ハイプを超えて：ビジネス成果のためのAIとMLの運用

著者：Krishnan Venkata、デジタルアナリティクス会社LatentView Analyticsのチーフクライアントオフィサー。

10年以上にわたって、スタートアップから大企業までのビジネスは、人工知能（AI）と機械学習（ML）の約束について話し合ってきました。予言によれば、AIとMLは現代の仕事を変革し、日常的なプロセスを自動化し、人間の従業員がより高度なタスクに集中できるようにするでしょう。

10年後、多くの企業にとって、AIの約束はただの約束に過ぎないことが明らかになりました。多くの組織がデジタル変革の取り組みを加速させたにもかかわらず、共通の落とし穴がAI/MLの夢を実現しないようにしました。

AIとMLの変革的な潜在性を妨げている最大の要因は何ですか？

• 組織の欠如： 成功したAI戦略の第一歩はデータの収集です。しかし、同様に重要なのは、そのデータの組織化を計画することです。計画なくデータを蓄積する企業は、未加工で使い物にならないリソースに取り残されます。石油を発見する価値は何ですか？それを地中から取り出して利用する方法がない場合、価値は何ですか？
• 一部の採用： デジタル変革は長期的なコスト削減を約束しますが、新しいテクノロジーを採用する初期の価格は高額になる可能性があります。この価格は、一部の企業がAIツールを段階的に採用することにつながり、より大きなロードマップにどのように適合するかを考慮せずに、単一のソリューションを採用します。
• プロセス/規律の欠如： AIとMLソリューションは、会社内の特定のリーダーによって推進されますが、その成功は、上から下までの組織全体の取り組みに依存します。初期の採用者は、より広範な採用のための準備をしなければなりません。新しいツールの統合をできるだけスムーズにするための規律とルーチンを確立しなければなりません。

過去1年は、デジタル変革とAIおよびMLを使用したルーチンの自動化に遅れる時間はないことを示しています。 Fortune Business Insightsによると、世界のAI市場は2027年までに267億ドルに達し、2019年の27億ドルからほぼ10倍の成長を示します。 COVID-19パンデミックによって引き起こされたリモートワークへの長期的なシフトは、企業が新しいソリューションを採用するよう促しています。 TwilioのCOVID-19デジタルエンゲージメントレポートによると、97%の幹部がパンデミックがデジタル変革の取り組みを加速させたと述べています。

では、AIとMLのハイプを超えて、これらのツールを実際に運用するには何が必要か？いくつかのテクノロジーと戦略が、成功と失敗の違いを生み出すでしょう：

1. AIOps、MLOps、DataOps

テクノロジーまたはアプリケーションに「-Ops」を付けることは、新しい流行語を作るための確実なレシピですが、これらの新しいソリューションのすべてが空気のようなものではありません。実際、AIOps、MLOps、DataOpsなどの戦略は、企業内で収集されたすべてのデータを組織化する課題に対する解決策を提供できます。これらのツールは、Agile管理の原則をAI、機械学習、データ管理に適用し、新しいソリューションから価値を抽出するために必要な知識と労力を大幅に簡素化します。AI/MLを初めて導入し、スピードを上げたい企業にとって、これらの戦略は必須です。

2. ローコード/ノーコード

最も複雑で繊細なMLモデルは、常に専用の開発者とデータサイエンティストが必要です。しかし、多くの企業が直面している課題は、はるかに複雑ではなく、シンプルな一サイズフィットオールのAIソリューションで解決できます。ローコードとノーコードのプラットフォームは、ソフトウェア開発の経験がほとんどない従業員にとって、参入障壁を下げます。ノーコードツールを使用すると、従業員は、直感的なドラッグアンドドロッププラットフォームを使用して、レコメンデーションエンジンなどのソリューションを構築できます。ローコードプラットフォームは、わずか数行のコードで複雑なタスクを実行できます。

3. AutoAIとAutoML

人工知能と機械学習がビジネスプロセスを自動化するのであれば、それ自体が自動化される必要がある理由は何ですか？AIとMLの成功の重要な側面は、改良の概念です。これらのツールは、仕事を学習し、さらに多くのデータを統合するにつれて、徐々にパフォーマンスを向上させ、改善された成果をもたらします。AutoAIとAutoMLは、人間の入力が不要な改良プロセスを実行し、無限の美徳のサイクルを作成します。人間は、モデルのパフォーマンスを確認して、偏りを防ぎ、ツールが企業のニーズを満たしていることを確認することができますが、AutoMLにより、従業員は日常業務で他の課題に取り組むことができます。

チップメーカーとソフトウェア会社が自然言語処理で新しい境地を拓き、AI/ML分野は新しいユースケースの爆発を見せる転換点に達しています。企業は、これらの新しい技術に反応する準備をしなければなりません。準備ができていない企業は、準備ができている競合他社に置き去りされるでしょう。