方法と時期の解決：ビジネス戦略をAIの採用に注入する

私たちは、人工知能（AI）における転換点に達しています。取締役会の議論は、AIの有効性について論じることから、採用の加速に移り変わりました。これは、変化のペースがこれより遅くなることはないことを考えると、興奮する時期です。 BCGによると、世界的な経済的不確実性にもかかわらず、2023年の企業のトップ優先事項としてイノベーションが上昇し、79%の企業がそれをトップ3の目標としてランク付けしました。

ただし、イノベーション自体のためにイノベーションを行うことは、健全なビジネス戦略ではありません。AIの波に乗り遅れないようにと、企業がハイプに投資するのではなく、長期的な価値を生み出す解決策に投資する必要があります。これには、現在の能力と、短期的なトレンドよりも持続可能な成長を優先するための忍耐力の慎重な考慮が必要です。

ゴールドリックス・ゾーン

企業の歴史は、企業が重要な時期に下した戦略的決定が、その存在に重大な影響を与えた例で満ち溢れています。たとえば、アマゾンはドットコム・バブルを生き残ったことにより、その会計戦略を調整し、他の企業が無駄に使っていた現金を節約することができました。つまり、熱狂的な時代に、健全なビジネス上の決定は今まで以上に重要であり、明日への計画には、すべての潜在的なシナリオを考慮する能力が必要です。

全体的に、AIの「Fear of Missing Out（FOMO）」という感覚が経営陣に広がっており、さらに、「分析麻痺」に陥ることも実際の脅威です。（たとえば、コダックのように）ここでは、企業が「ゴールドリックス・ゾーン」を探している3つの考慮事項があります。AIに投資しすぎたり、投資しすぎたりしないという、持続可能なイノベーションのスイート・スポットを見つけることです。

1. データの成長に焦点を当てる

どのような機械でも、その内部メカニズムを理解することが重要です。つまり、AIは完成された製品ではなく、大規模な言語モデル（LLM）が多数の多様なデータ・ポイントに基づいてパターン、コンテキスト、言語的ニュアンスを学習するためです。LLMのサイズと複雑さは、さまざまなドメインとタスクで効果的に動作するために、広範なトレーニング・データを必要とします。このデータの品質と数量は、LLMのパフォーマンスと、企業のAIツールのスイートに大きな影響を与えます。

より堅牢なデータ・エコシステムを作成することは、AI変換を計画する企業にとって賢明な最初の投資です。このデータは、LLMが成長して進化する際の基盤となります。この進化において、高品質のデータはさらに重要になります。研究によると、LLMは最小限のデータで有能であることが示されていますが、現在の専門家は「データの品質と多様性が、LLMのトレーニングのすべての側面（事前トレーニング、ファイン・チューニング、ステアリングなど）に与える影響は絶対に大きい」と述べています。

2. ビジネス上のユースケースを特定する

AIは確かに広範な外部への応用が可能ですが、多くの企業は、技術を使用して内部プロセスを最適化することに重点を置いています。「最適化」という言葉が重要です。企業は、AIソフトウェアをただプラグインして、出力を自動的に改善することを期待するのではなく、データを分析して、顧客の行動、市場のトレンド、潜在的なリスクについて、貴重な洞察を得ることができます。また、自動化されたタスクのストリームライン化にも効果的であり、従業員の時間をより高レベルの活動に割り当てることができます。

簡単に言えば、企業は、どのAIモデルを使用するかを考えるのではなく、解決したい特定の問題に焦点を当てる必要があります。（つまり、動かしたい針を特定し、影響させたいKPIを設定し、次にそれらの目標を達成するためにどのAIツールを使用するかを逆算します。）MITのグローバル・エグゼクティブAI調査によると、KPIを作成するためにAIを使用する90%の企業は、KPIが改善されることを報告しています。「これらのAIに基づくKPIは、ビジネス上の利益と新しい能力を提供し、より効率的で財務上の利益が大きく、詳細でタイムリーで、組織の目標と一致しています。」

3. オープンソースLLMを使用してカスタムAIツールを構築する

構築するか、購入するか、それが問題です。カスタマイズされたAIソリューションを構築することは難しいように思えるかもしれませんが、多くの企業は、開発者がアクセスして構築して変更できるオープンソースLLMではなく、外部ベンダーから独自のLLMのライセンスを購入することを選択しています。しかし、ライセンスは、LLMの使用方法を制限する可能性があり、ライセンス料金は時間の経過とともに非常に高くなる可能性があります。一方、オープンソースLLMは無料であり、開発者は企業の特定のニーズに基づいてアクセスして構築して変更できます。

このオープンソースモデルエコシステムは、企業が機密情報をネットワーク内に保持し、データをより制御したいと考えているため、人気を博しています。オープンソースLLMは、企業に透明性と柔軟性を提供し、待ち時間の問題が減り、パフォーマンスが向上するなどの利点があります。IBMとNASAは最近、オープンソースLLMを地理空間データでトレーニングして、科学者が気候変動と戦うのを支援するために共同で開発しました。これは、よりアクセスしやすく、包括的で、協力的な科学コミュニティを構築するために、NASAの10年間のオープンソースサイエンス・イニシアチブの一部です。

オープンソース技術と同様に、オープンソースLLMには、潜在的なセキュリティ漏洩やバイアス、悪意のあるアクターによるデータの操作などのリスクがあります。しかし、オープンソースモデルは時間の経過とともにより賢く、より安全になっており、一部の専門家は、オープンソースLLMが将来、最も優れたクローズドソースLLMと同等のレベルに達する可能性があると感じています。これは、早期の採用とチームのスキル向上に投資することを正当化します。

AIの採用は、マラソンのように複数の短距離走

最近の統計によると、アメリカには約15,000のAI企業があり、2017年の約2倍です。世界規模では、これらの数字はほぼ4倍になります。この多くのベンダーと新しいスタートアップがサービスを提供しているため、企業が時間とお金をどこに投資するか決めるのが難しいのは当然です。しかし、イノベーションによってもたらされるリスクとリワードを慎重に評価することで、リーダーは企業を持続可能な成長への未来に導くための適切なAIの混合を発見するでしょう。