AIとアナリティクスエンジニアリングの出会い：AI成熟度によるプロセス

さまざまな業界や専門分野の企業は、AIの世界に飛び込む必要性を感じている。その中にはアナリティクスエンジニアリングも含まれる。機会は実在し、興奮するものだが、組織はそれらの機会を最大限に活用するために、AI成熟度に基づいてプロセス構造を慎重に実装する必要がある。AI成熟度をアナリティクスエンジニアリングにどのように適用するかを見ていこう。

AI成熟度レベル

使用するAIの複雑さを説明する際に、AI成熟度レベルは、シンプルで明確なフレームワークとして役立つ。

レベル1: アシストインテリジェンス（自動化）：繰り返しのタスクやワークフローを基本的に自動化する。例：固定応答のチャットボット、ウェブクローラー、内部検索ツール。

レベル2: オーグメンテッドインテリジェンス（ガイド付き分析）：AIに分析方法/モデルと分析対象を指定し、AIが残りの作業を行う。例：広告入札アルゴリズム、コンテンツサマライザー。

レベル3: オートノマスインテリジェンス（セルフラーニングAI）：AIが方法を選択し、パターンを発見し、提案を行う。例：自律走行車、自律的な株取引ロボット。

「AI化」の圧力

もちろん、現在は「レベル3」に到達する圧力が強い。しかし、それは会社のリソース、資産、コア能力、知識、人々に大きく依存する。ベストアプローチは、レベル1から始めることである。

現在、オンラインにはアイデアが溢れている。しかし、アイデアだけでは結果を出すことができない。アドビによると、12%の企業のみが、明確なROIを示す動作するAIソリューションを持っている。これらの多くはまだパイロット段階にあり、有効性を評価したり、AIイニシアチブの拡大に課題に直面している。多くのチームは、ワークフローにAIをどのように有意義に統合するかを特定するのに苦労し、ユースケースが特定されても、多くの組織はカスタムAIツールを構築したり、信頼できる外部ソリューションを見つけたりするための内部能力が不足している。

現実的な応用に注目しよう。責任を持って拡大するための、AIの段階的な使用方法を開発する素晴らしい方法がある。

エコマース/SaaS製品の分析を構築する際に、自動化できるものは何か

私の見解では、アナリティクスエンジニアリングチーム内でAI成熟度を構築するための2つの一般的なプロセスがある。

1. ナレッジマネジメントとオンボーディングのためのAI
2. QAおよび監査自動化のためのAI

1. ナレッジマネジメントとオンボーディングのためのAI

ドキュメントは、複雑なシステムを追跡するための重要なツールである。プロセスフレームワークによると、SDR（ソリューションデザインリファレンス）には、5つのステップすべてをドキュメント化する必要がある。これは次のようになる。

• プロセス#1：期待される結果をドキュメント化する。
• プロセス#2：定期的にチェックされる重要なデータ収集ストーリーを追跡する。
• プロセス#3：3次元テクノロジーステークホルダーのデータ要件の履歴を記録する。
• プロセス#4：すべてのアプリとサーフェス全体のデータレイヤーを詳細化する。
• プロセス#5：エンジニアリングアーキテクチャを図、階層、要件とともに説明し、詳細化する。

ここで、AIを追加してみよう。

レベル1

レベル1では、ドキュメントの取得に内部AIチャットボットを使用することができる。

多くの企業には、独自のドキュメントに基づいてトレーニングされた内部チャットボットがある。如果内部チャットボットがない場合は、インコグニトモードを使用するか、ボットに提供する前にドキュメントを編集することができる。

ボットにSDR、QAマニュアル、命名規則、実装標準を提供する。

リリース後に、AIプロジェクトノートまたは実装プランを追加してドキュメント化する。次に、AIに次の質問をしてみよう。

• 「Xを実装するための最良の方法は何か？Yと同じロジックを使用する場合」
• 「購入を追跡するために必要なデータは何か？」
• 「この新しい製品ページから欠けているタグは何か？」

このプロセスの結果は、ドキュメントをスキミングしたり、同僚にピン留めしたりする時間を節約できるようになり、新しいチームメンバーは自分で回答を取得でき、部族的知識がスケーラブルになる。
ここにはいくつかの注意点がある。この方法は、ドキュメントを最新に保つことをよく行う場合に機能し、チームメンバーがツールを使用することを要求することでスケーラブルになる。

レベル2

これがあなたの部門で機能する場合、テクノロジーにチャットボットを直接接続して、自動化を自動化することを検討してみよう。

レベル3

私は、ここでの方向性は、不一致をフラグし、改善を提案するプロアクティブなAIを構築することであると思います。現実は、多くの企業がこのレベルに到達していないことであり、私はまだ基礎を学んでいる多くの人々のためにこの記事を書いています。

2. QAおよび監査自動化のためのAI

データ収集方法を定期的に監査することは、プロセスフレームワークのベストプラクティスである。監査担当者は、QAチームであるか、または監査ツールを使用することが多い。たとえば、ObservePointは、高度にカスタマイズ可能なツールであり、複雑な監査フローを構築できる。

レベル1

ここで、技術的な詳細を自動化してみよう。ロボット監査ツールの監査フローの構築は、技術的なものであり、多くのサポートが必要である。AIチャットボットの助けを借りて、これらの繰り返しの技術的なタスクを自動化することができる。AIに次の質問をしてみよう。

「次のステップ」ボタンのCSSセレクターを教えてください。

「すべてのクッキーに自動的に同意する」カスタムコードを書いてください。

これにより、高度な技術的なツールを使用する際の利便性が向上し、トラブルシューティングが速くなり、サポートとフロントエンド開発者への依存が減ることになる。

ここにはいくつかの注意点がある。如果ロボットクローラーを使用してデータ監査を行っていない場合は、QAチームが使用している可能性がある。QAチームは、共通のステップの自動化を採用することができる。小さなステップから始めて、準備ができたら拡大する。次のステップは、最初のステップを踏んだ後のみ明確になる。

レベル2

レベル2のAI使用の場合、チャットボットをツールに直接統合し、チャットボットの手動プロンプティングを避けることを検討してみよう。

レベル3

最後に、レベル3の使用の場合、自動化をさらにプロアクティブにし、改善を検出して提案する方法を発見する。ただし、レベル2を快適にナビゲートできる場合にのみ、このルートを選択する。

まだ自動化しないこと

ベストプラクティス#3：3次元テクノロジーステークホルダーと協力することを考慮してみよう。これは、人間が最も得意とする分野である。AIを使用してベンダーへの電話を準備したり、契約をまとめたり、統合のアウトラインを下書きしたりすることができる。しかし、現在のところ、関係構築は人間の仕事である。

最終的な考え

カスタムAI開発のための予算がない場合でも、既存のツールから始めることができる。良いプロセスと良いチャットボットは、長い道のりを進む。

シンプルに、レベル1またはレベル2から始めて、チームが慣れるまで待つ。AIが時間を節約し、一貫性を高める場所が見つかると、さらに高度なツールに投資する場所がわかる。AIの採用で最も難しい部分は、どこにAIが必要かを判断することである。基準線を確立したら、チームと一緒にレベルを上げて、AIを活用したアナリティクスエンジニアリングがどれほどスムーズになるかを見てみよう。

アナリティクスエンジニアリングにおけるAI、特にクリーンダータ収集のためのベストプラクティスについてさらに学びたい場合は、クリーンエコマースデータフレームワークについての私の記事を参照してください。