AIが生み出す知識のギャップは新しいセキュリティのギャップである。ここがその解決法である。

テクノロジー企業は、AIが人間よりも迅速かつ低コストで仕事をこなせるという賭けをしています。多くの場合、これは事実ですが、レイオフのための簡単なボタンとしても利用されています。

今年初めにPwCから発表されたレポートによると、56%のCEOは、AI投資から今のところ重大な財務上の利益を見ていないと述べており、12%のみがAIからコスト削減と収益増加を見ていると報告しています。また、2月に国家経済研究所によって行われた研究では、約90%の企業は、AIが過去3年間で雇用や生産性に影響を与えていないと述べています。これらは、多くの組織がAIの初期の約束された収益と生産性の戻りをまだ見ていないことを強調しています。損失を補うために、数千人の従業員を解雇し続けています。

しかし、ここに財務報告書で言及されていないことがあります。10年の関係の文脈を頭に持つアカウントマネージャーを排除する場合、または、機関の知識が唯一のものであることを発見する前に顧客に達する前に欠陥をキャッチするQAエンジニアを排除する場合、あなたは脂肪を切除していません。負荷を支える壁を切除しています。再作業のコスト、顧客の流失、品質の失敗は、ヘッドカウントの削減を祝った同じスライドデッキに表示されることはありません。将来の四半期に静かに吸収され、市場状況に帰属され、忘れられます。AIドリブンのRestructuringが約束するものと実際に提供するものの間のギャップは実在し、成長しています。多くの組織にとって、まだ完全に認識されていません。

このサイクルの実際のコストは、一つの場所に落ち着きません。残されたチームにわたって広がります。開発者は、AIツールが失われたヘッドカウントを補うのにまだ未熟であることを受け取りながら、去ったエンジニアの作業量を吸収します。製品チームは、ロードマップを顧客の現実に根付かせるコンテキストを失います。サポート組織は薄く伸び、顧客がすぐに「slop」レスポンスを認識するため、質の低いレスポンスが低下します。負担は集中していません。拡散しています。拡散は、四半期報告書で無視しやすくするための一部です。しかし、より広い拡散の中で、ITチームは問題の独特で複合的なバージョンに直面しています。彼らは、ただ多くを少なくして作業をしていません。彼らは、機関の知識がそれに意味を与えたインフラストラクチャーを管理することを求められています。同時に、退職した同僚の退職と、会社が公に祝った削減について静かに転換することについています。

今年が進むにつれて、組織がAIの約束を果たそうとするにつれて、AIによる効率化の名の下に人間の専門知識を切り捨てることで失われるものは、収益だけではないことがわかります。良いニュースは、両方の世界のベストを手に入れることができるということです。しかし、それには、AIに対するより実践的で、実用的アプローチが必要です。人間を中心に据える戦略が必要です。

ドアの向こう側を歩く知識が失われること

重要な運用知識は、人間に住み、人間の判断を通じて適用されます。人間が去ったとき、その知識も去ります。どれほど洗練されたモデルであっても、AIはそのギャップを埋めることができません。

AIの能力が拡大するにつれて、微妙なコンテキストのない自動化は、重要な分野で危険な盲点を生み出します。

• 判断と戦略: 直感、機関の知識、市場認識は、データセット、特に構造化されていないものにすっきりと収まることはありません。
• コンテキストと状況認識: 人間はニュアンス、意図、厳格なルールが崩壊するグレーゾーンを認識できます。
• 共感と信頼: 高い影響力または感情的に充填された瞬間（特に顧客または従業員を含むもの）には、人間中心のレスポンスが必要です。
• 監督と説明責任: 誰かが失敗、偏見、または誤情報を特定することを担当する必要があります。完全に間違った情報を提供した後、「あなたは正しい、もう一度試してみましょう」と言うだけでは十分ではありません。
• 機関の記憶とシステムのコンテキスト: チームがインフラストラクチャーを特定の方法で構築した理由（または構築しなかった理由）、何を試みたか、誰も文書化しなかったエッジケースが何であるかを理解すること。
• リーダーシップとガバナンス: 政策、リスク許容度、倫理的境界を定義することは、基本的な人間の責任です。

AIは洞察を浮き彫りにし、行動を提案し、実行を加速することができますが、機関の記憶を置き換えることはできず、災害を防ぐことはできません。

賢い組織が異なることを行っていること

AIに成功する組織は、人間を方程式から除外していません。彼らは、毎日の作業に摩擦を加える繰り返し、単調なプロセスをストリームライン化するためにAIを使用しています。人間が新しい創造的な方法でビジネスの利益を高める時間とリソースを集中できるようにします。彼らは、AIを「レース・ウィズ」ツールとして使用して、増幅させています。IT運用の世界を考えてみましょう。これらのチームはすでに限られた手段で広大なインフラストラクチャーを管理するために薄く伸びています。AI、またはより具体的には、マシンラーニング（ML）は、ここで実際の価値を提供できます。AI/MLは、以前は時間のかかる、単調なタスクを自動化できます。オペレーションの基盤となるタスクを消費する、貴重な専門家を埋めることができます。パッチのテストと研究、チケットの分類、ワークフローの生成、発見、リスクマッピングなどです。

これらのタスクはIT運用の基盤を形成しますが、多大な時間を消費します（特に、組織のデジタル資産が拡大し、脆弱性の風景が変化し、従業員がデバイスで仕事をするための良いデジタルエクスペリエンスを期待するようになるにつれて）。チームが基礎となるこれらの機能やプロセスをうまくやっていない場合、結果は厳しいものになります。ダウンタイム、ミスしたパッチ、データ漏洩、セキュリティ侵害などです。

一方、AIをうまく使ってこれらの分野での作業をストリームライン化する場合、ITスタッフはAIができないことを行う時間を与えられます。技術的な負債をクリアすること、既存のシステムやプロセスを改善すること、回復力のために再構築すること、運用中のシステムを維持する機関の知識を維持することです。これは、ただ効率だけではありません。リスクの軽減です。長期的な成長のためのより堅固な基盤を提供します。

AIの採用を正しく行う

思慮深いAIの適用と採用、そして安全で効果的な有効化を優先する組織は、AI戦略からより大きな勝利を見ています。最適化は、人を切り捨てることから来ません。 それらに投資することから来ます、ワークフローを再設計し、チームがAIを最もよく使う方法について教育することから来ます。

これは新しいことではありません。テクノロジーは数百年間にわたって世代的なサイクルで進化してきました。各サイクルで、同じミスを繰り返しています。特定の進歩を万能の解決策として過度に回転し、我々が苦しんでいるすべてのものの解決策にします。蛇油商が利用する機会は不足しません。過大な約束をし、結果を測定する前に姿を消します。現実は、AI/MLがコンピューターが常に行ってきたことを行うことができるということです。特定のタスクを人間よりも速く、正確に実行します。機会を見つけ、AIを実用的で、レース・ウィズの方法で適用する人々は、投資に対する早いリターンを実感します。実用的には、

• 低価値のタスクを排除するためにAIを利用すること、 chứ không phải高価値の判断
• リスクの軽減のために、人間がループ内にあるワークフローを設計すること
• AIシステムが失敗したり、不確かな結果を生み出したりしたときに、明確なエスカレーションパスを定義すること
• AIドリブンの決定に対する明示的な所有権を割り当てること
• チームをAIの出力を盲目的に受け入れるのではなく、精査するように訓練すること

間違えることの実際のコスト

テクノロジー業界の現在のサイクルは、大量のレイオフの後に 静かに再雇用 です。これは、人材のシフトではありません。リスクの転嫁です。組織は、数ヶ月間の自動化のスピードと引き換えに、数十年の機関の記憶を交換しています。ITリーダーは、結果を管理するために袋を握っている人です。

AIは実際の利益を提供しますが、それは、AIを専門知識を保存して増幅させるために使用する場合に、最も意味があります。AIツールを最も多く展開したり、最も深く切り捨てる会社ではありません。AIを使用して単調な作業を自動化し、人間の創造性、協力、専門知識を高めることを思慮深く行う会社が、AI時代に続いて繁栄する会社です。

次のシステムが失敗したり、次のアウトエイジまたはサイバーセキュリティのインシデントが発生したりしたとき、ロボットやマシンをシステムの修復や顧客コミュニケーションの最前線に置きたくありません。そこで、深い歴史的コンテキストと知識を持った人物がまだ建物の中にいる必要があります。

AIの全潜在力を解放したいのであれば、単調なタスクに焦点を当て、ビジネスのパフォーマンスが悪いことをAIの言い訳として使うのを止めることが重要です。