AIファースト戦略はどこから始まるのでしょうか?

[[393200]]

[51CTO.com クイック翻訳]人工知能は企業に競争上の優位性をもたらし、獲得が困難な巨大なビジネスチャンスを解き放つことができます。そこで、効果的な AI ファースト戦略を開発するための 6 つのステップを紹介します。

人工知能が現代のビジネスに与える影響は計り知れません。 Netflix の AI レコメンデーション エンジンが年間 10 億ドルの収益を生み出していることをご存知ですか? AI の重要性を認識している企業は Netflix だけではありません。調査によると、84% の企業が AI によって競争上の優位性が得られると考えています。

人工知能技術はここ数年で急速な進歩を遂げました。自動化と AI における多くの開発と進歩は、従業員の生産性の向上に重点を置いています。調査会社アクセンチュアによると、人工知能は2035年までに企業の生産性を40％向上させるだろう。

AI テクノロジーの最も影響力のある応用は、生産性の向上やビジネスの運営スピードの向上ではなく、これまで解決できなかった問題を解決する能力です。

AI ファースト戦略の提案は、AI がこれまで技術的な制限により利用できなかったビジネス ソリューションを提供し、企業に競争上の優位性を与えることができるというものです。 AI ファースト戦略では、AI がビジネス活動のテクノロジー スタックに深く統合されるため、インフラストラクチャの中に消えてしまいます。顧客は適応することを学ぶ必要がなく、従業員は手動で処理する必要がなく、顧客であろうと従業員であろうと、各ユーザーに結果をリアルタイムで提供できます。

企業が AI システムによって生成された洞察を得て、情報に基づいた意思決定を行う従来のデータ主導の意思決定プロセスとは異なり、AI ファースト戦略は意思決定を自動化し、ビジネスの応答性を大幅に向上させます。

AIファースト戦略を作成するための手順

一部の組織では、ビジネス業務に AI を導入して改善を図るというだけの独自の AI 戦略を策定しています。 AI ファースト戦略は、通常のビジネスを根本的に変えることが多いため、このアプローチとは異なります。

AI ファースト戦略は、新たなビジネス チャンスを生み出し、より大きな顧客価値を生み出し、破壊的なソリューションで古いビジネス上の問題を解決します。そして、潜在的に破壊的なテクノロジーを実装するには、破壊的なアプローチが必要です。すべての企業がこれを認識しているわけではないため、AI プロジェクトの 50% が最終的に失敗します。

効果的な AI ファースト戦略を実装するための 6 つのステップは次のとおりです。

1. AI対応の文化を構築する

AI ファースト戦略では、ビジネス アプローチの基本的な構造に AI を組み込みます。これにより、従業員は AI を活用して、顧客に価値を付加し、ビジネスの収益を増加させる革新的なソリューションを開発できるようになります。したがって、この戦略のための余地を作るには、企業文化のパラダイムシフトが必要です。そして、あらゆる変革の取り組みと同様に、それは古い惰性に満ちているだろう。

AI ファースト戦略が成功するには、組織内のあらゆるレベルとあらゆる部門の賛同を得る必要があります。組織内で AI 戦略をサポートするためのアイデアをいくつか紹介します。

• 上級管理職からの支持を得る

企業はトップダウンで変化を主導する必要があります。上級管理職が AI 変革を主導することで、AI 変革が重要であるというメッセージを従業員に明確に伝えることができます。

• AI変革チームの構築

企業は、各部門から革新的な才能のある人材を募り、変革の担い手として任命します。各部門のニーズ、AI アプリケーション、AI 変革の障壁についてフィードバックを得ます。これらの変革エージェントに権限を与えて、それぞれの部門で AI 変革を主導させ、個人の成果に報酬を与えてチームの成果を向上させます。

• 関係者を教育する

企業の変革推進者が AI 変革を推進するだけでは不十分です。AI が広く導入される必要もあります。そして、これは AI の潜在能力が実現された場合にのみ実現します。したがって、AI とその応用、そしてビジネスへの潜在的な影響について教育を受ける必要があります。

2. 才能に投資する

AI スキルを持つ人材の採用は、データ品質に次いで、AI ファースト戦略を効果的に実行するための 2 番目に重要な手段です。 AI チームを作成する場合、企業は次の点を考慮する必要があります。

• 適切な人材を見つける

AI の目標を達成するには、適切な人材を採用することが重要です。しかし、機械学習の専門スキルを持つ人材を見つけるのは、言うほど簡単ではありません。人工知能技術の開発はまだ初期段階であるため、適切な人材がいなければ、人工知能プロジェクトの実装コストは高くなります。

さらに、AI プロジェクトには、企業のデータを整理するデータ エンジニアや研究者、データから洞察を抽出するデータ サイエンティスト、アプリケーションを作成するソフトウェア エンジニアなど、さまざまなリソースが必要です。

• 採用

現時点では、AI への投資収益の可能性はコストをはるかに上回っています。それは採用にさらにお金をかけるという意味ではありません。場合によっては、外部から人材を採用するよりも、社内で人材を育成する方が賢明です。経験と知識の研修を移転することで、企業内の従業員が AI プロジェクトの開発業務を引き受けられるようになることがよくあります。

• 価値に基づく戦略

AI チームがビジネスの目標と価値を理解し、それに基づいて AI 目標を設定していることを確認します。同時に、新しく結成された AI チームは、共通の目標を達成するために、よく調整された機械のように機能するために、明確な役職とチーム構造を持つ必要があります。また、事業の状況や企業価値に応じて優先順位を決定する必要があります。

3. 実施計画

人工知能プロジェクトは他の通常のプロジェクトとは異なります。その成功は、企業のあらゆる側面と将来の発展に大きな影響を与えるでしょう。したがって、明確な実施計画が必要です。

• AIの目標から始める

企業は、AI が最大の効果または即時の効果をもたらすことができるプロセス、タスク、問題の包括的なリストを作成する必要があります。さらに、ビジネスにとっての重要性に基づいてこれらの AI 目標に優先順位を付け、順番に対処します。技術的な前提条件や望ましい成果など、企業内の各部門の AI 目標を明確に定義し、その範囲を定義します。

• AIフレームワークによる標準化

同社は、AI が意図した目標を達成できたかどうかを評価するための標準的な AI フレームワークを開発しています。これらの基準は、あらゆるレベルで AI イニシアチブの成功を評価するのに役立つ適切な指標を企業に導くはずです。

• 構築と購入を検討する

企業は、AI システムの構築と AI の購入の長所と短所を比較検討する必要があります。多くの場合、AI システムを購入またはレンタルする方が、より経済的で実行可能な選択肢であり、すぐに開始できます。ただし、サードパーティの AI は、お客様のビジネスやアプリケーション向けに特別に設計されているわけではないため、それら向けに最適化されていません。したがって、サードパーティの AI ソリューションに対する期待は抑える必要があります。

一方、AIをゼロから構築するにはコストと時間がかかります。ただし、独自のアプリケーションに完全に最適化されているため、結果はより良くなります。

4. データの収集と準備

強力なデータ戦略は、成功する AI 戦略の中核となります。戦略の策定には、次の 3 つのステップが含まれます。

• データセットを特定する

AI から得られるメリットを明確に理解し、そのメリットを実現するために必要なデータ ソースを特定します。人工知能の使用例には次のようなものがあります。

（１）改良された、あるいは全く新しい製品やサービスを開発する。

（２）自動化された操作およびプロセス。

（３）パーソナライズされた顧客体験を提供する。

（4）価格の最適化

AI の使用事例を正式に特定したら、それらの目的に必要なデータを指定できます。

• データ処理ガイドラインを作成する

次のステップは、データ ソース、データ ガバナンス、およびデータの収集、保存、処理、およびデータに基づく操作に必要なテクノロジを特定することです。さらに、データの収集、処理、利用に関連するプライバシーの問題を考慮することも重要です。企業は、プライバシーコンプライアンスの問題に確実に対処するために、明確なデータ処理ガイドラインを確立する必要もあります。

• エラーとデータ品質の定義

一部のデータは使用前にクリーンアップする必要がある場合があるため、必要に応じてデータエラーを定義し、データ品質基準を設定する必要があります。

5. モデルを構築する

現在実装できる機械学習モデルは、あらゆるビジネス上の問題を解決できる包括的なソリューションではありません。 AI から最大限の価値を引き出すには、企業は独自のユースケースに最適な結果をもたらす機械学習モデルを採用する必要があります。

• 適切な機械学習モデルの選択

適切な機械学習モデルを選択してプロジェクトを開始します。以下の質問に答えることで、企業は自社に適した機械学習モデルを見つけることができます。

（１）AIプロジェクトをどのように実現するか？

（２）AIプログラムを所有しているのは、分析グループ、自動化グループ、それともAIセンターオブエクセレンスでしょうか？

（３）次は何？

（4）各アクション、タスク、マイルストーンを達成する責任者は誰ですか？

（５）どのようなワークフローに従うべきか？

• 機械学習モデルの評価

企業のシナリオやビジネス アプリケーションに基づいて、さまざまな機械学習モデルを比較できます。たとえば、精度は考慮しなければならない要素の 1 つです。無人運転車の場合、99% の精度ではまだ不十分です。一方、映画推薦エンジンの場合、60% の精度があれば十分です。どの機械学習モデルを選択しても、一連のトレードオフが存在します。したがって、選択を行う前に、まずそれらを理解する必要があります。

• 機械学習モデルのワークフローの定義

一般的な機械学習モデルのワークフローは 3 つのステップで構成されます。最初のステップはデータ エンジニアリングであり、これにはデータの収集、データの前処理、データセットの構築が含まれます。 2 番目のステップは機械学習モデルのエンジニアリングであり、モデルのトレーニングと最適化、評価、本番環境への展開が含まれます。最後のステップはコード エンジニアリングです。これは、機械学習モデルを製品に統合し、本番環境への展開を含みます。

• 継続的反復モデル

機械学習モデルが導入されたら、望ましい結果が得られるまで更新と反復を行う必要があります。機械学習モデルを改善するには、大量の高品質のデータセットが必要です。同様に、機械学習アルゴリズムも最適化され、精度が向上するように調整されています。したがって、機械学習モデルから目的の結果を得るには、急ぐのではなく、かなりの時間がかかります。

6. 配信モデルと結果

AI ファースト戦略が成功すれば、長期的な利益がもたらされます。しかし、AI の取り組みが成果を上げるまでに時間がかかりすぎると、実装の勢いが失われる可能性があります。 AI パフォーマンスの品質を損なうことなくこの障害を克服する方法はいくつかあります。

• アジャイルを活用してデリバリーを繰り返す

企業にとっての優先事項は、AI のメリットを迅速に享受し、幅広い支持を得ることです。もちろん、アジャイル配信モデルは AI ファースト戦略の成功に不可欠です。反復的な結果の提供により、ビジネスの期待を超え、AI 導入における固有の慣性が排除されます。

• DevOpsの考え方を養う

DevOps の考え方により、AI がビジネス成果をもたらす速度が大幅に向上します。いくつかの成果を達成したり、影響の大きい結果をできるだけ早く提供したりすることで、AI チームは企業内の AI に対する懐疑心を和らげることができます。

DevOps の考え方により、AI チームはビジネス ニーズと市場に迅速に対応できるようになります。

• 機械学習サービス（MLaaS）アプローチを採用する

将来的には、AI テクノロジーは企業の従業員全員がアクセスでき、簡単に使用できるようになるはずです。理想的には、MLaaS モデルにより、AI チームとの調整の必要性がなくなり、他の従業員がビジネス ユースケースに合わせて AI を使用できるようになります。

• 指標と測定

AI 変革プロジェクトの成功は、パフォーマンスの主観的な分析によって測定されるべきではありません。そうすると、変化に抵抗する内部勢力からの批判にさらされることになるだろう。したがって、AI の成功は、上記の 3 つのステップで説明した所定の指標に基づいて測定する必要があります。 AI が期待どおりの成果を達成しない場合は、期待レベルに達するまで反復する必要があります。

結論は

AIファースト戦略は継続的な改善プロジェクトです。 AI イニシアチブがどれだけの価値を提供し、どれだけの問題を解決したとしても、改善の余地は常に存在します。すべての関係者を教育し、AI を使用してビジネス上の問題を解決する方法について考えるように促すことで、企業は幅広いプロセスと環境で AI をより有効に活用できるようになり、最終的にはビジネス活動のあらゆる側面で競争上の優位性を獲得できるようになります。

原題: AIファースト戦略: どこから始めるべきか?、著者: Mir Ali

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]