇用する必要がある一方で、賢明な企業の AI チームは、AI 知識パートナーシップの追求と推進、AI ベースのアプリケーションや製品の発明、そしてデータ中心から知識中心へと再考された AI 革命の明るい展望の創造的探求を目的とした管理チームとして設計されるべきです。さらに、AI チームは、自分たちが活動するドメインのコンテキストを人々に認識させる必要があります。これらのコンテキスト チーム メンバーは、単なる一般的な AI の専門家になるのではなく、AI と特定のドメインに対する理解に基づいた総合的なアプローチを採用する必要があります。

全体的に、AI の将来は、独自のデータセットを重視する方向から、組織間でデータを共有して知識を生み出す方向へと移行することにかかっています。 AI 戦略を成功させるには、企業はデータ、情報、AI モデル、ストレージ、コンピューティング能力などを適切に組み合わせて、ビジネスを知識に基づいて維持する必要があります。