CIOがAIのビジネスケースを作成する方法

近年、AI プロジェクトに対する組織の関心は着実に高まっています。調査会社ガートナーの調査によると、2019年に人工知能を導入した組織はわずか14％でしたが、この数字は2020年には19％に上昇し、2021年には24％に達すると予想されています。

[[380542]]

組織の AI への関心の高まりは、近い将来、テクノロジー投資に影響を与えるでしょう。ただし、AI を導入するには、最新のテクノロジーやモデリング手法だけでは不十分です。実験的な AI ソリューションから生産性の高い AI に移行したり、組織内で AI アプリケーションを拡張したりする場合、組織の CIO はこれらのテクノロジーに投資する目的と根拠を明確に説明する必要があります。

AI を導入する組織にとって、万能のビジネスケースは存在しません。対照的に、ビジネス ケースでは、ソリューションの一部として、特定のシナリオ、問題の説明、または AI の方法とテクニックの使用に対処する必要があります。

組織が AI を導入する過程で直面するさまざまな障壁を考慮すると、AI の説得力のあるビジネス ケースを構築する際に CIO が考慮する必要がある 6 つの要素は次のとおりです。

要因1: AIはすぐにROIが得られないほどコストがかかる可能性がある

プロジェクトの予想コストと利益を分析することは、あらゆるビジネスケースの重要な要素です。しかし、AI プロジェクトの実装に関しては、簡単な答えはありません。 AI プロジェクトは、特に新しいビジネス シナリオの予算編成に慣れていない組織では、すぐにメリットが得られないにもかかわらずコストがかかるように見える場合があります。

人工知能のリターン価値は、組織が追求する理想の価値と密接に関係しています。したがって、AI プロジェクトの ROI は次の 3 つの主要な要因によって影響を受けます。

• デジタル導入における利点: デジタル導入分野の組織は、デジタル変革において自然な利点を持っているため、AI から最大限の利益を得ることができます。
• AI 投資の真剣さ: 組織の AI への投資は軽視できず、AI の恩恵を受ける組織は競合他社よりも早く資金を投資します。
• 強力な経営陣のサポート: これは組織の文化と密接に関連しており、成功している AI プロジェクトのほとんどは組織の経営陣からのサポートを受けています。

CIO は、AI プロジェクトの予想コストとメリットを計算する際に、これらの要素を考慮する必要があります。ソリューションの範囲が検討され、改良されるにつれて、これらのコストが大幅に変わる可能性があることを関係者に事前に通知します。 AI プロジェクトを終了する意図は、明確なメリットがないまま伝えられる場合があります。

要因2: AIには独自の技術と人材が必要

人材獲得は、組織が AI 導入において直面する最大の制約の 1 つです。すでに成功を収めている組織は、社内と社外の両方の AI 人材を含む採用戦略を組み合わせている可能性が高いため、早期に AI を導入した企業にとって、人材ニーズを満たすことは最も困難です。

要因3: AIビジネスケースには測定可能な価値が必要

AI プロジェクトのビジネス価値を早い段階で評価することが重要です。ガートナーの調査によると、AI プロジェクトを成功裏に導入した回答者の 39% が、リスク要因の財務分析または投資収益率分析を実施しました。組織が AI プロジェクトが従来のテクノロジーアプローチよりもはるかに優れていることを証明するには、購入と承認のための評価が不可欠です。

AI プロジェクトの成功を判断するには、単純な財務指標を超えた複数の評価基準が必要になる場合があります。たとえば、組織が AI を使用して顧客総数を増やしている場合、インタラクションの数や顧客とのインタラクションの結果が成功のもう 1 つの指標になる可能性があります。

CIO は、AI プロジェクトの開始時から成功の価値を測定することを優先する必要があります。積極的にデータを収集し、財務数値を超えたさまざまな指標を考慮してください。

要因4: データ、トレーニング、アルゴリズムの重要性

人工知能は分析アルゴリズムを使用して複雑なデータを理解および処理します。データとアルゴリズムの相互作用は、AI ビジネス プランの重要な要素です。 AI 用のデータを理解、準備、完成させる作業は、1 つのプロジェクトに限定されるものではなく、多くのモデルを構築するために使用でき、永続的な効果を生み出します。

AI の実装を成功させるには、強力なデータと分析のインフラストラクチャが必要です。 CIO は、経営幹部が将来予測するパターンを含む予測を行うために、ビジネス上の問題に十分な裏付けデータがあることを確認する必要があります。たとえば、組織が四半期ごとに変化する可能性のある予測を行う場合、四半期ごとの変化を示すには、データを複数年にわたって収集する必要があります。

要因5: 構築、購入、またはアウトソーシングの決定

構築、購入、またはアウトソーシングの決定は、主に組織が利用できるリソースによって決まります。これら 3 つのオプションの選択は、プロジェクトの複雑さ、IT 部門の成熟度、解決に必要な時間、ニーズの緊急性、組織の予算などの要因によって異なります。

最善の進路は、組織が解決しようとしているビジネス上の問題によって異なります。正しい進路を決定するために、CIO は次の手順を実行する必要があります。

• 提案されたプロジェクトが組織固有のものであり、強力な社内データ サイエンス スキルがすでに確立されていることを確認します。
• 組織のニーズに合わせて簡単にカスタマイズできるニッチなアプリケーションを購入します。
• 組織に以前の選択肢がなく、プロジェクトをすぐに実装する必要もない場合は、アウトソーシングが必要になります。

要因6: AIアルゴリズムには独自の倫理的要件とガバナンス要件がある

AI の目的は人間の意思決定をサポートすることだけではなく、そのアルゴリズムは自律的に動作することもできます。したがって、これらの AI アルゴリズムは、あらゆるデジタル インタラクションのすべての参加者を代表するものとして信頼される必要があります。

多くの AI システムは主に基礎データに基づく機械学習に依存しているため、AI 実装における倫理的議論の影響は非常に重要です。倫理的な結果が考慮されない場合、AI システムは悪質な行為を広め、組織のブランド価値に影響を及ぼす可能性があります。この意味で、AI システムは予測不可能な、または予期しない結果を生み出す可能性があるため、AI を含むビジネス ケースを明確に表現することは難しいことがよくあります。

CIO は、AI を実装する際の倫理およびガバナンスの要件の計画を開始するために、関係者と協力する必要があります。また、AI の実装における倫理の重要性を認識し、信頼を構築するためにこの課題に積極的に取り組む必要もあります。