Petr Gusev

5つのステップ：事業にAIを導入するために破産しない方法

人工知能は今でもブームを続けており、業界全体に浸透し続けることで、私たちが生活する方法を完全に変えることになるだろう。その結果、多くの創業者にとって、企業にAIを統合することは最優先事項となっている。個人は、生活を改善するためにAIを利用する方法を模索している。そのブームは、Collins Dictionaryという権威ある言語辞典が、AIを今年の言葉に選んだほどで、その人気の高まりを示している。しかし、多くの組織にとって、アイデアと現実の間には、大きなギャップがある。AIをプロセスに組み込む道は、思ったほど簡単ではなく、非常に高額な費用がかかり、期待した結果を得られない可能性がある。結果として、いくつかの企業は困難に陥っている。例えば、CNETはAIで書かれた記事の実験を行ったが、多くの欠陥が見つかった。他の企業のように、iTutor Groupは、AIの不適切な実装により、多額の罰金と公衆の嘲笑に直面している。これらのケースは、企業がAIで多くの間違いを犯す可能性があることを示しており、Amazon、Google、Microsoft、またはMetaのような財政的余裕のない企業にとって、これらの失敗した実験は企業を破産させる可能性がある。創業者または事業主であれば、ここでは、AIを事業に導入するための5つのステップを紹介し、同時に、資源（お金と時間）を賢く使い、致命的なエラーの可能性を減らす方法を示す。1. 解決しようとする問題を明確にするどの会社もAIの失敗から免れない。Amazonは、すべてのビジネスケースがAIを必要とするわけではないことを、苦い経験から学んだ。したがって、AIで解決しようとする問題をできるだけ明確に定義することが重要である。例えば、AIの一般的な応用例は、顧客サポートである。AIをこのような場合に実装することは、特定の成果をもたらすことができる。例えば、コールセンターのコストを1ヶ月あたりX額削減したり、顧客の問い合わせを解決する平均時間をX分短縮したりすることができる。これにより、目標を達成するための測定可能な指標が得られる。これは、チャットボットではなく、FAQページで回答できるかどうかを判断するサービスを開発または購入することで実現できる。顧客がメッセージを書いたときに、このモデルを実行し、会話をエージェントに転送する必要があるか、質問に答えるための関連ページを表示する。 このモデルを開発することは、チャットボットをスクラッチから構築するよりも速く、安い。このアプローチの先駆者は、Matten Lawというカリフォルニア州の法律事務所で、AIを活用したアシスタントを導入し、多くのタスクを自動化し、弁護士が顧客と関わる時間を増やし、ケースの重要な側面を研究する時間を増やした。さらに、AIで解決できる一般的な問題には、データ分析やカスタマイズされたオファーの作成がある。Spotifyは、音楽のレコメンドにAIを活用し、成功を収めている。2. 分析するデータを決定する主な問題が明確に定義されたら、システムに供給する必要があるデータを考慮する必要がある。AIはアルゴリズムであり、供給するデータを分析し、調整するものであることを覚えておくことが重要である。データ収集の基本シナリオは次のとおりである。 AIを実装するために必要なデータを理解する。 ビジネスがそのデータを持っているかどうかを確認する。 持っている場合は、よい。 持っていない場合は、必要なデータ収集プロセスを社内で開始できるかどうかを判断する必要がある。別の可能性として、開発者に必要なデータを保存するように依頼することができる。 例えば、コーヒーショップを経営しており、来店する顧客のデータが必要である。顧客が購入時に提示するパーソナライズされたロイヤリティカードを実装することで、これを実現できる。こうして、顧客が来店した日時、購入した商品、数量などのデータを収集できる。次に、AIを実装してこのデータを分析することができる。しかし、場合によっては、このデータを収集することが非常に高額になることがある。そんなとき、AIが救世主となる。例えば、コーヒーショップにセキュリティ目的でカメラを設置している場合は、カメラを利用して来店する顧客のデータを収集することができる。ただし、事前に個人情報保護法（GDPR）に関する相談が必要である。許可されている地域では、これは必要な情報を収集し、AIの助けを借りて分析および処理するためのシームレスな方法となる。これは、Starbucksが行ったことと同じである。Starbucksのリワードプログラムは、顧客が好きなロケーションを訪れたり、好きな飲み物を注文したりしたときに、パーソナライズされたインセンティブを提供するまでに至った。3. 假説を定義する場合によっては、どのプロセスを最適化する必要があるかが不明確な場合がある。その場合は、プロセス全体を段階に分解し、ビジネスが低迷している段階を特定することができる。どの領域で多額の出費をしているのか。どの段階で通常よりも長くかかっているのか。これらの質問に答えることで、改善が必要な重要な領域を特定し、AIが役立つかどうかを判断することができる。これらのケースでは、従来の解決策がより効果的であることがある。顧客にどの製品を提示するかがわからない場合は、最も人気のある製品に基づいた提案は、ユーザーの行動を予測しようとする試みよりも、市場のレコメンドシステムで頻繁に効果的である。したがって、まずそれを試す。結果があれば、AIのテストのための仮説が得られる。そうでない場合は、行動の範囲があまりに漠然としすぎて、時間とお金を浪費することになる。4. 既存の解決策を活用する多くの企業は、すぐに自分で機械学習アルゴリズムを設計しようとする。しかし、大きなデータセットで長期間トレーニングする予定がない場合は、そんなことはしない方がよい。非常に高額で時間がかかるからである。代わりに、すでに利用可能な解決策に焦点を当てることをお勧めする。Amazon、Google、Microsoftなどの企業は、多くの目標を達成するためのAIを搭載したツールを提供している。次に、契約を結び、内部の開発者を雇用して、必要なAPIリクエストをスキルフルに構成することができる。基本的な考え方は、これらのツールがビジネス開発者（機械学習の専門家ではない）によって統合できるということである。これにより、AIが期待される効果をもたらすかどうかを迅速にテストすることができる。効果がない場合は、単にこれらのツールを無効にすることができ、仮説をテストするためのコストは、開発者がこれらのサービスと統合するのに費やした時間と、ツールの使用料のみとなる。モデルを開発していた場合は、機械学習の専門家の給与にモデルを開発するのに費やした時間を掛けた金額と、インフラストラクチャのコストを費やすことになる。さらに、開発者とモデルが必要なくなった場合にどうするかがわからない。仮説が証明され、AIを搭載したツールが期待される効果をもたらす場合は、喜び、新しい仮説を考える。将来的に、ツールのコストが大幅に増加することを予測する場合は、自分でモデルを開発することを検討し、コストをさらに削減することができる。ただし、開発のコストが、専門のツールを提供する会社に支払うコストよりも低いかどうかを評価する必要がある。私のアドバイスは、上記のツールを使用して好きな結果を得た後、そしてAIが長期的に問題を解決するための正しい方法であることを確認した後で、自分で機械学習製品を開発することを検討することである。そうでない場合は、機械学習プロジェクトは期待される価値を提供できないことになる。また、AIのハイプは、AIが必要ないミッションから注意をそらすことになる。5. AIの専門家と相談する同じように、創業者や事業主が犯すもう1つの共通の間違いは、すべてを社内で行おうとすることである。AIのチーフエンジニアーや研究者を雇用し、カットエッジの製品を作成するチームを形成する。ただし、AIの実装戦略が適切に定義されていないと、そのテクノロジーは会社の目的には価値がない。経験のないジュニアMLエンジニアを雇用して、より経験豊富な専門家よりも安くすることも危険である。経験のない人は、機械学習システムの開発と設計の細部を知らない可能性があり、会社にとって高額な「ルーキーミスタック」を犯す可能性がある。したがって、私の推奨事項は、まずAIの専門家、たとえばコンサルタントを雇用し、AIの採用プロセスを導いて、問題がAIを必要とするかどうかを評価することである。専門知識を活用して、仮説をテストし、テクノロジーが効果的に拡大できるかどうかを確認する。初期段階のスタートアップで資金に心配がある場合は、LinkedInでAIエンジニアに具体的な質問を投げかけるというハックがある。信じられないかもしれないが、多くのMLとAIの専門家は、トピックに熱心であり、助けることができる。さらに、成功すれば、コンサルティングのポートフォリオに肯定的なケーススタディとして使用できる。最終的な考えAIの周りのハイプが多いため、事業にAIを組み込んで、次のレベルに到達するためのAIを搭載したソリューションを開発したいと思うのは当然である。ただし、誰もがAIについて話しているからと言って、ビジネスにAIが必要というわけではない。多くのビジネスは、明確な目的を持たずにAIを統合し、多大な時間とお金を浪費する。特に初期段階の企業にとっては、これは致命的となる可能性がある。問題を明確に定義し、関連するデータを収集し、仮説をテストし、既存のツールを使用し、専門家の助けを借りることで、AIを統合し、会社の財政資源を枯渇させることはない。次に、ソリューションが機能する場合は、徐々に拡大し、AIが効率や利益を向上させる領域に組み込むことができる。