Manny Vergara, レノボ SSG Manny Vergara レノボ SSG

エンタープライズにおけるAIのROIの最大化

数多くのテクノロジーと同様に、人工知能（AI）は、企業が必ず使用しなければならない次の大きな革新として注目されています。皮肉なことに、基礎となるテクノロジーは数十年前から存在していますが、最新のバージョンでは、企業全体での導入の現実を上回るほどの熱狂が高まっています。ただし、ITチームは、ITトレインに乗る圧力に直面しながら、熱意と財務実績のバランスを取らなければなりません。さまざまな導入にはさまざまな投資レベルが必要であり、異なるリターンをもたらす必要があります。しばしば、異なる時系列でです。成功したAI製品を提供する能力は、ビジネスリーダーが選択した戦略、計画、実行など、多くの要因に依存しています。スキルドリソースの可用性、製品ロードマップとの適合性、リスク受容、期待されるROIに対する時間管理などです。これらの要因をバランスさせることが課題ですが、以下の3つのステップに従うと、企業はAIのROIへの道を進むことができます。テクノロジーを理解する多くの企業は、AIの世界に参入していますが、理由、方法、またはテクノロジーそのものを十分に理解していません。したがって、彼らの最初のタスクは、精密AIと生成AIの違いを理解することです。精密AIは、マシンラーニングとディープラーニングモデルを使用して結果を改善することです。企業は意思決定プロセスを自動化し、効率性を高め、ROIを増加させることができます。精密AIは、企業の確立されたテクノロジーとなり、広く採用されており、毎日より主流になりつつあります。生成AI(GenAI)は新しいテクノロジーであり、OpenAIが2022年末にChatGPTをリリースして以来、注目を集めています。基礎となる大規模言語モデル（LLM）を使用して新しい意味のあるテキストコンテキストを生成することで、ビジネスへの影響と運用効率性を高める機会を提供しますが、導入ライフサイクルはまだ初期段階です。大きな障害の1つは、GenAIアプリケーションでは低品質のデータセットが透明性と倫理的な問題を引き起こす可能性があるため、データ品質の基準が高いことです。データの信頼性は、ワークフローを設計して実装することから始まり、パイプラインを確立して実行し、APIを介して抽象化し、キュレーションと民主化を行い、さまざまなデータタイプを処理します。以前のデータ品質要件の世代では、4V（ボリューム、速度、真実性、バラエティ）が含まれていましたが、AIには新しい要件が必要です。4P：予測、生産性、精密性、そしてスケールでのペルソナです。予測：AIアルゴリズムを使用して、データ内のパターンを見つけて、将来のイベントを予測および予測するために、統計分析を使用できます。生産性：AIはビジネスプロセスの自動化を可能にし、企業の運用効率性と生産性を高め、繰り返しのタスクを削減し、従業員の時間をより戦略的なタスクに集中させることができます。精密性：このメトリックは、モデル結果を、機械学習モデルが、受け入れ可能な範囲内で精度を生み出すことができるように、測定します。精密性は、正の予測の総数で割った真の陽性の数としても計算されます。ペルソナのスケール：これは、顧客の購入履歴、サイトでのアクション、特定の製品に対する顧客の感情分析、調査回答などの信頼できるデータを使用して、個別の顧客体験を提供するプロセスを指します。データ品質に加えて、企業はAIの準備度を評価する際に、ガバナンス、コンプライアンスの整合性、クラウドへの投資、人材、ビジネス運用モデルの新しい形態、リスク管理、リーダーシップのコミットメントなどの内部および外部の多くの要素を考慮する必要があります。組織は、まず、企業の目標と戦略的目標に合致するAIビジョンを確立する必要があります。C-suiteからのバックアップは重要です。AIの展開には大きな前払い投資が必要です。CIOは、C-suite全体にROIへの道筋を明確に示す必要があります。これは、ITを機能的な機能から戦略的な機能へと高めるCIOの真のテストです。次に、組織は、人、プロセス、テクノロジーを整合させる必要があります。AIには、新しいスキルと認定が必要です。ディープラーニングモデルやマシンラーニングなどです。企業は従来、AIを人間のワークフローに統合してきました。ただし、GenAIはダイナミクスを逆転させますが、最善の実践と責任ある使用ガイドラインは、倫理基準と価値観を維持するために、人間がループ内にあることを含みます。AIの展開には、新しいビジネスプロセスが必要です。ガバナンスとデータ品質保証のためのプロセスです。これにより、複雑なビジネス問題を解決するために新しいAIモデルを提供する責任を持つデータサイエンティストが、データを活用できるようになります。新しいAI製品が設計、開発、製造されるにつれて、企業はAI業界の最新の規制方針にも注意を払う必要があります。欧州AI法は、AIの使用に関するベストプラクティスを確立しています。違反した場合の結果もあります。したがって、企業はAI規制に関する取り組みを評価および更新するチームを構築しています。企業はデータ主導型になっているため、データ資産を保護するための基礎的な戦略を開発する必要があります。データ資産は、分析プロセスの自動化プラットフォームを介して最良の洞察を提供するものです。そこから、企業は最も適切なAIテクノロジーと新しいプラットフォームを選択できます。ビジネスケースを定義する最終的に、AIへの投資の真のROIは、顧客に利点を販売することです。つまり、AIの準備度には、テクノロジーが業界全体で変革をもたらしているため、新しいビジネスマインドセットが必要です。成功したAI製品開発には、業界固有の顧客ジャーニーを理解し、AIソリューションをビジネス目標に合わせることが必要です。顧客中心性は、新しい運用モデルの開発において重要な役割を果たします。モダンテクノロジーは、効率性を高めるために使用されます。たとえば、AI成熟度の小さな勝利を求める顧客は、ソフトウェア資産とクラウドインフラストラクチャを利用して、新しい製品とソリューションを開発できます。これにより、従業員の満足度が高まり、顧客の期待を上回ることに重点を置くことができます。しかし、組織の核心は、時間対市場を短縮し、新しいプロセス管理を改善することに重点を置く必要があります。製品開発ライフサイクルを短縮し、新しい製品の提供を効率化する必要があります。たとえば、分散型のオーグメンテッドデータ分析プラットフォームは、リアルタイムでインジェスト、キュレーション、民主化、処理、分析を自動化するために使用されます。これにより、生産性とROIが向上します。AI ROIの全潜在力を解放するAIの核心は、先進的なアルゴリズム、データ品質、コンピューティングパワー、インフラストラクチャーとしてのコード、ガバナンス、責任あるAI、データのプライバシーと機密性を保護するための倫理です。AIアプリケーションの準備度とデータ管理の課題には、データ駆動型フレームワーク、人、プロセス、戦略、倫理、テクノロジープラットフォームの堅牢性が必要です。同時に、McKinseyの報告によると、65%の企業がAIテクノロジーを使用しています。前年から2倍になりました。これは、勢いがありますが、企業はまだ、好奇心から実際のビジネスケースへの移行を遅々として進めています。GenAIは、新しいブレークスルーをもたらしており、企業は、意味のある多モーダルLLMの開発を通じて、新しい機能を活用できるようになっています。これにより、AIの機能の全スペクトルを民主化し、新しい収益ストリームを生成できるようになります。正しい戦略、リーダーシップのコミットメント、正しいユースケースへの投資とともに、企業はAIを通じて重大な価値を生み出し、変革的な成長を促進することができます。企業は、AIの開発におけるセマンティックおよび多モーダルLLMを通じて、AIの機能の全スペクトルを民主化し、新しい収益ストリームを生み出すことができます。これにより、企業はAIを通じて重大な価値を生み出し、変革的な成長を促進することができます。