AIの開発パターンは「データ」から「知識」へと進化している

半世紀以上前に誕生して以来、人工知能（AI）革命は全世界に大きな影響を与えてきました。特に過去10年間で、AIは学術分野の研究分野から私たちの日常生活に欠かせないものへと変化しました。今日、私たちが慣れ親しんでいる AI ビジネス戦略は主にデータを中心に構築されており、独自のデータは AI 企業にとって最も戦略的なリソースの蓄えにさえなっています。しかし、今後数年間で、独自データはもはや独自の資産ではなくなり、独自データに基づく差別化の優位性は持続的に低下し続けることになります。したがって、世界全体がデータに基づく AI 戦略から知識に基づく AI 戦略へと移行する可能性があります。

[[345417]]

ビッグデータの発展は、多数のセンサーの配備、インターネット接続の普及、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面でのソフトウェアとハ​​ードウェアの大幅な改善の恩恵を受けており、これにより、AI技術のトレーニングは、小規模な学術研究プロジェクトから大規模な企業の生産レベルのアプリケーションへと変化しました。本質的に、ビッグ データを分析し、そこから知識や洞察を抽出するには複雑な AI モデルが必要であり、これらの AI モデルにはトレーニングと最適化のための膨大な量のビッグ データが必要です。そのため、現在、AI企業はデータを重要な戦略的備蓄として捉える傾向にあり、この傾向はベンチャーキャピタル分野でもますます一般的になりつつあります。実際、最近のスタートアップ企業の多くは、データ収集をビジネス戦略の中核に据えています。ますます多くの類似メーカーが、自社が保有する独自のデータセットと、他の独自データをさらに取得できるという長期戦略を強調し始めており、これを持続可能な参入障壁と見なしています。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 モデル開発が急速に商業化され、公開オープンデータセットが続々と登場するにつれて、人々が独自のデータフェンスを確立して守る必要性がますます高まっています。

今日のテクノロジー エコシステムでは、より高度な AI プログラムを持ち、独自のデータに対するより高度な制御力を持つ企業が、市場からより大きな利益を獲得することになります。これは、巨大かつ持続可能な競争上の優位性としても見られています。 Google や Netflix などの企業は、長年の事業運営を通じて大規模で信頼性の高いデータセットを開発、蓄積しており、他の無数の企業が羨望の眼差しを向けながら、その成功を再現したいと願って、彼らの後を追っています。しかし、Netflix の複雑かつ洗練されたデータ戦略を前に、競合するメディア サービス プロバイダーやドラマ制作会社は、到底それに対抗することができません。

しかし、データを交換する能力と意欲が高まることが予想されるため、今後 10 年以内には、独自のデータによって確立された参入障壁は維持できなくなると考えられます。データは今後も AI 価値エンジンの重要な原動力であり続けるでしょうが、AI ビジネス戦略においては知識がますます重要な役割を果たすようになるでしょう。

AIの価値ピラミッドを知識層まで押し上げる

AI の価値ピラミッドがあるとすれば、その基礎は間違いなくデータであり、上に行くほど知識の割合が大きくなります。現代は「情報は手元にあるが、知識は見つけにくい」時代であり、AIの価値ピラミッドを知識レベルまで押し上げることが必要になってきています。

実際、この傾向を促進し、加速させることを目的としたデータ交換の取り組みがすでに数多く行われています。私たちは、貴重な知識やビジネスの実現可能性と引き換えに、商品化されたデータを共有したいと考えています。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、つまりデータが一般的な商品になるということです。これを踏まえると、データを参入障壁として利用するという考えは打ち砕かれることになるでしょう。

モノのインターネット (IoT) デバイスが急増するにつれて、データ共有の可能性は新たな高みに達します。さらに、データの統合、共有、交換のための新しいテクノロジー、プロトコル、標準も進化していきます。将来的には、明確な動機と意欲がある限り、データを共有する能力自体が重要な利点となるでしょう。 AI テクノロジーの影響によりデータへの参入障壁が崩れるにつれ、より多くの組織が独自のデータを収集し、それを重要な商品として扱うようになるでしょう。もちろん、このようなデータの入手と使用は依然として困難であり、そのリターンは明らかではないため、戦略レベルで歪みが生じる可能性があります。これは、ほとんどの組織がすでに AI をビジネスの一部と見なしているものの、従来のスキルやコア専門知識の一部とは見なされていないためです。さらに、AI トレーニング エンジニア、開発者、製品マネージャー、マネージャーの長期的な不足もこの戦略的な不均衡を悪化させ、最終的には知識交換を目的としたデータ共有ソリューションが市場に広く認知されるようになるでしょう。

データ交換を通じて知識を生み出すというEUの最近の取り組みは、創造性と協力意欲の組み合わせの典型的な例です。彼らは、個人、企業、その他の組織が非個人データに基づいて洞察を引き出し、より良い決定を下せるようにする「単一データ市場」を確立し、それによって現在の主流のテクノロジー大手と競争することを望んでいる。

独自データの持続可能性に影響を与えるもう 1 つの大きな要因は、新しいデータ ソリューションの出現です。このようなソリューションにより、比較的小さなデータセットを使用したモデルのトレーニングが可能になります。合成データ ソリューション (生成的敵対ネットワークなど) やその他のサンプル最小化手法 (データ拡張など) により、企業は大量のデータを必要とせずに破壊的な AI 製品を構築できるようになる可能性があります。

知識開発戦略を確立する

AI革命の未来は、企業が生き残るために依存している現実の市場を再形成するため、ターゲットを絞ったビジネス戦略を確立する必要があります。データから知識への移行は、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参加者を含む、新しいフレームワーク、パートナーシップ、ビジネス モデルももたらします。この前例のないほど広大な市場に直面して、企業は知識要素に重点を置いた開発戦略を迅速に策定する必要があります。

• データ リザーブに代わる知識リザーブを構築し、この基本原則を将来のビジネス戦略の中核として検討します。企業や組織は、適切な質問をし、最も関連性の高い予測を見つけ、最も破壊的な AI アプリケーションを設計できる人が市場競争で優位に立てる、知識中心の時代に備える必要があります。

• AI テクノロジーをトップダウン方式で使用し、アプリケーション層と製品層を中心にビジネス システムを編成します。 AI モデルは、特定の垂直業界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基づいた特定のヘルスケア アプリケーションの開発、または車両管理、公共交通機関、その他の交通参加者向けの交通管理システムの構築などです。このようなソリューションを開発するには、豊富なドメイン固有の知識と実践的な経験を組み合わせ、コンテキスト情報と適切に調整された AI モデルを一致させる必要があります。

• データ収集の取り組みは短期的な戦術的な取り組みですが、知識に基づく交換とパートナーシップは、育成する価値のある長期的なビジネス戦略です。昨年、イスラエル革新庁は、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ビジネス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ました。このコラボレーションにより、スタートアップと病院の間で数十の特定のプロジェクトが確立され、病院間での生の（これまでほとんど使用できなかった）データの積極的な交換が促進されるとともに、スタートアップが新しい貴重な知識を蓄積するのにも役立っています。

• 最後に、知識指向型ビジネスへの移行は、組織内の人材戦略にも影響を与えるはずです。企業は、AIの将来の発展のために適切かつ賢明な人材管理戦略を策定する必要があります。一部のスタートアップ企業では、依然としてデータエンジニアや科学者の採用に多額の投資を行う必要がありますが、理想的なアプローチは、AIチームを、AI知識パートナーシップの確立と推進、AIベースのアプリケーション/製品の発明、AI革命の明るい展望の創造的な探求を担当する管理チームとして設計することです。これらすべては本質的に、データ中心から知識中心へのアーキテクチャの再設計を表しています。さらに、AI チームは、人々が活動するドメインのコンテキストを理解できるように支援する必要があります。重要な点は、各チームメンバーが、単なる AI エキスパートの役割を果たすのではなく、総合的なアプローチを通じて AI と特定の機能領域に関する理解を最大限に活用できるようにすることです。

要約すると、AI の将来は、独自のデータセットを重視することから、組織間でデータを共有して知識を生み出すことへの移行にかかっています。関連する 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の要素を正しく組み合わせて、自社のビジネスが最も重要かつ中核的な差別化リソースである知識に深く根ざしたものにする必要があります。