組織内の AI スキルを向上させる 3 つのステップ

[[350689]]

今日、ほとんどの組織は人工知能が遍在する世界に向けて準備を進めています。この進化には、ビジネスリーダーとテクノロジリーダーが組織に新しいテクノロジ機能の理解、それらを活用するための技術的スキル、従来の IT ワークフローへの新しいアプローチへの重点を身につけさせることが求められます。しかし、AI スキルの不足は AI 導入における最大の障壁の 1 つです。大学を卒業するプロのデータサイエンティストや AI 実践者の数が記録的であるにもかかわらず、企業は依然として優秀な人材を見つけて引き付けるのに大きな困難に直面しており、AI スキルアッププログラムが優先事項となっています。

AI の世界における組織にとって、スキルアップとは何を意味するのでしょうか?

あらゆるビジネスは最終的には AI ビジネスになります。どの企業も、従業員の AI スキルを向上させる必要があることを認識しています。しかし、組織は、AI スキルの向上が何を意味するのか、また、これらのスキルを開発するために具体的にどのようなアクションを取る必要があるのかを判断するのに苦労しています。 AI の世界における組織にとって、スキルアップとは何を意味するのでしょうか?

人工知能は単一のものではありません。それは一連のスキルや組織内の単一の役割によって定義されるものではありません。

一部のスキルは比較的単純かつ基本的なものであり、組織全体で幅広く開発する必要があります。その他のものはより複雑で、高度なスキルを持つ専門家の小規模なグループに集中しています。多様なスキルを持つ複数の役割が、最終結果に重点を置いた統一されたフレームワーク内でどのように作業を調整し、調整できるかを理解することが重要です。

AIの知識、コンテキストAIの知識、AIソリューション構築能力を構築する

従業員のスキルを向上させるプログラムを開発する組織は、全員の基礎から始めて、特定の役割のより複雑なレベルの専門化にまで掘り下げ、スキルの向上に重点を置く必要があります。このスキルの向上は、AI の知識、コンテキスト AI の知識、AI ソリューションを構築する能力という 3 つの主要な層で構成されていると考えられます。

人工知能リテラシー

これらのスキルは、データの概念的理解、AI 対応または AI 駆動型ツールを操作する能力、組織内で AI を活用する機会を特定する能力を重視し、組織全体で幅広く開発する必要があります。

これらの目標は、次のことができる技術者と非技術者の両方を対象とする必要があります。

データを情報として読み取り、理解し、作成し、伝達し、批判的に考えてデータ内の関連する洞察を見つけ、データに惑わされて有害で誤った結論を導き出すリスクを最小限に抑えながら、グラフやチャートから洞察を理解します。
AI テクノロジーとプロセスがビジネス目標にどのような影響を与えるかを特定し、どのテクノロジーが適切かを特定し、どのようなデータが必要かを特定し、AI がビジネスをどのようにサポートできるかを理解します。このスキルには、予測、自然言語処理、視覚および音声認識に重点を置いたテクノロジーを活用する方法と、データを戦略的資産として見る方法に関する専門知識が必要です。
さまざまな役割の作業を調整するために使用される方法を理解し、習得します。AI には、反復と実験の文化、およびビジネスと技術のワークフローに関する深い考察が必要です。

コンテキストAI知識

次のレベルのスキルには、AI テクノロジーの機能を取り入れ、それを他の領域に注入することが求められます。重点は、AI 技術を使用してドメイン戦略を開発し、事前に構築された AI モデルを使用して入力と出力を管理することにあります。このフェーズでは、開発、データエンジニアリング、データサイエンティストなど、技術チームと非技術チームの両方でいくつかのスキルを開発する必要があります。

組織は次のことができる必要があります。

ビジネスチャンス、データ戦略、およびドメイン固有のビジネス目標内で AI モデルが新しい価値を生み出す方法を特定するためのプロセスを開発します。
特定のビジネス目標を達成するために AI が適切なアプローチである場合を特定し、影響と実装の容易さに基づいてユースケースに優先順位を付けて選択し、ビジネスの優先順位に基づいてビジネス目標に沿って AI 実装を推進するための KPI を定義します。
特定の問題を解決できる AI 機能の種類を特定し、AI モデルのトレーニングに使用できるさまざまな種類のデータを識別します。このスキルは、潜在的な新しいデータセット (構造化および非構造化、外部および内部、オンプレミスまたはクラウド) を調査し、データパイプラインとデータアクセスプロセスを定義する絶好の機会を提供します。
事前に構築された AI モデル (NLP、視覚認識) とフレームワーク (Tensorflow、Keras) を活用して、ソリューションの構築を加速します。
確率的な環境で意思決定を行い、リスクを適切に管理する方法を学びます。

AIソリューションの構築

スキルの次のフェーズでは、AI ソリューションの構築と、エンドツーエンドの AI 制作プロセスを管理するために必要なスキルの開発に重点が置かれます。データサイエンスの役割は AI 制作サイクルの中核であり、他のビジネスおよび技術関係者がさまざまな段階で重要な役割を果たします。データサイエンティストとその関連関係者は、通常、次の業務を行います。