5つのステップ：ビジネスでAIを導入するために破産することなく

人工知能は今でもブームを続けており、業界全体に浸透し続けることで、私たちが生活する方法を完全に変えることになるだろう。

その結果、多くの創業者にとって、企業にAIを統合することは最優先事項となっている。個人は、生活を改善するためにAIを活用する方法を探している。

そのような状況は、コリンズ辞書のような権威ある言語機関が、AIを今年の言葉として選んだほどである。

しかし、これを言えば、多くの組織にとって、アイデアと現実の間には大きなギャップがある。AIをプロセスに組み込もうとする際、道は思ったより簡単ではなく、非常に高価で、資本支出と時間の浪費となることがある。期待される結果が得られない開発となるからである。これにより、いくつかの企業が問題を抱えることになった。例えば、CNETはAIで書かれた記事の実験を行ったが、欠陥だらけだった。他の企業のように、iTutor Groupは多額の罰金を科せられたほか、AIの不適切な実装により、世間の嘲笑を受けた。

これらのケースから、企業はAIで多くの間違いを犯すことがあり、Amazon、Google、Microsoft、またはMetaのような財政的余裕がない限り、これらの失敗した実験は企業を破産させることになる。

あなたが創業者または事業主であれば、ここでは、AIをビジネスに導入するための5つのステップのガイドを提供する。これにより、資源（お金と時間）を賢く使い、致命的なエラーの可能性を減らすことができる。

1. 解決しようとする問題を明確にする

どの会社もAIの失敗から免れない。Amazonは、すべてのビジネスケースにAIが必要ではないことを、痛い目にあって学んだ。Amazon Goのキャッシュレスストアは、うまくいかなかったからである。

したがって、AIで解決しようとする問題をできるだけ明確に定義することが重要である。

例えば、AIの一般的な応用例は、顧客サポートである。顧客サポートの場合、AIを導入することは、特定の結果をもたらすことができる。例えば、コールセンターのコストを1ヶ月あたりX額削減したり、顧客の問い合わせを解決する平均時間をX分短縮したりすることができる。これにより、目標を達成するための測定可能な指標が得られる。

これは、チャットボットではなく、FAQページで顧客の問い合わせに答えることができるサービスを開発または購入することで実現できる。顧客がメッセージを書いたときに、このモデルを実行し、会話をエージェントに転送する必要があるか、質問に答えるための関連ページを表示する。チャットボットを一から開発するよりも、このモデルを開発する方が早くて安い。もし、この実装が成功すれば、コストを削減し、AI関連の資本支出を最適化することができる。

このアプローチの先駆者は、Matten Lawである。カリフォルニア州を拠点とする法律事務所で、AIを活用したアシスタントを導入し、多くのタスクを自動化し、弁護士が顧客に耳を傾け、ケースの最も重要な側面を研究する時間を増やすことができた。これは、最も堅固な業界でも、AIを活用してユーザーエクスペリエンスを向上させることができることを示している。

その他の一般的な問題としては、データ分析やカスタマイズされたオファーの作成がある。Spotifyは、AIを活用して音楽のレコメンドシステムを開発し、特定のジャンルの音楽を聞く時間帯まで考慮に入れている。

両方のシナリオで、AIは顧客のエクスペリエンスを向上させるのに役立っている。しかし、これらの企業がAIを成功させた理由は、AIに委ねるべき側面を非常に明確に定義していたからである。

2. 分析するデータを決定する

問題が明確に定義されたら、システムに供給するデータを考慮する必要がある。AIはアルゴリズムであり、提供するデータを分析して調整する。データ収集の基本シナリオは次のとおりである。

1. AIを実装するために必要なデータを理解する。

2. ビジネスがそのデータを持っているかどうかを確認する。

   1. 持っている場合は、よい。

   2. 持っていない場合は、社内で適切なデータ収集プロセスを開始するか、開発者に必要なデータを保存するように依頼する必要がある。

例えば、コーヒーショップを経営しており、顧客の来店データが必要である。顧客が購入時に提示する個別のロイヤリティカードを実装することで、これを実現できる。そうすれば、どの顧客が来店し、いつ来店し、どの商品を何個購入したかというデータが得られる。データがあれば、AIを活用して分析および処理することができる。ただし、データ収集は非常に高価になることがある。そんなとき、AIが助けてくれる。例えば、コーヒーショップにセキュリティ目的でカメラを設置している場合、顧客の来店データを収集するためにそれを活用できる。ただし、事前に個人データ保護法（例：GDPR）について相談することが重要である。許可されている地域では、これは必要な情報を収集するためのシームレスな方法となり、AIの助けを借りて分析および処理することができる。

もし、個人用ロイヤリティプログラムについて知りたい場合は、Starbucksが行ったことと同じである。Starbucksのリワードスキームは、顧客が好きな場所を訪れたり、好きな飲み物を注文したりするときに、パーソナライズされたインセンティブを提供するまでに至った。

3. 偽説を定義する

AIで最適化できるプロセスが何であるか不確かな状況があるかもしれない。

その場合、プロセス全体を段階に分解し、ビジネスが不十分に機能している段階を特定することができる。どの領域で多額の費用を費やしているか。どの段階が通常よりも長くかかっているか。これらの質問に答えることで、改善が必要な重要な領域を特定し、AIが助けることができるかどうかを決定することができる。

そうすることで、従来の解決策の方が効果的であることがあることがわかる。顧客にどの製品を提示するかがわからない場合は、最も人気のある製品に基づいた提案は、ユーザーの行動を予測しようとする試みよりも、市場プレイスでのレコメンドシステムで頻繁に効果的である。まず、それを試してみる。結果があれば、AIのテストのための仮説が得られる。そうでない場合は、活動の分野があまりに漠然としすぎて、時間とお金を浪費することになる。

4. 既存のソリューションを活用する

多くの企業は、すぐに自分で機械学習アルゴリズムを設計しようとする。しかし、大きなデータセットで長期間トレーニングする予定がない場合は、そのようなことをしない方がよい。非常に高価で時間がかかるからである。

代わりに、すでに利用可能なソリューションに焦点を当てることをお勧めする。Amazon、Google、Microsoftなどの企業は、多くの目標を達成するのに役立つAIを搭載したツールを提供している。次に、内部の開発者を雇用して、必要なAPIリクエストをスキルフルに設定することができる。

基本的な考え方は、これらのツールをビジネス開発者（機械学習の専門家ではない）が統合できるということである。これにより、AIが期待される効果をもたらすかどうかを迅速にテストすることができる。如果、効果がない場合は、これらのツールを簡単に無効にすることができ、仮説のテストにかかったコストは、開発者がこれらのサービスと統合するのに費やした時間と、ツールの使用料のみとなる。如果、モデルを開発していた場合は、機械学習の専門家の給与と、モデルを開発するのに費やした時間を支払わなければならない。さらに、モデルが期待される効果をもたらさない場合は、開発者とモデルに対して何をするかがわからない。

もし、仮説が証明され、AIを搭載したツールが期待される効果をもたらした場合は、喜んで新しい仮説を立てることができる。将来的に、ツールのコストが大幅に増加することが予想される場合は、モデルを自分で開発することを検討し、コストをさらに削減することができる。しかし、開発のコストが他社のツールを使用するよりも低いかどうかを評価する必要がある。

私のアドバイスは、上記のツールを使用してAIを使用した良い結果を得た後、そしてAIが長期的に問題を解決するための正しい方法であることを確認した後で、独自の機械学習製品を開発することを検討することである。そうでない場合は、機械学習プロジェクトは期待される価値を提供せず、最近のハーバードビジネスレビューの優れた記事のように、AIのハYPEは、AIが不要なミッションからだけではなく、気を散らすだけである。

5. AIの専門家と相談する

同様に、創業者や事業主が犯すもう1つの一般的な間違いは、すべてを社内で行おうとすることである。AIのチーフエンジニアーや研究者を雇用し、カッティングエッジの製品を作成できるチームを形成する。しかし、そのような技術は、適切に定義されたAIの実装戦略がない場合は、会社の目的には価値がない。さらに、コストを節約するために、ジュニアの機械学習エンジニアを雇用する場合もあるが、これも危険である。経験のない人は、機械学習システムの開発と設計の細かい点を知らないため、「ルーキーの間違い」を犯し、会社が高額な代金を支払わなければならないことがある。

したがって、私の推奨事項は、まずAIの専門家、たとえばコンサルタントを雇用し、AIの導入プロセスをガイドして評価することである。彼らの専門知識を活用して、解決しようとしている問題がAIを必要としているか、技術が仮説を証明するために効果的にスケーラブルであるかどうかを確認する。

もし、あなたが初期段階のスタートアップで、資金について心配している場合は、LinkedInでAIエンジニアに具体的な質問を投げかけるというハックがある。信じられないかもしれないが、多くの機械学習とAIの専門家は、トピックに非常に情熱を持ち、さらに、成功すれば、彼らはそれをコンサルティングポートフォリオの肯定的なケーススタディとして使用できるからである。

最終的な考察

AIを取り巻くすべての話題性の中で、ビジネスにAIを組み込んで、AIを搭載したソリューションを開発して次のレベルに引き上げたいという思いは当然である。しかし、すべての人がAIについて話しているという事実は、ビジネスにAIが必要であることを意味するわけではない。多くの企業は、明確な目的を持たずにAIを組み込もうとし、多額の時間とお金を浪費する。特に初期段階の企業の場合は、これはその終焉を意味することがある。問題を明確に定義し、関連するデータを収集し、仮説をテストし、既存のツールを使用し、専門家の助けを借りることで、AIを組み込むことができる。そうすれば、企業の財政的資源を枯渇させることなく、AIを組み込むことができる。もし、ソリューションが機能すれば、徐々にスケールアップし、AIが効率や利益を高める領域でAIを組み込むことができる。