現在人工知能が適している5つの分野

調査会社IDCが最近発表した「世界の人工知能支出ガイド」によると、世界の人工知能予算は今後4年間で倍増し、2024年までに1,100億米ドルに達すると予想されています。

「AI を導入する組織はますます増えるでしょうし、そうしなければなりません」と IDC の人工知能プログラム担当副社長、リトゥ・ジョティ氏は語ります。「AI は、組織が変革し、革新し、ビジネスの俊敏性を拡大するのに役立つテクノロジーです。」

デジタルビジネスコンサルティング会社AHEADの現場最高技術責任者、ジョシュ・パーキンス氏は「昨年のパンデミックは人工知能技術の威力を実証し、人々の疑問は『人工知能技術は我が社で何ができるのか』から『人工知能に適さない分野は何か』に変わった」と語った。

[[378427]]

パーキンス氏は、AI は業界特有の問題を解決するインテリジェントなツールや機能と組み合わせて使用​​することで、大きな価値をもたらすだろうと述べた。ヘルスケア、銀行、保険、小売、製造業などさまざまな組織でクリエイティブなアプリケーションが登場しています。 「これは主に、データ資産をより有効に収益化し、新しいデータストリームを活用して洞察を明らかにしたいという組織の願望によって推進されている」とパーキンス氏は述べた。

AIツールがデジタル変革の課題解決に役立つ5つの分野

テクノロジーリーダーが現実世界で AI を使用したデジタルイニシアチブの実現を目指す場合、最大の価値がどこにあるのかを理解することが役立ちます。業界グループ全体で特定のテーマが引き続き浮上しています。機械学習 (ML) や自然言語処理 (NLP) からエッジ AI や AIOps まで、AI 分野で最も強力なユースケースをいくつか見てみましょう。

1. 会話型AI: 顧客サービス体験の向上

豊富な顧客行動データ、自然言語処理 (NLP)、チャットボットを組み合わせると、何が得られるでしょうか? 多くの場合、人間の介入なしに、顧客とのコンタクトとサポートを変革する可能性が生まれます。

「自然言語処理（NLP）の劇的な改善により、日々の顧客体験はより豊かでダイナミックなものになっています」とパーキンス氏は言う。「このテクノロジーは、ボットと顧客の間の会話の奥深さと自然な流れを促進します。」

このアプローチによりバックエンド システムに迅速にアクセスできるようになると、顧客のセルフサービスが強化され、組織は顧客の問題をより迅速に解決できるようになります。パーキンス氏は、今後数年のうちに、顧客がボットと話しているのか、人間のエージェントと話しているのかを見分けることがより困難になると予測している。

実際、自動化された顧客サービスの導入は、2020 年に世界中の組織による支出に基づく AI の使用事例のトップでした。 「現在、小売業や電子商取引業界では、主に顧客サービスに焦点を当てたユースケースが数多く適用されています」とパーキンス氏は言う。「たとえばヘルスケアでは、会話型 AI が患者のサポートや予約スケジュールの支援に使用されています。」

2. エッジAI: 帯域幅、レイテンシ、プライバシーの問題に対するソリューション

人工知能はかつてデータセンターでのみ使用されていました。しかし、AI がネットワークのエッジに適用されると、組織の大規模な分散データと分析の問題が解決され始めます。エッジ AI は、IoT 端末、スマートフォン、自動運転車など、データの発生点にインテリジェンスを埋め込むことです。 「言い換えれば、エッジコンピューティングは、データとコンピューティングを相互作用のポイントに最も近づけるのです」と、Red Hat の最高技術戦略責任者である G. Nadhan 氏は説明します。

エッジ AI は、スマート スピーカーから路上のカメラに至るまで、幅広い用途で採用されつつあります。

「最近まで、エッジ AI は主に理論上のものでした」と、エッジ プロセッサ メーカー Hailo の CEO、オー ダノン氏は述べています。「2021 年には、よりアクセスしやすく手頃な価格の技術の進歩により、エッジ AI を搭載した製品が増加する可能性があります。エッジ AI は、増大するデータ量を管理し、ビジネス ネットワークへの高まる負荷を軽減するために不可欠です。データをクラウドに送信せずにエッジで処理することで、デバイスはより強力で、多用途で、応答性が高く、安全になり、規制遵守にも役立ちます。」

一部の小売業者は、エッジに AI を導入して、ローカル ビデオを最速かつ最小の遅延で処理し、場合によってはレジなしの非接触型ショッピングへの道を開きます。店舗ではカメラとエッジ AI を使用して遠くの物体を検出し、関連情報を迅速に処理できます。このデータは、顧客の待ち時間、在庫棚、店内体験を最適化するのに役立ちます。

3. 機械学習とディープラーニング：サイバーセキュリティの戦い

悪意のある人物はすでに AI を使用してフィッシング攻撃やその他の悪意のあるサイバー攻撃を開始しており、インテリジェントな自動化を利用してサイバー攻撃の速度、量、種類を増加させています。調査会社フォレスターは、サイバー犯罪者がディープフェイク技術を使用することで、2021年に組織に2億5000万ドル以上の損害が出ると予測している。サイバー犯罪者は人工知能を使用して説得力のある音声や動画を作成し、電子メール詐欺攻撃でユーザーを欺く。

従来のネットワーク緩和技術は、この洗練されたアプローチにはかないません。そのため、サイバーセキュリティと攻撃における人工知能の活用は、ガートナーが2020年に予測した9つの主要なセキュリティトレンドの1つであり、サイバーセキュリティ防御を強化するには人工知能を強化する必要があると指摘しています。

サイバーセキュリティと脅威インテリジェンスには、AI サイバーセキュリティ アプリケーションが数多く存在します。最も一般的な使用例には、顔認識や音声認識、スパムやフィッシングの識別、マルウェアの検出などがあります。機械学習手法を使用して電子メールの異常を検出したり、パターン認識技術を使用して保護が必要な規制対象の個人データを識別したり、教師なし機械学習を使用して Web サイトを分類してリスクの高いサイトを特定したり、教師なし機械学習を使用してフィッシングやスパムの試みにおけるほぼ重複したサイトを見つけたりすることができます。 TrendMicro の最近の記事では、エンドツーエンドのディープラーニングがマルウェア検出のソリューションであると示唆されています。

4. 目標: ITアラート疲労などの問題を軽減する

IT 組織は Ops というトピックを考慮する必要があります。 IDC は、IT 自動化が (創薬や人事自動化とともに) 2020 年に AI の最も急成長しているユースケースの 1 つであると指摘しています。 DevOps Institute の主任研究ディレクターである Eveline Oehrlich 氏が最近の記事で指摘したように、運用環境によって大量のデータが生成され、リーダーの意思決定に影響を与える IT 組織にとって、AIOps は変革をもたらす可能性があります。これは、ハイブリッド クラウドの時代に増加している IT 機能のキューです。機械学習は、多くの場合冗長な大量のアラートを解決し、よりリアルタイムまたはプロアクティブな方法でシステム パフォーマンスを管理し、エンドツーエンドの可視性を高めて IT チームの時間を節約します。

2021 年の AI トレンドのトップ 10 のリストに AI の活用を含めるのには十分な理由があります。また、サイロ化された監視システムでは、今日の多様な環境に対応できません。 Gartner は、AIOps の主な使用例を、パフォーマンス分析、異常検出、イベント相関、分析、IT サービス管理の 5 つとしています。

「これらのツールを組み合わせることで、ビッグデータと高度な最新ソフトウェア アーキテクチャで機能する包括的な生産および運用インサイト分析レイヤーが構築されます」と、Perforce の Perfecto の CTO 兼製品マネージャーである Eran Kinsbruner 氏は最近の投稿で述べています。「AI を活用した運用機能により、チームはアプリケーションのサービス ヘルスの判断に集中し、生産データの制御と可視性を獲得できます。」

ベンダーが AIOps プラットフォーム ソリューションを提供し始めるにつれて、Forrester は IT リーダーに対し、チーム間のコラボレーション機能、エンドツーエンドのデジタル エクスペリエンス、IT 運用管理ツール チェーン全体へのシームレスな統合を提供できるソリューションを探すことを推奨しています。

5. 機械学習: 予測的リソース最適化

突然の変化（需要や供給、医療成果、売上、顧客行動など）を予測できることの価値は、ますます明らかになっています。

基本的なレベルでは、教師あり機械学習（特に回帰）により、組織は一連の予測変数または入力に基づいて将来の結果を予測する数学モデルを構築できます。 「このアプローチのビジネス アプリケーションはさまざまな業界で広く利用されていますが、共通しているのは、少ないリソースでより多くの成果を上げることができることです」とパーキンス氏は言います。「人材、チェックリスト リソース、慎重なプロセスなど、機械学習によってパターンを観察して定義し、これまで得られなかった洞察を得ることができます。」

このテクノロジーの使用例には、在庫の最適化と再発注ポイント、特定のシフトや需要期間に合わせた従業員の適切なスケジュール設定、さらには売上予測の精度向上などがあります。