Fang Chang, Coupa Softwareのチーフ・プロダクト・オフィサー Fang Chang Coupa Softwareのチーフ・プロダクト・オフィサー

AIの進化のペース：イノベーションの未来の次の段階

ChatGPTの登場以来、世界はAIブームのサイクルに入っている。しかし、多くの人が気づいていないのは、AIが新しい技術ではないということだ。実際、AIはすでにかなり古くから存在しており、Googleの検索エンジンの初期の頃から自動化が結果の根底にあった。現在、世界はAIが私たちの日常生活やビジネスにどれほど浸透しているか、そしてまだどれほど潜在能力があるかを認識し始めている。AIの採用とイノベーションのペースは非常に速く、1兆ドルを超える支出を記録している。テクノロジー企業のMeta、Alphabet 、Microsoft 、Oracle 、OpenAIが新しいAIの進歩とモデルを発表し続けているため、このペースはさらに速まる。AIチップメーカーのNvidiaは急成長を遂げており、そのビジネスは適切に評価できないほどである。AIのペースについてわかっていることは、データの量が増加し、データの質が改善するにつれて、AIがビジネス活動、応用、プロセス全体でイノベーションを推進する能力も向上することである。AIが数年以内にどこまで進化するかを予測するには、AIのユースケースが2つあることを理解する必要がある。1つ目は、AIが既存のソリューションを改善し、より効率的、正確、効果的なものにするテクノロジーエナブラーとして機能することである。2つ目は、AIがテクノロジーイノベーターとして、想像できない進歩やソリューションを実現できる可能性があることである。歴史を通じたAIのペースの再考OpenAIがChatGPTを2022年に発表したときにAIのブームが始まったように感じられるが、実際のAIと自然言語処理(NLP)の起源は数十年前まで遡る。AIの基礎となるアルゴリズムは1940年代に初めて開発され、機械学習とデータ分析の基礎を築いた。サプライチェーン管理などの業界でのAIの初期の使用は1950年代に遡り、自動化を使用して物流と在庫管理の問題を解決した。1990年代には、データ駆動型アプローチと機械学習がビジネスで一般的になっていた。2000年代が進むにつれて、ロボティック・プロセス・オートメーション(RPA)などのテクノロジーが複雑なビジネス機能の単純なタスクを自動化した。そしてChatGPTが登場した。ジェネレーティブAIの登場により、AIの認識が変化したことは明らかだ。GenAIの誕生以前、消費者は自動化のメカニズム、あるいはビジネスにおける自動化の力について理解していなかった。AIは私たちが使用する多くの現代のテクノロジーの根底にある。Google検索エンジンは、ユーザーが数多くの質問に対して正確な回答を提供するが、ユーザーはその結果が表示されるまでの複雑なプロセスやアルゴリズムについてはほとんど考慮しない。だが、実際に目にすることができたのはChatGPTの登場だった。世界は実際のユースケースを見始めた。ただし、AIが私たちの日常生活やビジネスにどれほど浸透しているかについては、まだ誤解がある。上で述べたように、AIは既存のテクノロジーを改善し、Intelのマイクロチップのように、AIは私たちが使用するテクノロジーの背景にある。リーダーがAIの規模を理解できないのであれば、AIを日常のビジネス運営に成功的に取り入れることができるだろうか。実際の問題はそこにある。採用と成長の課題誰かがGPTツールに「サプライチェーンと調達の専門家がAIについて何と言うか」と聞いたら、AIの採用に関する知識ギャップが強調されるだろう。世界的に見ると、AIの採用は過去1年で指数関数的に増加した。過去6年間で、ビジネスリーダーの50%が、AIテクノロジーに投資しているという回答だった。2024年には、この率は72%に上昇し、ビジネスリーダーがAIの潜在能力を認識し始めていることがわかる。しかし、AIの全潜在能力を発揮するには、最先端のソリューションを導入するだけでなく、正しいデータにアクセスする必要がある。ビジネスの支出パターン、サプライヤーのパフォーマンス、市場の動向、現実の制約に関する豊富なコンテキストを提供するデータが必要だ。データへのアクセスが不十分だと、企業内のAIイノベーションは死に至る。少なくとも30%のGenAIプロジェクトが、データの品質が低いことやリスク管理が不十分であること、コストが高すぎること、またはビジネス価値が不明確であることなどの課題により、概念実証の後、中止されることが予想される。ただし、企業がAIを採用し、拡大する際に直面する課題は他にも多くある。大規模な組織では、シロが存在することがよくある。サプライチェーン業界を例にとると、サプライチェーンはビジネス戦略において重要な役割を果たしている。グローバルな組織の場合、業界の相互接続性は想像を絶する。ビジネスの一部がシロに存在すると、全体の組織に大きなリスクをもたらす。サプライチェーンチームが需要の変化をサプライヤーに伝えていない場合、リーダーが正確な予測を作成することはできない。販売チームが更新された予測を調達部門に伝えていない場合、古い情報に基づいて長期契約を締結し、現在の顧客需要と一致しない契約を締結する可能性がある。組織的なシロや情報的なシロがあれば、コミュニケーションの欠如により、顧客サービスが低下し、非効率が生じ、イノベーションが停滞する。AIはこれらのシロに対処する価値を証明できる。テクノロジーが効率的に接続されれば、従業員やサプライヤーも接続される。ビジネスリーダーは、プロセス自動化、戦略的調達能力、支出の可視性と管理、全体的な利益性を推進するために、AI駆動のソリューションに積極的に投資している。企業はこれらのAI能力と総支出管理の目標を達成するために、協力して透明性を高め、共通の目標に向かって努力する必要がある。AIの次の進化現在、ビジネスの効率性と成長を実際に推進するAIの最も良いユースケースは、単純な管理タスクの自動化である。ワークフローの効率性、データ抽出と分析、在庫管理、予測メンテナンスなど、リーダーはAIが単調で時間のかかるタスクを前例のない速度と精度で加速できることを認識している。単純に聞こえるかもしれないが、サプライチェーンや調達のような業界でこれらのユースケースを活用すると、企業は数多くの時間と数十億ドルを節約できる。私たちはAIをテクノロジーエナブラーとして議論してきた。しかし、AIがテクノロジーイノベーターになるための未踏の潜在能力まだまだある。新しい年の瀬戸際に立って、ビジネスリーダーが注目すべきAIの進歩が多くある。サプライチェーン管理と調達の場合、進歩の一つは自律的な調達の強化である。AIやその他の先進的なテクノロジーを活用して、企業は従来人間によって行われていたタスク、例えば調達や契約を自動化し、効率性を高め、リソースを解放することができる。AIは膨大な量のデータを分析し、傾向を特定し、リアルタイムで情報に基づいた調達決定を下すことができる。完全に自律的な調達は、従業員の時間を節約し、効率性を高め、エラーを減らし、倫理と持続可能性の基準に沿ったコンプライアンスを継続的に確保することで、無視できないコスト削減を提供する。しかし、自律的なソリューションを導入する前に、企業は調達チームとサプライヤーにとって直感的で効率的でナビゲーションが容易なユーザーエクスペリエンス（UX）を提供することに焦点を当てるべきだ。ハイパーパーソナライズされたUXを作成した後、企業は統一的に自律的なソリューションを実装できる。AIの結果は、ビジネスのROIの改善のみではなく、意思決定の改善、将来のパターンの予測、回復力の構築にもつながる。Cレベルのエグゼクティブは、AIテクノロジーの採用を、運用の自動化を通じて企業を変革し、未来に備えるために不可欠であると見なしている。時間の経過とともに、AIは他のテクノロジーと同様に、ますます安価になりながら、その出力の価値は高まってくことになる。これにより、AIの未来と、ビジネスと個人の生活におけるバランスのとれた役割について、楽観的な理由が多くある。運用を通じて自動化を実現することで、AIは将来、ますます安価になりながら、その出力の価値は高まってくことになる。これにより、AIの未来と、ビジネスと個人の生活におけるバランスのとれた役割について、楽観的な理由が多くある。