AI戦略について尋ねるべき10の質問

AI戦略について尋ねるべき10の質問

近年、AI テクノロジーに投資している企業の大多数は、一般的に、AI アプリケーションを業務改善やコスト削減に効果的に活用している企業と、AI シアターである企業の 2 つのカテゴリに分類されます。キャップジェミニ ノースアメリカの AI エンジニアリング担当コーポレートバイスプレジデントである Goutham Belliappa 氏は、AI シアターに対して次のように説明しています。「一部の企業は、市場で話題を呼ぶために AI モデルを実装しますが、AI の機能とビジネス価値を結び付けるという大変な作業を行っていません。」

[[416194]]

「AI は、約 30 年前にソフトウェアが位置づけられたのと同じように、あらゆる業界に多大な経済的影響を及ぼそうとしています」と Info-Tech Research Group のリサーチ ディレクター兼アナリストであるブライアン ジャクソン氏は述べています。「急速に成長する AI の機能は、これまで可能だったよりも効率的な方法で問題を解決するために適用されています。」

人工知能戦略を開発する方法

その結果、先見の明のある IT リーダーは将来の AI 戦略を再検討し、再考しています。 Belliappa は、パーソナライゼーション、動的価格設定、新しいデータ対応収益源の創出を通じて収益を増やすために、顧客 AI ロードマップの最適化と刷新に取り組んでいます。

同時に、データや AI 製品も成熟し、主流になってきました。 「課題は、これらの AI およびデータ製品を企業の業務、商業、またはその他のサービスに統合することです」とベリアッパ氏は述べ、わずか 1、2 年前のデータおよび AI 戦略は今では時代遅れになっていると指摘しました。

「企業がAIを自社の戦略にどう組み込むか、AIが自社の業界にどう破壊的変化をもたらすかを考えなければ、すでにその取り組みを行っている別の競合他社に追いつこうとするのは時間の問題だ」とジャクソン氏は言う。

以下に、組織の AI 戦略について尋ねるべき 10 の質問を示します。

1. AI または AI を組み込んだ製品からどれくらいの収益を得ていますか?

「多くの企業が、特定のビジネスプロセスを支援するために機械学習機能を導入しています。たとえば、チャットボットを使用して、受信した顧客サポートケースをトリアージします」とジャクソン氏は言います。「しかし、機械学習の真の可能性とそれが生み出す価値を引き出すには、それがビジネスの中核的な価値提案に適合しない限り、機械学習は活用されません。」

2. 企業は AI 市場においてどのような役割を果たせると考えていますか?

ジャクソン氏は、企業はリスクとメリットに基づいてAIの適用範囲を決めるべきだと述べた。 AI リーダーは、データ サイエンティストを雇用して独自の AI IP を作成し、ビジネスの成長を促進し、顧客に AI サービスを提供します。早期導入者は独自の AI アルゴリズムを開発しないかもしれませんが、AI リーダーと提携することで AI ソリューションを迅速に統合し、効率性と収益の成長を促進します。リスク許容度が最も低い企業は、すでに使用しているソフトウェアやクラウド コンピューティング製品に組み込まれた AI 機能を導入したいと考えているだけです。

3. どのような結果を求めていますか?

これは明白なことのように思えます。しかし、多くの企業は依然として AI そのものの目的を追求しています。 「AIは、多くのビジネスリーダーが、何のために必要なのか理解する前から、AIが必要だと理解する概念となっている」と、WhatfixのCTO兼共同創設者であるVara Kumar氏は語る。彼は企業に対し、AI技術プロセスの徹底的な監査を実施することを推奨した。

「企業は、AI でどのような機会が得られるか理解し、それをビジネス目標に当てはめようとすると、視野が狭くなってしまうことがよくあります。まずビジネス目標から始めて、AI がどのように役立つかを考えるのではなく、視野が狭くなってしまうのです」と、エンタープライズ コンテンツ管理およびプロセス管理ソフトウェアのメーカーである Hyland のシニア バイスプレジデント兼 CTO、サム バビック氏は述べています。「微妙な違いのように思えるかもしれませんが、後者の方が、企業は可能性の海に迷うのではなく、目標を達成するために必要な要件に素早く焦点を当てることができます。」

4. どのようなモラルハザードを監視し、軽減する必要がありますか?

「AI による意思決定の自動化は、企業の運営方法に体系的な偏見を根付かせるリスクを伴います」とジャクソン氏は言う。「AI に下してもらいたい決定が人々の生活に影響を与えるかどうか、そしてプロセスのどこに人間の判断を組み込む必要があるかを検討してください。AI の倫理ガイドラインを公開する取り組みが世界中で進められています。」

この取り組みの一環として、今日の企業は、継続的な改善とゼロバイアスの達成に向けた取り組みを可能にするために、AI イニシアチブに取り組む多様なチームを確保する必要がある、と Telus International の CIO である Michael Ringman 氏は述べています。

5. 企業には AI イニシアチブを実行する能力とインフラストラクチャがありますか?

「組織は、AIに対するアプローチがどうなるかについて現実的に考える必要がある」とジャクソン氏は言う。「クラウドインフラやデータウェアハウスなどのIT機能が欠けているなら、AIリーダーになるための直接的な道はない」

投資会社IDAアイルランドの技術責任者であるシェーン・ノーラン氏は、企業は理想的なデータソースではなく、すぐに利用できるデータソースに基づいて能力ギャップ分析、データ準備、AIソリューションの構築を行う必要があるとアドバイスしています。

6. AI の成熟度はデータの増加に追いついていますか?

企業が先頭に立つためには、意思決定のスピードを今後 1 年間の予想されるデータ量の増加に合わせる目標を設定する必要がある、と Cognitive Center for the Future of Work の Euan Davis 氏は提案しています。たとえば、データが 30% 増加すると予測している IT リーダーは、企業の洞察を得るまでのスピードを 30% 向上させるという目標を設定する必要があります。 「この急速に変化する世界では、重要でないことは何でもビジネスのスピードに影響を与える可能性がある」とデイビス氏は語った。

7. 次世代の AI 人材を見つけるにはどうすればよいでしょうか?

人工知能は単なる技術ではなく、それに応じた才能も必要です。 「AI の可能性を活かすには、モデルを構築するだけでなく、テクノロジーとビジネスのニーズを理解し、ソリューションを作成できる人材を採用することが重要です」とデイビス氏は語ります。「組織は、次世代の人材の確保を優先する人事イニシアチブ (採用と維持) に重点的に取り組む必要があります。そうしなければ、混乱した市場で遅れを取らないことはほぼ不可能でしょう。」

デジタルプラットフォームプロバイダーAHEADのCTO、ジョシュ・パーキンス氏は、データエンジニアやデータサイエンティストなどの適切な人材を確保することが成功の鍵だと語った。なぜなら、彼らは小さな問題が大きな問題になる前にそれを特定し、修正することができるからだ。

もちろん、外部からの採用だけでは、企業が望むところに到達することはできません。人工知能の人材を育成することも価値があります。

8. 企業の運用環境において、労働者と機械はどのように相互作用しますか?

これにより、社内ボットやプラットフォームのユーザー エクスペリエンスの向上から従業員のスキルアップや再トレーニングまで、あらゆる取り組みが導かれます。テルス・インターナショナルのリングマン氏は、企業は従業員の能力を高めるためにAIをどのように、どこに、いつ導入するかを検討する必要があると述べた。

9. AI Center of Excellence を設立すべきでしょうか?

小さく始めて勢いをつけることは有益ですが、AI Center of Excellence を開発することも多くの場合価値があります。 「AI 導入の形成段階では、主題の専門家が直接報告できる AI センター オブ エクセレンスを設立するのが最善です」と、ハイランドのバビック氏は言います。「このセンター オブ エクセレンスは、主題に焦点と献身を提供し、学習から生まれるパターンと実践に重点的にアプローチできるようにします。」

10. AI をより民主化するにはどうすればよいでしょうか?

「AI の民主化にはプロセスそのもの以上のものが必要であると知って驚くビジネス リーダーもいます」と、SAS の AI およびアナリティクス部門責任者である David Tareen 氏は述べています。「多くの場合、プロセスには文化的な調整や文化的な変化が伴わなければなりません。ビジネス リーダーは、民主化の取り組みにおいて透明性と良好なコミュニケーションを実践することで、懸念事項に対処し、変化のペースを調整し、すべての人に AI とアナリティクスをうまく組み込むことができます。」

IDAアイルランドのノーラン氏は、より広範なチームのための芸術教育の可能性を提案しています。同氏は「AIはITやソフトウェアエンジニアリングチームだけの領域であってはならない」と述べ、企業が従業員を教育し、意識を高める必要があると示唆した。

<<:  中国情報通信研究院が2021年最初の「信頼できるAI成果」を発表、百度が5つの賞を受賞

>>:  ICML 優勝者 Lu Yucheng: 分散型機械学習の理論的な限界は何ですか?

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

2021年の人工知能業界の予測

2020 年は激動の年であり、組織は数多くの課題に直面しました。 2021年に入り、人工知能業界は急...

...

...

...

データセットと DataLoader を使用して PyTorch でデータをカスタマイズする

大規模なデータセットを扱う場合、データ全体を一度にメモリにロードすることが非常に困難になることがあり...

ビッグモデル実装の最後の一歩: ビッグモデル評価の 111 ページに及ぶ包括的なレビュー

現在、ビッグモデルは強力な機能と無限の可能性で新たな技術革命をリードしています。多くのテクノロジー大...

業界大混乱! 2020年に人工知能がIT業界にもたらす4つの変化

この記事は公開アカウント「Reading Core Technique」(ID: AI_Discov...

エンジニアリングだけではありません!人間の認知バイアスが原因の AI 研究における 12 の盲点

[[255272]]ビッグデータダイジェスト制作編集者: ゴウ・シャオバイ、チャン・チウユエ、アイリ...

RPAを成功させる方法

ロボティック プロセス オートメーション (RPA) は、ルールベースのプロセスを使用して、人間より...

AIと新技術が商業用不動産投資に革命を起こす

商業用不動産業界は進化を遂げており、人工知能 (AI) などのテクノロジーが、このダイナミックな市場...

...

新しいIT運用・保守管理にはインフラストラクチャとデータの両方が必要

AIビッグモデルの時代、データはIT担当者に「新たな使命」を与える今日、IT プロフェッショナルは企...

さようなら、宅配便業者さん!

この時代の変化のスピードは想像を絶します!次から次へと生み出される想像力豊かな革新は、目を見張るほど...

DeepSense: モバイルセンサーの時系列データを処理するためのディープラーニングフレームワーク

DeepSense は、エンドデバイス上で実行されるディープラーニング フレームワークです。ローカル...