企業はどのように人工知能を導入し、そこから価値を得ることができるのでしょうか?

人工知能は近い将来、私たちの日常生活を変えるでしょう。企業は来たるイノベーションの波から価値を獲得する準備ができているでしょうか?

地元の病院の放射線科には同情します。確かに、彼らは高度な磁気共鳴画像（MRI）スキャナーと画像を生成する強力なソフトウェアを持っていますが、ここが機械の欠点です。放射線科医は患者のファイルを探して読み、画像を確認し、診断を下す必要があります。人工知能 (AI) が、人間の目をはるかに超えるリアルタイムでより正確な診断やガイダンスを可能にして、このプロセスを加速させたらどうなるでしょうか?

[[397560]]

過去数年間の技術の進歩により、メーカーは今ではこの高度な MRI ソリューションをほぼどこでも提供できるようになりました。実際、彼らは産業部門と公共部門の両方において、ほぼすべての主要産業にわたって新しい AI アプリケーションを模索しています。アルゴリズムが向上し、データストレージが増加するにつれて、画像認識やその他の認知機能におけるコンピューターのエラー率は、人間のエラー率と同等かそれ以下になることが多くなりました。ハードウェアのパフォーマンスも劇的に向上し、マシンはこれまでにない量のデータを処理できるようになりました。これが AI モデルの精度向上の主な原動力となっています。

人工知能の分野では、ディープラーニング（DL）が最も発展の可能性を秘めた分野です。この技術は、脳内のニューロンの機能を近似する複数の層とノードで構成されるさまざまなアーキテクチャを使用して情報を処理する複雑なニューラル ネットワークに依存しています。ネットワーク内の各ノード セットは異なるパターン分析を実行するため、ディープラーニングは以前の世代の人工知能よりもはるかに複雑な洞察を提供できます。複雑さが増すにつれて、最先端のハードウェアとソフトウェアに対する需要も高まります。

先進的なハイテク企業は人工知能の大きな可能性を十分に認識しており、この市場で勝つための措置をすでに講じています。しかし、この業界はまだ初期段階にあり、成功の秘訣はまだ生まれていません。では、企業はどのようにして AI から価値を獲得し、膨大な AI 投資から利益を得ることができるのでしょうか?

私たちが行った調査と AI エンド カスタマーとのやり取りから、騒ぎが収まった後も 6 つの原則が当てはまることが示唆されています。まず、価値の獲得は当初は消費者分野に限定され、企業はエンタープライズの「マイクロバーティカル」（特定の業界内の特定のユースケース）に焦点を当てることで最大の価値を引き出します。当社のテクノロジー スタックの分析では、ビジネス チャンスは階層によって異なり、最も成功している企業はパートナーシップや買収を通じてさまざまなエンドツーエンドのソリューションを獲得していることが多いこともわかっています。ソフトウェアに惹かれる投資家が年々ハードウェアへの関心を失っており、また、極端なコモディティ化によって利益率が圧迫されていることから、AIは一部のハードウェアメーカーにとって運命の逆転を意味する可能性がある。

クラウド コンピューティングとエッジ ソリューションがエンド カスタマーの強力な需要を生み出すため、AI の出現は大きなビジネス チャンスをもたらすと私たちは考えています。しかし、私たちが学んだ最大の教訓は、企業は迅速に行動しなければならないということです。勝者となるのは、今日 AI に大きく賭け、従来の戦略を完全に変革した企業です。

AI市場の基礎

人工知能をめぐる圧倒的な誇大宣伝にもかかわらず、市場は最も勇敢なアナリストや投資家でさえも怖がらせる可能性があります。業界にはテクノロジー スタックの標準的な定義がないため、この非常に競争の激しい分野を理解することは困難です。では、市場シェアを競い合う何百もの企業は、何をもたらすのでしょうか?

一見混沌とした供給状況を明確にするために、機械学習 (ML) とディープラーニングのテクノロジー スタックを、サービス、コンセプト、プラットフォーム、インターフェイス、ハードウェアにわたる 9 つのレイヤーに分割します。複数のレベルで競争している企業もあれば、1 つまたは 2 つのレベルにのみ焦点を当てている企業もあります。後ほど説明しますが、特定のレベルに重点を置く企業は不利な立場に陥る可能性が高くなります。

エッジおよびクラウド ソリューション

これまで、ほとんどの AI アプリケーションは、トレーニングと推論の両方においてクラウド (リモート サーバーのネットワーク) に展開されてきました。ただし、マイクロ秒単位のレイテンシが重要なアプリケーションでは、エッジで推論を実行することがますます一般的になるだろう。たとえば、自動運転車の場合、ブレーキをかけるか加速するかの決定はほぼゼロの遅延で行う必要があるため、エッジでの推論が推奨されるオプションになります。エッジ コンピューティングは、AI 対応の CT スキャン診断など、プライバシーの懸念とデータ帯域幅が重要なアプリケーションにとっても最優先の選択肢になるでしょう。エッジ コンピューティングの成長は、テクノロジー スタックのすべてのプレーヤー、特にハードウェア開発者に新たなビジネス チャンスをもたらすでしょう。

AIの可能性に関する私たちの基本的な信念

人工知能は私たちの世界に革命を起こす力を持っています。マッキンゼー・グローバル・インスティテュートは、自動化と人工知能の急速な進歩が私たちの働き方と生産性に大きな影響を与えると予測しています。この成長市場で価値を獲得するために、企業はさまざまな戦略、テクノロジー、機会を試みていますが、それらすべてに多額の投資が必要です。不確実性は残るものの、以下の点に重点を置く企業が勝利する可能性は高くなるでしょう。

1. 価値獲得は当初は消費に限定される

最も初期の消費者向け AI 製品にはすべて共通点が 1 つありました。それは、製品を強化しても、企業に直接利益をもたらさないことです。これらの製品のほとんどは、オンライン翻訳や写真タグ付けサービス、携帯電話のデジタル音声アシスタントなど、大手テクノロジー企業の製品です。このような製品の機能強化は確かに消費者にアピールできますが (たとえば、オンラインで過ごす時間が増える可能性があります)、売上や収益の直接的な増加にはつながりません。小規模な企業が同様の製品を提供する場合、消費者はさまざまな無料ソリューションを使用する傾向があるため、売上が限られるか、まったく売上が上がらないことがよくあります。大企業は、AI の生命線である大量の消費者データにもアクセスできるため、消費者向けに、より正確で洞察力に富んだ AI ソリューションを開発できます。大企業の無料製品が最大の市場シェアを獲得しており、短期的にはAIの価値獲得は消費者部門に限定されるでしょう。

しかし、有料サービス（ホームアシスタントを含む）が市場にどんどん参入してくるため、将来的にはそうではなくなるかもしれません。自動車メーカーやその他の企業が新製品を発売するにつれ、消費者向け AI の次の波ではさらに多くのイノベーションが生まれるでしょう。自動運転車を例にとると、人工知能によって自動ブレーキが有効化されている車両に満足する消費者もいる一方で、追加料金を払ってでもより多くの機能（完全な自動運転機能など）を求める消費者もいます。

2. 成功する企業は新興産業内のマイクロバーティカルに注力する

McKinsey Global Institute のデータと専門家へのインタビューおよび調査の初期分析により、主要業界全体で AI が 600 種類近く使用されていることが明らかになりました。このうち、約 400 の用途では何らかのレベルの機械学習が必要であり、300 のユースケースではディープラーニング機能が必要です。多くの興味深い AI アプリケーションはまだ実験段階にあり、大規模に展開されていません。強力な視覚認識および処理能力により、今後数年間で大きな需要が見込まれる AI アプリケーションをいくつか紹介します。

• 政府は AI を使用してビデオをスキャンし、公共の場でのさまざまな不審な活動を特定したり、AI アルゴリズムを適用して潜在的なサイバー攻撃を検出したりすることができます。ドローンを含む多くの軍事用途も AI に依存しています。 AIは安全性以外にも、道路上の車両の数に応じて信号機が信号表示のタイミングや順序を変更できるようにするセンサーやカメラなど、交通管制にも役割を果たしています。

• 公的機関と同様に、銀行もマネーロンダリングを示唆するパターンなどの疑わしい行動を検出するために AI を活用し始めています。 AI アルゴリズムは、多くの場合、人間よりも高い精度でトランザクションを処理し、意思決定を行うのに役立ちます。たとえば、AI アルゴリズムは、見落とされていた特定の特徴によって特定の取引が不正である可能性が高まるという事実を明らかにする可能性があります。

• 小売業では、AI はすでに盗難検出に役立っており、自動チェックアウト機能によってさらに強化することができます。一部の小売業者は、カメラやセンサーを使用して、買い物客が店舗から商品を受け取ったり返却したりしたことを検知しています。顧客が店を出た後、店舗は支払った合計金額を顧客のアカウントに請求します。他の小売業者は、店内ビデオを使用して、販売員がより多くの顧客にリーチできるようにしています。カメラが買い物客が棚の前で躊躇したり、立ち止まったりしていることを検知すると、システムは従業員に通知して支援を提供します。今後は、感情の象徴としての表情や服装、同伴者の数など、さまざまな特徴を見て、購買意欲の高い顧客を特定できる人工知能システムなど、この分野でさらなる改善が進むでしょう。その後、ショッピングガイドにリマインダーを送信して、これらの買い物客が店内のどこにいるかを知らせることができます。

企業はどの機会を追求すべきかを決定するという困難な課題に直面しますが、構造化されたアプローチを通じて選択肢を絞り込むことができます。最初のステップは、業界の焦点を選択することです。企業が保有する専門知識と能力はこの決定に影響を与えますが、規模を含む業界の特性も考慮する必要があります。また、特定の業界がどの程度の破壊力を持つ可能性があるかを把握することも重要です。これは、AI の使用事例の数、スタートアップの資金調達、AI の総経済効果を調べることで推定します。AI の総経済効果は、ソリューションがコストを削減し、生産性を高め、さまざまなアプリケーションにわたる遡及分析から利益を得る度合いとして定義されます。経済的利益が大きければ大きいほど、顧客が AI ソリューションを購入する可能性が高くなります。

AI の価値は業界によって異なり、その成熟度も異なります。たとえば、産業部門は AI の恩恵を受けることができますが、会員企業は自動車業界の企業ほど AI のソリューションを導入する準備ができていません。 AI 製品およびサービスの生産者にとって、これは価値獲得が適度なペースでしか持続できないことを意味し、一部の業界は最初から他の業界よりも高い収益を生み出します。

成熟度と併せて危機に瀕している価値を考慮すると、現在 AI にとって最大のビジネスチャンスが明らかに存在する業界は、公共部門、銀行、小売、自動車の 4 つです。政府予算が削減される時代に公共部門の重要性が認識されるのは意外に思えるかもしれないが、多くの政府関係者は効率性と有効性の向上における AI の価値を認識しており、資金提供に前向きである。ベンダーは、AI 戦略を計画する際に、AI ソリューションを最初に使用したいと考えている潜在的な消費者に投資を集中させる必要があります。

マイクロ垂直産業。企業が注力する業界を 1 つまたはいくつか選択したら、次に、特定のユースケース (マイクロバーティカルと呼びます) を選択して取り組みを集中させることで、さらなる成長を目指す必要があります。購入者が AI に興味を持つのは、単にそれが興味深い新技術だからというだけではありません。購入者が AI に求めるのは、特定の問題を解決し、コストを節約し、売上を増やして、大きな投資収益率 (ROI) を生み出すことです。たとえば、機械のダウンタイムを削減したい製造工場は、単に産業界でよく知られている AI プロバイダーを探すわけではありません。代わりに、実績のある予知保全の専門知識とソリューションを備えた企業を探すことになります。 AI プロバイダーが水平ソリューション (顧客がさまざまな無関係なユースケースに適用できるソリューション) を提供しようとすると、その価値提案はそれほど魅力的ではなくなります。最終的に、顧客は、特にソリューションが重要でない、または無関係であるとみなされる複数のユースケースに適用される場合、ソリューションの投資収益率が多額の支出を正当化するかどうか疑問視することになります。

3. 企業がAIで勝つにはエンドツーエンドのソリューションが必要

多くの企業顧客が断片的なソリューションの実装に苦労しているため、AI で成功するには、企業はテクノロジー スタックの 9 つのレイヤーすべてにわたってエンドツーエンドのソリューションを提供または調整する必要があります。たとえば、ある病院では、コンポーネントを個別に購入して連携させるのではなく、MRI 装置と診断を行う人工知能ソフトウェアの両方を含むシステムを購入したいと考えています。エンドツーエンドのソリューションを提供するベンダーは、売上を伸ばすだけでなく、顧客との戦略的な足場を築き、導入を加速させることができます。たとえば、Nvidia は Drive PX プラットフォームをチップだけでなくモジュールとして提供し、自動運転のためのエンドツーエンドのソリューションを提供しています。このプラットフォームは、プロセッサ、ソフトウェア、カメラ、センサー、その他のコンポーネントを組み合わせて、車の周囲のリアルタイム画像を提供します。また、地図上で車両の位置を特定し、車両の安全なルートを計画することもできます。

大手のハードウェアおよびソフトウェアベンダーは、他の企業を買収することで AI ポートフォリオを拡大することがよくあります。取引は業界全体で一般的ですが、エンドツーエンドのソリューションの必要性から、AI ではさらに普及しています。 2012年以降、AIの専門知識を持つ民間企業の買収は250件あり、そのうち37件は2017年第1四半期に発生しました。これらの大企業と競争するために、多くのスタートアップ企業が提携を結び、AI ソリューションのシステム インテグレーターとしての地位を確立しています。

4. AIテクノロジースタックでは、ほとんどの価値はソリューションまたはハードウェアから生まれます

AI テクノロジー スタック内では、将来の傾向を分析すると、各レイヤーがさまざまな量の利益または価値を直接生み出すことが示唆されます。最大の価値は 2 つの領域に集中します。まず、業界のトレンドを考えると、最高の機会の多くがハードウェア分野（ヘッドノード、推論アクセラレータ、トレーニングアクセラレータ）から生まれるというのは少し意外です。これらのコンポーネントが AI サプライヤーの総市場価値の 40% ～ 50% を占めるという点については、私たちは同意します。

ハードウェアは多くの分野でコモディティ化していますが、AI ではこの傾向が急速に進んでいます。これは、各マイクロバーティカルの問題を解決するために最適化されたハードウェアが、汎用ハードウェア (汎用中央処理装置など) よりも高いパフォーマンス (総所有コストに関して) を提供するためです。たとえば、畳み込みニューラル ネットワーク向けに最適化されたアクセラレータは画像認識に最適であるため、医療機器メーカーはそれを選択します。しかし、長期短期記憶ネットワークに最適化されたアクセラレータは、音声認識や言語翻訳に適しているため、高度な仮想ホームアシスタントのメーカーにとっては魅力的となるでしょう。各ユースケースの要件は若干異なるため、それぞれ部分的にカスタマイズされたハードウェアが必要です。

もう一つの標準からの逸脱として、ソフトウェア（プラットフォーム層とインターフェース層として定義）が AI における唯一の長期的な差別化要因となる可能性は低いでしょう。ディープラーニング アクセラレータの登場からもわかるように、ハードウェアを単独で使用したり、ソフトウェアと組み合わせて使用​​することで、レイテンシの短縮や消費電力の削減など、パフォーマンスの大幅な向上が期待できます。このような環境では、メーカーはハードウェアを慎重に選択する必要があります。

AI ソリューションの価値の残りの 40% ～ 50% は、ソリューションやユースケースを含むサービスから生まれます。顧客に直接アクセスできることが多いシステム インテグレーターは、ソリューションを AI スタックのさまざまなレイヤーに統合することで、最大限のメリットを享受できます。

AI スタックの他の領域は、ディープラーニング エコシステムの推進において間接的な価値を生み出す可能性はあるものの、近い将来に大きな価値を生み出すことはないでしょう。たとえば、今日では、データと方法 (どちらもトレーニングの要素) は、平均的な AI ベンダーの市場価値の最大 10% を占めています。このパターンは、ほとんどのデータがサードパーティプロバイダーではなく AI ソリューションのエンドユーザーから取得されるために発生します。しかし、最終的には消費者と企業の両方の世界でデータ マーケットプレイスが出現し、将来的にはこのスタック層が相対的にさらに魅力的になる可能性があります。

5. 特定のハードウェアアーキテクチャがクラウドとエッジコンピューティングの重要な差別化要因となる

AIが成長するにつれて、ソフトウェアは企業や投資家から大きな関心を集めるようになり、その後ハードウェアが再び人気を集めました。エンドユーザーとの話し合いから、ユースケースに応じて、クラウド ソリューションとエッジ ソリューションの両方に企業や投資家が強い関心を示すことが分かりました。クラウドは、その規模の利点により、多くのアプリケーションにとって今後も当然の選択肢であり続けるでしょう。クラウド ハードウェアでは、顧客とベンダーの間で、グラフィックス プロセッシング ユニット (GPU) よりも特定用途向け集積回路 (ASIC) テクノロジが好まれる傾向が高まっており、市場は今後も非常に細分化された状態が続くと予想されます。

つまり、低レイテンシーやプライバシーの問題が重要であったり、接続性が問題となる場合には、推論もますます重要な役割を果たすことになります。エッジでは、ASIC は、消費電力の低減や処理能力の向上など、多くのアプリケーションに対してより最適化されたユーザー エクスペリエンスを提供するため、消費者向け分野で勝利を収めるでしょう。エンタープライズ エッジでは、フィールド プログラマブル ゲート アレイ (FPGA)、グラフィックス プロセッシング ユニット (GPU)、および特定用途向け集積回路 (ASIC) テクノロジ間の健全な競争も発生します。ただし、ASIC は消費電力が少ないため、エッジでは重要な利点がある可能性があります。需要が十分に大きく、高額な開発コストを正当化できる場合、特定のエンタープライズ アプリケーションで優位に立つことができると考えています。

6. 市場はすでに成長している。企業は今すぐ行動し、既存の戦略を再評価する必要がある。

テクノロジー企業は AI の需要がどのように形成されているかを完全には理解していないかもしれませんが、ディープラーニングに大きなビジネスチャンスがあることを認識しており、それを活用したいと考えています。テクノロジーはまだ進化しており、複数のベンダーが根本的に異なる戦略を実行しているため、成功の秘訣は依然として不明です。

すでに大手企業では取り組みが始まっており、先進的な企業の中には、これまでの常識に反する方向へ進んでいるところもあります。一例を挙げると、Nvidia の人工知能に関する研究開発費は 2012 年から 2016 年にかけて年間 8% 増加し、13 億ドルに達しました。これらのコストはNvidiaの総収益の約27%を占めており、同業他社の平均15%をはるかに上回っている。これは、積極的に研究開発費を削減している多くの半導体企業とは異なる方向性をNvidiaが取ろうとしていることを示している。 Nvidia は、グラフィックス プロセッシング ユニット (GPU) に重点を置いたエンドツーエンドの製品エコシステムを構築するためにも重要な措置を講じています。同社は、GPU をディープラーニングに適用するために必要なスキルを持つ開発者のトレーニングを積極的に行っており、GPU をディープラーニングに導入しているスタートアップ企業に資金を提供し、自社製品を含むエンドツーエンドのソリューションを作成するためのパートナーシップを形成し、GPU を搭載したアプリケーションの数を増やしています。この型破りな戦​​略に従う他の企業も、大きな報酬を得られる可能性がある。

Nvidia の成功は、テクノロジー企業が現状維持だけでは人工知能で成功を収めることはできないことを示しています。彼らはすぐに戦略を変更し、信頼性の高い AI 製品の開発に多額の投資をする必要があります。非常に多くのことがかかっているため、企業は曖昧で決断力のない計画を立てる余裕はありません。では、開発における主な考慮事項は何でしょうか? 当社の調査は、ビジネス戦略に関する従来の質問に対する新たな洞察を提供します。

• どこで競争するか。競争の場を決めるとき、企業は業界とマイクロバーティカルの両方を考慮する必要があります。企業は、自社の能力に合致し、競争上の優位性をもたらし、クレジットカード取引の不正検出など、業界の最も差し迫ったニーズに対応するユースケースを選択する必要があります。
• 競争する方法。同社は今後、自社製品を中心としたエコシステムを構築するためにパートナーを探すか、他の企業を買収する必要がある。ハードウェア ベンダーはソフトウェア機能を向上させる必要があり、ソフトウェア ベンダーはターンキー ソリューションを構築する必要があります。今こそ、収益モデルを見直す時期です。顧客は、AI ベンダーが購入プロセスである程度のリスクを負うことを期待しており、それが創造的な価格設定の選択につながる可能性があります。たとえば、企業は AI 対応の MRI 装置には通常価格を請求し、ディープラーニングを使用して処理された画像に対してのみ追加料金を請求する場合があります。
• いつ競争するか。ハイテク企業は最先端のソリューションで評価されるが、完璧さへのこだわりが AI に不利に働いている可能性がある。 AI 分野に早期に参入した企業は、急速に昇進し、規模を拡大して標準となることができます。企業は完璧さを目指すのではなく、今すぐ影響を与えることができる強力なソリューションに重点を置く必要があります。彼らは早くから成功を収めているため、より多くの投機的な機会をつかむことができます。

企業が AI 戦略を策定し、投資を行うまでに 2 ～ 3 年待つと、急速に進化する市場で勢いを取り戻すことは難しいと考えられます。ほとんどの企業はリスクを理解しており、行動を起こす意欲はありますが、強力な戦略が欠けています。この記事で概説した 6 つの基本理念は、ビジネスを導き、順調なスタートを切るのに役立ちます。重要な問題は、機会が失われる前にどのプレーヤーがこの方向に進むかということです。