AIは悪い土壌を修復できない：企業がAIの導入に成功するために内部エコシステムを整える方法

企業のリーダーはしばしば利益を優先するように思われているが、最近の調査によると、80％以上の企業がAI投資のROIを追跡していないことが明らかになった。逆に、ROIを追跡している企業は、期待したほどの成果が得られていないことが分かった。具体的には、世界のCEOの4分の1が、AI投資が期待したROIを達成していると報告している。

しかし、いうまでもなく、「悪い大工は道具を責める」- つまり、多くの場合、ROIが期待したほどではないのは、AIの導入が失敗するように設定されているからである。企業を庭園と見なすと、生産性と利益を上げるために、AIのようなツールを導入する前に取るべきステップがある。

ステップ1：人間が不可欠な場所を特定する

おそらく、LLM製品のマーケティングの能力の過剰な約束により、AIはプラグアンドプレイのアフェアであるという誤解が広まっている。実際、最も効果的なAIの導入は、人間の管理が不可欠な場所を特定することから始まる。

例えば、法律サービス会社と協力して、大量の法律文書を処理するAIシステムを実装するように依頼されたことがある。文書を分類し、重要な事実を抽出し、ファイルを保持、編集、または削除する決定を行うことが含まれた。

AIは、文書を関連性に基づいてスキャンし、機密データをタグ付けし、回答を要約する重労働を行った。ただし、結果は人間の弁護士に渡され、作業を確認し、法的判断を下し、必要に応じて分類を上書きすることができた。

これにより、会社は潜在的なリスクから守られ、さらに、自動化のコストと管理のコストを分離することで、将来的にROIの監査がより簡単になる。

ステップ2：AIが人を最も効果的に補完する方法を特定する

AIのROIを最大化するには、AIを使用する場所を慎重に選択する必要がある。AIに任せるべきプロセスには、繰り返しタスクやルールベースのタスク（例：基本的なカスタマーサービストライアージュや請求書コード付け）があり、知識の集中した照会（例：契約条項）やエラーが発生しやすいデータ入力も含まれる。

それから、AIモデルを戦略的に構成して、ワークフローを妨げないようにすることが重要である。つまり、従業員のワークフローをタスクに分解し、それらのタスクを3つのプロセスカテゴリー（生成、選択、判断）に分類する必要がある。生成タスクはAIに任せ、判断タスクは人間の従業員に任せ、選択タスクはAIと人間の共同作業とすることができる。

上記の法律サービス会社の例では、AIは初期のトライアージュ（生成）を行い、機密コンテンツをフラグ（生成）し、回答を提示（選択）した。人間の従業員の役割は、文書の詳細を調べるのではなく、結果を確認（判断）することに変わった。これにより、従来数日かかっていた作業が数時間で完了するようになった。

ROIの観点から見ると、これにより、例外的なケースに集中できる時間が増える。例外的なケースが、利益を生み出す鍵となるからである。

ステップ3：トレーニングデータを標準化する

LLMを企業のデータで微調整することで、競争上の優位性を得ることができる。しかし、AIが効果的に機能するには、栄養豊富な土壌、つまりクリーンなデータが必要である。悪いデータやノイズのあるデータは結果を損なうだけでなく、偏りを増大させる。簡単に言えば、データの規律が結果の信頼性を決定する。

これには何が含まれるのか。大量のデータと多様なデータは重要であるが、データの質も同様に重要である。データ形式や命名規則の不一致、またはフィールドの欠如は、生データの質を低下させる。同様に、重複したデータや構造化されていないデータパイプラインはストレージコストを増やし、モデルパフォーマンスを低下させる。

したがって、データ入力に品質管理と厳格なガバナンス、つまりアクセス制御と規制遵守が必要である。こうしたフィルタリングがなければ、AIに投資しているのではなく、ただクリーンアップループに金を費やしているに過ぎない。

AIのハイプが高まっている現在、リーダーができるだけ早く導入に着手したいと感じるのは理解できる。しかし、モデルを戦略的に展開する時間を取るか、種を植える前に土壌を準備することが、遥かに大きな成功と投資収益率につながる。