マービン・クラークは、Accruentのチーフデジタルおよびサービスオフィサーであり、企業のテクノロジー戦略、情報セキュリティ、AIの導入、プロフェッショナルサービス、およびカスタマーエクスペリエンスを率いる。金融サービスおよびフィンテックにおける30年以上の経験を持つ彼は、機械学習や生成AIを含む新興テクノロジーを通じてイノベーションを推進することを専門としている。
私たちはこの話を前に聞いたことがある：業界横断的なビジネスリーダーに変革を約束する破壊的な技術が、想像力を掴む。2010年代初頭は、ロボティックプロセスオートメーション（RPA）だった。すぐにその後、クラウドコンピューティングがそのターンを取った。今日、ジェネレーティブAI（Gen AI）がスポットライトを浴びている − そして組織は、明確な進む道筋なしにパイロットに飛び込んでいる。結果は？ジェネレーティブAIパイロット疲労と呼ばれるべきものへの上昇する波。構造、目的、または測定可能な目標がない状態で多くのAIイニシアチブが開始されたときに生じる、疲労、苛立ち、そして減速する勢い。企業は同時に数十のパイロットを実行することが多い − しばしば重複する意図を持ってはいるが、明確な成功基準はなし。彼らは部門を横切って潜在性を追求するが、効率やROIを解放するのではなく、混乱、冗余、停滞したイノベーションを作り出す。Gen AIパイロット疲労の定義ジェネレーティブAIパイロット疲労は、より広い組織的な課題を反映している：有限な構造なしに無限の野心。根本的な原因は、過去のテクノロジー波を目撃した誰でもに馴染み深いものである： 無限の可能性：Gen AIは、すべての機能 − マーケティング、運用、人事、財務 − に適用できるため、明確な境界なしに複数のユースケースを開始する誘惑に駆られる。 導入の容易さ：OpenAIのGPTモデルやGoogleのGeminiのようなツールにより、チームはエンジニアリングへの依存なしに数時間でパイロットをスピンアップできることがある。 持続可能性計画の欠如：Gen AIには、効果的に機能するために、質の高いデータが必要である。多くの場合、データは正確で、関連性があり、倫理的に取得されたものでなければならない。 測定可能性の欠如：従来のITデプロイとは異なり、Gen AIツールが「十分に良い」ものであるかどうかを判断することは難しい。ROIはしばしば不明確または遅延される。 統合の障害：多くの組織は、Gen AIツールを既存のシステム、データパイプライン、またはワークフローに接続するのに苦労している。これにより、時間、複雑さ、苛立ちが増大する。 リソースの高要求：パイロットはしばしば、特にトレーニングとクリーンで使用可能なデータセットの維持の周辺で、重大な時間、金銭、人間の投資を必要とする。 簡単に言えば、Gen AI疲労は、戦略を上回る実験によって生じる。なぜこれが繰り返されるのか多くの場合、それは組織が基礎的な作業を省略しているためである。高度なテクノロジーを導入する前に、最適化するプロセスを最初に最適化する必要がある。Accruentでは、ワークフローをストリームライン化し、データの品質を確保することで、企業はAIを導入する前に最大50%の効率性を向上させることができることを確認している。調整されたシステムの上にGen AIを重ねると、改善は2倍になる。しかし、その基盤がない場合、最も印象的なAIモデルでも、有意義な価値を提供することはない。もう1つの落とし穴は、明確なガイドラインの欠如である。Gen AIパイロットは、無限の実験として扱われるべきではない。成功は、定義された成果 −...
