ソートリーダー
5つのステップでAIをビジネスに導入する方法 – 金銭的損失を最小限に抑える

要点AIソリューションを導入する前に、測定可能な成果が定義された具体的なビジネス課題を設定すること。
もっと見る
- AIソリューションを導入する前に、測定可能な成果が定義された具体的なビジネス課題を設定すること。
- カスタムモデルの開発に投資する前に、既存のサードパーティツールを用いてAI仮説を検証すること。
- 高額な導入ミスや戦略の不一致を避けるため、早期に経験豊富なAI専門家に相談すること。
人工知能(AI)は、業界全体に波及し続けており、我々が生活する方法を完全に変える可能性があります。
その結果、多くの起業家や経営者にとって、会社にAIを統合することは最優先事項となりました。個人も、生活を改善するためにAIを活用する方法を探しています。
そのブームは、コリンズ辞書のような著名な言語機関が、AIを今年の言葉に選んだほどです。
しかし、AIを会社に導入しようとする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ります。なぜなら、その道は思ったほど簡単ではなく、資本支出や時間の浪費につながる可能性があるからです。予想どおりの結果が出ない場合、会社を破産させてしまう可能性もあります。
これは、いくつかの企業が苦労したことの証拠です。例えば、CNETはAIで書かれた記事を試みましたが、欠陥が多かったです。他の会社、例えばiTutor Groupは、AIの不適切な導入により、多額の罰金と世間の嘲笑に直面しました。
これらのケースは、企業がAIで多くの間違いを犯す可能性があることを示しています。アマゾン(AMZN )、グーグル、Microsoft (MSFT ) 、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会社を破産させる可能性があります。
あなたが起業家または経営者である場合、ここでは、AIをビジネスに導入するための5つのステップが紹介されています。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方法について説明しています。
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です。アマゾンは、レジなし店舗のAmazon Goで痛い経験をしたように、すべてのビジネスケースでAIが必要というわけではありません。
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す。
例えば、AIの一般的な応用例は、カスタマーサポートです。特定の結果を達成するために、AIをこのようなケースで実装することができます。たとえば、コールセンターのコストを毎月X額削減したり、カスタマー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ます。このアプローチでは、達成しようとする目標を明確に定義することができます。
これは、チャットボットではなく、FAQページで回答できるかどうかを判断するサービスを開発または購入することで実現できます。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、または質問に答えるための関連ページを表示することができます。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速くて安いです。この実装が成功すれば、コストを削減しながらAI関連の資本支出を最適化する目標を達成することができます。
このアプローチの先駆者は、カリフォルニア州を拠点とする法律事務所のMatten Lawでした。彼らは、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、弁護士が顧客の話を聞き、案件の特に重要な側面を調査する時間を増やしました。これは、最も硬直した業界でも、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ます。
AIの助けを借りて解決できる他の一般的な問題には、データ分析やカスタマイズされたオファーの作成があります。Spotifyは、AIを活用して音楽の推奨システムを開発した優れた例です。このシステムは、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ます。
両方のシナリオで、AIはカスタマーに優れたエクスペリエンスを提供するのに役立ちます。ただし、これらの会社が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す。
2. 分析するデータを決定する
主な問題が明確に定義されたら、システムに供給する必要のあるデータを考慮する必要があります。AIはアルゴリズムであり、供給するデータを分析して調整するものであることを覚えておくことが重要です。基本的なシナリオは次のとおりです。
-
AIを実装するために必要なデータを理解する。
-
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。
-
持っている場合は、問題ありません。
-
持っていない場合は、適切なデータ収集プロセスを社内で開始できるかどうかを判断する必要があります。別の可能性として、開発者に必要なデータを保存するように依頼できます。
-
例えば、コーヒーショップを経営しており、来店する顧客のデータが必要です。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、これを実現できます。そうすれば、必要なデータ、たとえばどの顧客が来店し、いつ来店し、どんな商品を購入し、どのくらいの量を購入したかを取得できます。データを取得したら、AIを実装することができます。ただし、データ収集は非常にコストがかかる場合があります。そういうとき、AIがデータを分析して処理するのを助けてくれることがあります。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利用できます。ただし、原記事は、実施前にGDPRなどの個人データ保護法について専門家に相談することが重要だと注意しています。この方法はどの国でも利用できるわけではありません。認められる法域では、必要な情報を円滑に収集し、AIを使って分析、処理する方法になり得ます。 (SBUX )
これは、スターバックスが行ったことと同じです。スターバックスのリワードプログラムは、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したときに、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りました。
3. 仮説を定義する
AIで最適化できるプロセスが何であるか不確かな場合は、ビジネスのプロセスを段階に分解し、改善が必要な段階を特定する必要があります。どの段階でお金を浪費しているか?どの段階で通常よりも時間がかかっているか?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が役に立つかどうかを判断できます。
従来の解決策がより効果的である場合もあります。顧客にどの製品を提示するかを判断するのに苦労している場合は、最も人気のある製品に基づいた提案は、マーケットプレイスの推薦システムでは、ユーザーの行動を予測しようとするより、はるかに効果的な場合がよくあります。まずそれを試してみてください。肯定的であれ否定的であれ結果が得られれば、AIで検証する仮説を立てられます。そうでない場合は、取り組む範囲が曖昧すぎて、時間とお金を浪費してしまう可能性があります。
4. 既存の解決策を活用する
多くの企業は、すぐに機械学習アルゴリズムを設計しようとします。しかし、十分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、そんなことはしないでください。非常に高価で時間がかかります。
代わりに、すでに利用可能な解決策に焦点を当てることをお勧めします。アマゾン、グーグル、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ます。次に、契約を結び、必要なAPIリクエストをスキルフルに構成するために、社内開発者を雇用することができます。
基本的な考え方は、これらのツールがビジネス開発者(MLスペシャリストではない)によって統合できるということです。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ます。効果がない場合は、単にこれらのツールを無効にするだけで、テストのコストは開発者が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だけになります。モデルを開発していた場合は、MLスペシャリストの給与に開発に費やした時間を掛けたものにインフラストラクチャのコストを加えたものになります。さらに、開発者とモデルがあっても、最終的に期待される効果が出ない場合はどうするかがわかりません。
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ます。将来的に、ツールのコストが大幅に増加することを予測する場合は、モデルを自分で開発することを検討することができます。そうすれば、コストをさらに削減することができます。しかし、開発のコストが、AIを専門とする他の会社のツールを使用するコストよりも低いかどうかを評価する必要があります。
私のアドバイスは、上記のツールを使用してAIで良い結果を得た後、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と確信した後で、独自の機械学習製品を開発することを検討することです。そうでない場合は、ML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のハイプは、AIが必要ないミッションから会社を引き離すことになります。
5. AIスペシャリストに相談する
同じように、起業家や経営者が犯すもう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す。AIチーフエンジニアや研究者を雇用し、カッティングエッジの製品を作成できるチームを形成します。しかし、そのテクノロジーは、適切に定義されたAI実装戦略がない場合は、会社の目的に対して無価値です。また、コストを節約するために、より経験の少ないジュニアMLエンジニアを雇用することもありますが、これも危険です。経験のない人は、MLシステムの開発と設計の細部を知らず、「初歩的なミス」を犯す可能性があります。その損失は会社にとって非常に高くつき、原記事では、ほとんどの場合、経験豊富なML専門家を1人雇う費用を上回ると指摘しています。
したがって、私の勧告は、まずAIの専門家、たとえばコンサルタントを雇用し、AIの導入プロセスを導き、評価することです。彼らの専門知識を利用して、解決しようとしている問題がAIを必要とするものであり、テクノロジーが仮説を証明するために効果的にスケーリングできることを確認します。
あなたが初期段階のスタートアップで、資金に心配がある場合は、具体的な質問を添えてLinkedInでAIエンジニアに連絡する方法があります。信じられないかもしれませんが、多くのMLとAIの専門家は、その分野に強い関心があり、そしてあなたを助けることに成功した場合、それをポジティブなケーススタディとして自分のコンサルティングポートフォリオに使用できるため、助けたいと思っています。
最終的な考え
AIを取り巻くブームは、ビジネスにAIを導入し、次のレベルに到達するためのAIを搭載したソリューションを開発したいと考えているのは当然です。ただし、皆がAIについて話しているからといって、自社にもAIが必要だとは限りません。原記事のこの文は、それ以前の説明と逆の意味になっていますが、記事全体の論旨は、明確な目的のない導入を避けるべきだということです。実際、多くの企業が目標を明確にしないままAIを導入し、多額の資金と時間を浪費しています。初期段階の会社の場合、これは会社の終焉を意味する可能性があります。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、専門家の助言を得ることで、AIを導入し、会社の財政的資源を枯渇させることなく、解決しようとしている問題を解決することができます。ソリューションが機能する場合、次に、会社の効率性や利益を向上させる分野でAIを段階的に拡大し、導入することができます。












