企業に利益をもたらす 5 つの AI トレンド

[[358096]]

市場の状況がますます複雑化する今日の不安定なビジネス環境では、組織が分析に基づく意思決定を行うためにデータを収集してマイニングするだけではもはや十分ではありません。競争力を高め、損失を軽減するために、多くの組織が、特に人工知能 (AI) の推進により、急速にデータを収益化しています。実際、新興の AI は、先進的な企業が真の俊敏性を実現・維持し、成長を促進し、これまで以上に競争力を高めることに役立っています。

人工知能はこれらの目標を達成するために不可欠であり、コロナウイルスの流行が世界中の多くの国や地域で依然として拡大している中、潜在的な危機に備え、対応する上で極めて重要な適切な予測を行うことができます。実際、調査会社ガートナーは最近、「よりスマートで、より高速で、より責任ある AI」を、特にパンデミック後の将来に備えるために必要な投資を行おうとしている組織にとっての最大のトレンドとして挙げました。ガートナーは、パンデミックへの対応を超えて、AI がもたらす影響の大きさを強調し、「2024 年末までに、企業の 75% が AI パイロットから運用 AI に移行し、ストリーミング データと分析インフラストラクチャが 5 倍に増加する」と予測しています。

「パンデミック後の世界で革新を起こすには、データと分析のリーダーは、前例のない市場の変化の中で成功するために、処理とアクセスの面で分析の速度と規模を継続的に改善する必要がある」と、ガートナーの副社長兼アナリストであるリタ・サラム氏は述べた。

しかし、特に世界規模で効果的に競争することを目指す組織にとって、機械学習 (ML) や自然言語処理 (NLP) などの AI 技術を採用して洞察を収集し、予測を行うだけではもはや十分ではありません。今日の組織は、収益と利益に直接的かつプラスの影響を与える AI 主導のデータ リテラシーの文化を構築するよう努める必要があります。

「データ収益化に注力する企業が、将来を見据えた事業運営と資産の拡大を図り、データバリューチェーンを拡大できるよう支援するために、機械知能を有効にして強化し、従来のプロトコルよりもスマートで高速、かつ責任あるものにするための重要な方法がいくつかあります」と、データの推進と収益化を目的とした自動データサプライチェーンの構築に注力するAIソリューションプロバイダー、CLOUDSUFIの創設者兼CEO、Irfan Khan氏は述べた。

Khan 氏は、AI データ駆動型の洞察と技術を活用して真の価値、つまり新しい進化するビジネス モデルを推進し、組織の収益と収益性の向上を可能にする洞察を生み出す 5 つのメリットについて詳しく説明します。

1. 新たな市場機会を発見する

今日の機械学習機能により、これまでアクセスできなかったデータを前例のない速度で探索できるようになりました。現在のテクノロジーでは、数字だけでなく、画像、音声、または書面による入力を分析する機会が提供されており、組織はこれらの異なるデータセット間のつながりをより適切に見つけることができます。これにより、さまざまな方法で価値を生み出し、最大化することができます。経費を大幅に削減できるだけでなく、新たな市場機会も創出できます。コロナウイルスの流行を例に挙げると、このアルゴリズムは大量のデータを素早くふるいにかけ、類似の病気や可能性のある治療法を特定し、コロナウイルスに対する検査を容易に行うことができる。

機械学習の進歩は、組織がデータをより効果的に収益化し、新たな収益源を構築するのにも役立っています。もちろん、上記の例では、患者情報は一切共有または販売されませんが、他の非常に貴重なデータ ポイントが収集される可能性があります。これには、薬剤が特定の年齢層にのみ効果があるかどうかを判断することが含まれており、これは薬剤開発者や医師にとって非常に重要です。

新たな AI データ処理プロトコルは、機械学習テクノロジーのこれまでの反復よりもはるかに速いペースで進化しており、その結果得られるソリューション、発見、利益を生み出す結果も同様に速いペースで進化しています。

2. 感情と現実を調和させる

データは価値を生み出すことができます。これまで、組織が大量のデータを精査し、関係性を正確に特定することは困難でした。回帰や相関などの基本的なツールはいくつか存在しますが、分析には抽出されたデータが実際に何を意味するのかを正しく理解することが必要になっています。では、データをどのように語れるストーリーに変えればよいのでしょうか? 多くの場合、意思決定は感情に基づいて行われます。組織のリーダーはデータを活用して直感を検証できます。今では、アイデアを決定的に検証または否定する洞察をより迅速に得ることができ、同時に新たな質問を促すこともできます。したがって、組織のデータから意味を引き出すことは、大きな利点をもたらします。

「人間の本質は、実際に見て、触って、感じなければ、何かを理解するのは難しいということです」とカーン氏は言います。「データ サイエンティストとして、AI 主導のデータ技術を単純に説明するだけでは不十分です。データを使ってストーリーを伝えたり、実際の結果を示したりすることが、その力を発揮するところです。」

3. 人間の意思決定プロセスを事実と結びつける

人々はしばしばデータと事実を切り離し、「これが真実だ」と主張します。ニューラル ネットワークは「人間の意思決定プロセス」をこれらの事実に結び付け、人々がより良い意思決定を行うのに役立つシミュレートされた実践を実現します。以前は、人口統計や顧客行動などのデータセットをサイロで調べていました。しかし、これらの複数のデータ セットを接続すると、2 人の人物、または 2 人の顧客がまったく同じではないことが明らかになります。

現在では、新しいテクノロジーの導入により、人々はトレンドを事実レベルで理解し、それを外に広げることができるようになりました。医療分野では、一部の企業がこの重要な知識を利用して、ある人が特定の病気に罹る可能性が高いかどうかを予測しています。また、「こうなったらどうなるか」というシナリオをより効果的に作成することもできます。糖尿病患者がインスリンを服用すれば、食事や治療計画が変わり、高度に個別化された医療が可能になります。しかし、同じプロセス、原則、利点が、医療以外の分野やすべての業界に適用されます。

4. 将来に向けた強力なデータサプライチェーン

データ コネクタからパイプライン、データ レイクから統計モデル、人工知能から量子コンピューティング、ビジュアル ストーリーボードからデータ駆動型自動化、機械学習から自然言語処理、ニューラル ネットワークなどに至るまで、組織にはデータ バリュー チェーンを検証するための非常に効果的な方法があります。データ サプライ チェーンは非常に複雑であり、将来を見据えてより堅牢にするには、実用的な洞察の作成から消費までのプロセス全体を慎重に処理する必要があります。

それはデータ取得から始まり、数ミリ秒単位で生成される、さまざまなタイプの大量のデータを多数の内部および外部ソースから収集します。データが識別され取り込まれたら、それを中央のポイントに集めて、探索、クレンジング、変換、拡張、強化し、最終的に目的に合わせてモデル化する必要があります。次に、統計的モデリングとヒューリスティックモデリングがあります。これらのモデルはさまざまなタイプがあり、さまざまなアルゴリズムを使用して、さまざまなシナリオでさまざまなレベルの精度を生み出します。次に、モデルを調整し、継続的なフィードバック、学習、監視のための環境を提供する必要があります。最後に、結果の視覚化があり、因果関係を描いて影響が最大となる場所を強調することで解釈が可能になります。これにより、さまざまな問題を解決する方法や機会を特定する方法についての結論が得られます。

カーン氏は、「ほとんどの組織は何らかのデータを保有しており、それを使用してさまざまなレベルでビジネス プロセスの改善や戦略的意思決定を行っています。しかし、データを最大限に活用している組織はほとんどありません。データの価値を評価し収益化する適切なアプローチにより、顧客中心主義、業務効率、競争優位性、戦略的パートナーシップ、効率的な業務、収益性の向上、新しい収益源など、無限の可能性が生まれます」と述べています。

5. マルチメディア技術を活用して利益を得る

これまで、多くの組織は、大量の数値データや文字データを生成するアルゴリズムを作成し、それを活用することができました。しかし、画像や音声などの膨大な量のデータは、近年の技術開発までは処理や管理が容易ではありませんでした。視覚および聴覚入力処理の応用は無限です。小売業と金融業界がこの技術をいち早く導入したのには、十分な理由があります。これらの業界グループでは、コストが下がり、エンゲージメントが高まり、売上が増加し、利益率が向上しました。

たとえば、大手デパートでは、毎日のビデオデータをデジタル化して、ジーンズを探している人の数を把握できるようになりましたが、そうした顧客はジーンズを見つけるために遠くまで行かなければなりません。したがって、百貨店はジーンズを店の入り口や通路の近くに置くことで、商品の売上が伸びるかどうかを判断できます。

教育分野でも AI 主導のデータを活用しています。この技術は人々の目の動きを追跡し、パンデミックの影響で学生が遠隔学習を行っているかどうかを識別する。彼らは、子どもたちが実際に授業に出席しているかどうかを判断するために、目の動きを測定する方法を研究しています。

病院のX線放射線科では、デジタル画像や動画をより深く理解するために、視覚データを変換して追跡し始めています。磁気共鳴画像法（MRI）は、患者の脳腫瘍が拡大しているか縮小しているか、その速度や部位別に、暗くなっているのか明るくなっているのかをより正確に追跡することができます。この AI 主導の学習は、医師ががんをより正確に検出し、患者をより早く治療するのに役立っています。人間の目のビデオデータ処理は、人が酔っているか、疲れているか、あるいは病気であるかを判断するためにも使用できます。音声機械学習技術も急速に発展しています。当初、音声認識は、ある人が本当に自殺願望を持っているかどうかを判断するために使用されており、声の抑揚によって正確に予測することができました。この情報をビデオで記録すると、精度は約 20 倍になります。

「これまで、レガシー システムやソリューションを使用すると、コストがかかりすぎました」とカーンは指摘します。「今日では、ハイブリッド マルチクラウド環境全体で複数のプロセスを統合することで、データ処理と分析がよりアクセスしやすくなり、アウトソーシングしやすくなりました。これにより、組織はコストがかかりすぎるサーバーやその他のマシン ハードウェアを購入する必要がなくなります。」

サプライチェーンの透明性に関する世界有数の専門家であるカーンは、さまざまな環境でビジネス変革と顧客中心のターンアラウンド成長戦略を推進していることで知られています。 Khan 氏は、MIT とのエンジニアリング パートナーシップに加え、南北アメリカ、ヨーロッパ、中東、アジアの市場全体で組織の変更とプロセスの改善を成功に導いてきました。

「新しい AI ソリューションとトレンドにより、データとその解釈が失われたり、発見されなかったりするパッチワーク プロセスが排除されます」とカーン氏は述べました。「次世代プラットフォームは、AI 製品の作成と管理に必要なすべての機能を、因果関係のある透明性のある方法でデータの取り込み、変換、モデル化、調整、アクションの推奨を行うことができる単一ソース システムとして実行することで、これらの問題に対処しています。」

一部の企業にとって、今日の最先端の AI テクノロジーは、垂直産業への特化に適した条件も提供します。カーン氏は、「新しいソリューションは、共通のデータ モデル、規制遵守、相互運用性の要件をサポートしており、それによって業界や市場固有のモデルの検証、改良、実装が加速します。これらすべてが最終的に、これまで解決されていなかった問題への洞察を導き、未開拓の機会を明らかにし、ワークフロー統合型コグニティブ ソリューションの自動化を可能にします」と述べています。

彼はさらにこう続けました。「全体的に、AI はデータ リテラシーの新たな、より洗練された時代を先導しています。これは、自動化された包括的で総合的なデータ検出に基づく新しいパラダイムであり、収益と利益にプラスの影響を与えるより優れた認知的洞察と実用的な戦略を促進しています。おそらく AI の将来の使命は、以前よりも賢く、速く、責任感を持つことだけでなく、人間の直感とデータに裏打ちされた意思決定の間に橋をかけることにも焦点を当てるべきでしょう。そうすることで、組織が最大限の信頼を持って取引する能力が間違いなく向上するでしょう。」