ハイプを超えて：ビジネス成果のためのAIとMLの運用化

By: Krishnan Venkata, Chief Client Officer at digital analytics firm LatentView Analytics.

10年以上にわたって、スタートアップから大企業まで、企業は人工知能（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は現代の仕事を変え、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ず、実現には至りませんでした。多くの組織がデジタル変革の取り組みを加速させてきましたが、共通の落とし穴がAI/MLの夢を実現しないままにしていることが多いです。

AIとMLの変革的な可能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戦略への第一歩はデータの収集です。しかし、データを収集することと同じく重要なのは、そのデータを組織化する計画です。計画なく大量のデータを蓄積する企業は、未精錬で実際的に使えないリソースが残ります。石油を発見する価値は何ですか、それを地面から取り出せず、使用するために精錬できない場合に？
• 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。この価格の衝撃により、一部の企業は、より大きなロードマップにどのようにフィットするかを考慮せずに、AIツールを部分的に採用することになります。
• プロセス/規律の欠如： AIとMLのソリューションは、会社内の特定のリーダーによって自然に推進され、導入されますが、その成功は、上から下までの組織全体の買い込みに依存します。初期の採用者は、新しいツールの統合をできるだけスムーズにするために、規律とルーチンを必要とする、より広範な採用の準備をする必要があります。

過去1年間は、デジタル変革とAIおよびMLによるルーチンの自動化については時間を浪費する余裕がないことを証明しました。 Fortune Business Insightsによると、世界の人工知能市場は2027年までに267億ドルに達し、2019年の27億ドルからほぼ10倍の成長を遂げる予想です。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に促しています。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によってデジタル変革の取り組みが加速されたと回答しました。

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化するには何が必要でしょうか。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方法ですが、これらの新しいソリューションはすべて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、企業内で収集されるすべてのデータを組織化するという課題の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劇的に簡素化します。AI/MLへの初めてのステップを踏み出す企業にとって、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、よりシンプルなワンサイズフィッツオールの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バックグラウンドがほとんどない、またはまったくない従業員の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、ドラッグアンドドロップのプラットフォームを介して、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、わずかなコードで複雑なタスクを実行できます。

3. AutoAIとAutoML

ビジネスプロセスを自動化するAIとML自身が自動化される必要があるというのは、矛盾に思えるかもしれません。AIとMLの成功の重要な側面は、精製の概念です。これらのツールは、仕事を学習し、より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高め、改善された成果を提供できます。AutoAIとAutoMLは、人間の入力が不要な、精製プロセスを実行し、不断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、偏見を防ぎ、ツールが企業のニーズを満たしていることを確認できますが、AutoMLにより、従業員は日常業務中に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の新しい分野に突破口を切り開くにつれて、AI/ML分野は、新しいユースケースの爆発的な増加を見せる転換点に達しています。企業は、これらの新しいテクノロジー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後れを取ることになります。