会社のAI戦略を将来にわたって安定させる: 強固なデータ基盤が持続可能なイノベーションを実現する方法

近年のイノベーションの急速な進化により、ビジネスリーダーは頭を振り払われるほどのペースで新しい機能に追いつこうとしています。会社が先を行っていると思ったら、新しい発表が注目を分散させ、進歩を妨げることがあります。那はC-Suiteが長期的なデジタル戦略を考え、持続可能なイノベーションの能力を強化する必要性を認識することになりました。

持続可能なイノベーションの概念は、持続可能性（気候への影響など）とは異なり、エマージングテクノロジーが繁栄するための適切なエコシステムが必要であることを認識しています。言い換えれば、デジタル変革は現在利用可能なテクノロジーを取得することだけではなく、次に来るテクノロジーを取得するために強固なデータ基盤を確立することです。その基盤はイノベーションの根幹であり、AIを含む分析モデルを構築して変化を推進する洞察を提供することができます。このような環境は、実験と新しいアイデアのテストのためのスペースを提供するため、よく知られた「Fail Fast. Learn Fast.」の原則の起源となります。

AIとGenAIの周りの話題が実験から実行に移行するにつれて、会社は将来の投資を確保するために、データをアクセスし、組織化し、構造化して時間の試練に耐えられるように設計された堅牢なデータレイヤーを作成しています。

データギャップの解決

カスタマー向けのテクノロジーは注目を集めることが多いですが、実際の仕事はAI/GenAIの背後にあるデータ分析です。ほとんどのリーダーはこれを理解していますが、データプログラムとAI/GenAIプロセスはまだ並行して実行されることがあり、データはAIプログラムに供給される前に一つの場所に蓄積されます。データプログラムとAI/GenAIプロセスを別々のイニシアチブとして見るのではなく、データが適切に整理され、消費できるようにするために両者をリンクする必要があります。つまり、利用可能なデータが大量にあるかもしれませんが、リーダーはAIプロジェクトを推進するために利用可能なデータの量を考慮する必要があります。現実は、ほとんどありません。ある意味で、組織はデータとAIを別々に保管することで労力を二重化しています。両者をより近く結び付けることで、効率性の向上、コストの削減、運用の合理化における重要な差別化要因となる可能性があります。

BCGによると、データとAIプログラムを最初から統合した会社は、同業他社よりも大きな成長を経験しています。会社はデータを最初に修正しないとAI開発はできないため、リーダーはより成熟した機能を使用して、アイデアをより良く考え、優先順位を付け、データとAIのより差別化された利用と変革的な利用の採用を確実にします。その結果、データをAI開発にリンクした会社は、遅れ者の会社よりも4倍以上のユースケースをビジネス全体に拡大して採用しています。また、実装される各ユースケースごとに、平均的な財務的影響は5倍大きくなります。

データ基盤を強化するために、いくつかの重要な質問から始める

データをAIに供給する能力（オンプレミスまたはクラウド移行）と、分析のために消費できるように準備する能力は異なります。会社は、データがAI洞察のために分析できるようにするために、まずいくつかの重要な質問を考慮する必要があります：

• ビジネス成果にデータがどのように対応していますか？ AIモデルは、効果的に機能するために、キュレーションされた、関連性のある、コンテキスト化されたデータが必要です。初期段階で、会社はデータの取得/保管方法から、AIによる意思決定のためにどのように使用されるかへの考え方を切り替える必要があります。会社が特定のユースケースを設計しながらデータを保管して組織化すると、AI、GenAI、またはアジェンティックAIなどの新しいプロセスを開発するときに、より簡単にアクセスできます。
• どのような障害がありますか？ McKinseyが100人のC-Suiteリーダーに調査したところ、デジタルと分析の変革によって生じるリスクを理解することが、ほとんどの場合、最も上位のリスク管理の痛み点であることがわかりました。結果を出すために急いでいる会社は、戦略を犠牲にしてスピードを優先することがあります。代わりに、リーダーはすべての角度を慎重に検討し、将来を考慮し、潜在的なリスクを軽減する必要があります。
• データを効率性の向上のためにどのように最適化できますか？ データの需要が高まるにつれて、管理者が自分の部門だけに焦点を当て、データの冗長性とデータ取得の遅延を招くことがあります。会社は、最初からクロスファンクショナルなコミュニケーションとコラボレーションを優先する必要があります。

強固なデータ基盤を開発するための4つのベストプラクティス

現在データレイヤーに投資する会社は、将来的にAIの成功を実現するための基盤を築いています。強固なデータ戦略を将来にわたって安定させるための4つのベストプラクティスがあります：

1. データ品質とガバナンスを確保する

• データの血統、メタデータ管理、自動品質チェックを確立する
• AIを搭載したデータカタログを使用して、発見可能性と分類を改善する
• データ管理を簡素化して、構造化データと非構造化データ、機械学習モデル、ノートブック、ダッシュボード、ファイルのガバナンスを円滑に実施する

データ品質とガバナンスを積極的に使用する会社の良い例は、SAPです。SAPは、データ管理スイート内に機械学習機能を統合して、データの不一致を特定して修正し、全プラットフォームでデータ品質を向上させ、堅牢なデータガバナンス慣行を維持しています。

2. データセキュリティ、プライバシー、コンプライアンスを強化する

• データを保存して転送中にゼロトラストセキュリティを実装する
• AIを搭載した脅威検出を使用して異常を特定し、セキュリティ漏洩を防ぐ
• GDPRやCCPAなどの世界的な規制に準拠し、AIを使用して報告/監査を自動化する

デジタルサプライチェーンとサードパーティリスク管理で革新的なことを行っている会社は、Black Kiteです。Black Kiteのインテリジェンスプラットフォームは、サードパーティとサプライチェーンに関するインテリジェンスを迅速に、かつ費用対効果の高い方法で提供し、リスク管理チームが簡単に消化して重要なセキュリティギャップを解消できるように優先順位付けされたダッシュボードにまとめます。

3. 戦略的パートナーシップを探求する

• 高度な分析機能を評価し、既存のデータのパフォーマンスを調べる
• AI、データエンジニアリング、分析を1つの簡単に管理できるプラットフォームに統合できるパートナーを探す

データをAIの成功のために構造化するのに役立つクラウドベースのパートナーソリューションは、(a) Databricks（既存のツールと統合してビジネスがデータ/AI（GenAIやその他のMLモデルを含む）を構築、拡大、管理できるようにする）と、(b) Snowflake（データ分析と同時にデータセットへのアクセスを可能にするプラットフォームを運用する）です。

4. データドリブン文化を育む

• セルフサービスAIツールを実装して、自然言語クエリ（NLQ）を使用して、データ洞察をアクセス可能にする
• 従業員をAIおよびデータリテラシーにスキルアップし、チームをAI、GenAI、データガバナンスプロセスにトレーニングする
• データサイエンティスト、エンジニア、ビジネスチームの間でコラボレーションを促進して、データの共有を促進し、より包括的な洞察を生成する

データドリブン文化を積極的に育む会社の良い例は、Amazonです。Amazonは、顧客データを広範囲に使用して、製品の推奨をパーソナライズし、物流を最適化し、全社の事業で情報に基づいたビジネス上の決定を下しています。データは、会社の戦略の重要な柱となっています。

将来のためのデータ基盤の構築

最近のKPMGの調査によると、67%のビジネスリーダーは、AIが2年以内にビジネスを根本的に変えることを予想しており、85%のリーダーは、データ品質が進歩の最大のボトルネックになることを感じています。那は、データそのものについての大きな再考を必要とし、単に保存ではなく、使いやすさと効率性に焦点を当てる必要があります。会社が現在データ基盤を整えることで、AIへの投資を将来にわたって安定させ、持続可能なイノベーションを継続的に実現できるようになります。