Gen AIパイロット疲労を避ける：目的を先導する

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 − 時間の節約、コストの削減、または機能の拡大 − で測定されるべきである。プロジェクトを進める、変更する、または終了するためのデータ駆動型評価に基づいて、ゲートが設けられる必要がある。Gen AIのアイデアの半分は、最終的にRPAまたはノーコードツールのような他のテクノロジーに適していることがわかる − それでもよい。目標は、AIを導入することではなく、ビジネス上の問題を効果的に解決することである。

RPAとクラウド移行からの教訓

これは、組織がテクノロジー熱によってさらされる最初の機会ではない。RPAは繰り返しのタスクを排除することを約束した；クラウド移行は柔軟性とスケールを約束した。両方とも − しかし、規律を導入に適用した人々のためにだけ − 実現した。

1つの大きな教訓は？基盤を省略しないでください。私たちは、組織が既存のワークフローをストリームライン化し、AIを導入する前にデータの清潔性を向上させることで、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。AIが最適化されたシステムに適用されると、改善は2倍になる。しかし、AIが壊れたプロセスに重ねられると、影響は無視できるものになる。

同じことがデータにも当てはまる。Gen AIモデルは、消費するデータと同じだけしか優れていない。汚れた、古い、または一貫性のないデータは、悪い結果 − または、より悪い、偏った、そして誤解を招く結果 − につながる。したがって、企業は、データガバナンスフレームワークに投資する必要がある。これは、McKinseyによって支持されている見解であり、報告書でも強調されている。

“簡単な”AIの誘惑

ジェネレーティブAIの2つの刃を持つ剣の1つは、低い障壁である。事前構築されたモデルとユーザーフレンドリなインターフェースにより、組織内の誰でもが数日 − ときには数時間または数分 − でパイロットをスピンアップできる。アクセシビリティは強力であるが、同時に洪水門を開く。突然、部門を横切って、オーバーサイトや調整なしに実験するチームが現れる。数十のGen AIイニシアチブが同時に実行されていることは珍しくない − それぞれが異なるステークホルダー、データセット、成功または失敗の定義を持っている。

この断片化されたアプローチは、疲労 − リソースの観点からのものだけでなく、有形なリターンが見られないことによる苛立ちの増大 − につながる。中央集権的なガバナンスと明確なビジョンがなければ、最も期待されるユースケースでも、無限のイテレーション、改良、再評価のループに陥ることがある。

サイクルを断つ：意図を持って構築する

戦略、ガバナンス、プロセス最適化に基づいて、Gen AIを他のエンタープライズテクノロジー投資と同じように扱い始めることから始めましょう。私は、次の原則が重要であることを発見しました：

1. テクノロジーではなく、問題から始めます。組織は、ビジネス上の課題を解決するのではなく、興奮するユースケースを追求することが多い。フリクションポイントまたはワークフローの非効率性を特定し、Gen AIが最適なツールであるかどうかを尋ねることから始めることです。
2. 革新する前に最適化します。AIを壊れたプロセスに重ねる前に、プロセスを修正します。運用をストリームライン化することで、主要な改善が実現できる − そして、AIの付加的な影響を測定することがはるかに簡単になります。Bain & Companyは、最近の報告書で、基礎的な準備に焦点を当てた企業は、Gen AIからより迅速に価値を生み出すと指摘しています。
3. データを検証します。モデルが正確で、関連性があり、倫理的に取得されたデータでトレーニングされていることを確認します。データ品質の低さは、パイロットがスケールアップに失敗する主な理由の1つです − これは、Gartnerによっても指摘されています。
4. 「良い」ものを見せる。各パイロットには、ビジネス目標に結びついた明確なKPIが必要です。ルーチンタスクに費やされる時間の削減または運用コストの削減 − 成功は測定可能でなければなりません − パイロットには、継続、変更、または終了するための意思決定ゲートが必要です。
5. 幅広いツールキットを保有する。Gen AIはすべての問題に対する答えではない。場合によっては、RPA、ローコードアプリ、またはマシンラーニングを介した自動化が、より迅速、安価、または持続可能な解決策となる可能性があります。ROIが計算されない場合は、AIに「いいえ」と言うことを恐れないでください。

先を見据えて：何が役立つか、または何が損なうか

来年、パイロット疲労は、改善される前に悪化する可能性があります。イノベーションのペースは、特にAgentic AIのような新興テクノロジーとともに、加速し続けています。AIで「何か」をする圧力は膨大です − 正しいガイドラインがなければ、組織は可能性の純粋なボリュームに圧倒されるリスクがあります。

しかし、楽観的な理由もあります。開発慣行は成熟しています。チームは、従来のソフトウェアプロジェクトに適用するのと同じ厳格さでGen AIを扱い始めています。ツールの改善も見られます。AI統合プラットフォームとAPIオーケストレーションの進歩により、Gen AIを既存のテクノロジースタックにスロットするのが容易になりました。OpenAI、Meta、Mistralなどのプロバイダーからの事前トレーニング済みモデルは、内部チームの負担を軽減します。さらに、AI Now Instituteが推進するような、倫理的で責任あるAIに関するフレームワークは、曖昧さとリスクを軽減するのに役立ちます。最も重要なのは、ビジネスリーダーとテクニカルリーダーが、AIができること（とできないこと）について、クロスファンクショナルなAIリテラシーの向上を示していることです。

最終的な考え：目的が重要です、パイロットではありません

最終的には、AIの成功は意図に依存します。ジェネレーティブAIは、巨大な効率性の改善、新的能力の解放、業界の変革をもたらす可能性を持っています − しかし、戦略によって導かれ、クリーンなデータによってサポートされ、成果によって測定される場合にのみです。

そのアンカーがなければ、それはただのテクノロジーの一時的なブームで、チームを疲弊させ、取締役会を失望させることになります。

Gen AIパイロット疲労を避けたいのなら、テクノロジーから始めるのではなく、目的から始めましょう。そこから構築しましょう。