生成可能AIの希望的候補者がクラウドコンピューティングの試行錯誤から学ぶこと

生成可能AI (GenAI)はここに留まることを望んでおり、世界中の組織はその技術の能力を楽しみにしている。すでに、72%の組織は、GenAIを広範囲にまたはやや使用していることを報告しており、さらに26%の組織はこの技術を実験している。しかし、この新しい段階のGenAIの採用はまだ初期段階にある。

McKinseyによると、会社の幹部の1%のみが、GenAIの展開を「成熟」と表現しており、これは技術がワークフローに完全に統合されており、重要なビジネス成果をもたらしていることを意味する。成熟度のギャップを埋めるには、継続的なコース修正が必要であり、多くの場合、展開の障壁、たとえば、重大な費用、未証明の技術への不信、規制リスクなどの問題に直面することになる。如果これらの課題が見慣れているように聞こえる場合は、それは当たり前であるべきです。ITチームがクラウドを次の大きなものとして最初に採用したとき、同じ障壁が表面化したからである。

新しい技術の2つの波は、いくつかの点で異なっている。クラウドコンピューティングは、初期段階でよりミッションクリティカルなシステムに実装されたのに対し、GenAIは、効率と生産性の向上に主に専念したユースケースでより急速に採用されている。しかし、学習曲線は似ている。両方とも、組織に異なる考え方と働き方を促す。

クラウドコンピューティングの先駆者的経験を振り返ることで、今日のGenAIの希望的候補者は、より情報に基づいた将来を築くことができる。

コスト、リスク、変更の管理：クラウドの失敗から学ぶ

時計を戻して、クラウド技術が勢いを得ていたとき、多くの組織は移行の複雑さを低く見積もっており、短期的なコスト削減を高く見積もっていた。結果として、同じ組織のほとんどが、3つの主な落とし穴に陥った。コスト管理の不良、セキュリティの誤構成、および文化的および組織的な変更に伴う自然な抵抗である。

クラウド時代は、単に「リフトアンドシフト」- ワークロードをクラウドに移動するだけで、価値を提供することができないことを教えてくれた。同様に、GenAIのイニシアチブは、組織が最新のデータファンデーションを更新せずに、レガシーデータ、構造化されていないデータ、または不十分に文書化されたデータを新しいモデルに接続しようとしたときに、頻繁に停滞する。実際、GenAIプロジェクトは、期待外れの結果をもたらしたり、既存の非効率性を強化したりすることがある。教訓は、技術のみでは基礎的な弱点を克服できないことである。

クラウド技術と同様に、GenAIもガバナンス、スキル、および長期的な戦略におけるギャップを明らかにした。従業員がGenAIツールを監督なしに採用したり、技術を許可された使用ポリシーの範囲外で使用したりすると、シャドウITのリスクが再現され、GenAIパイプラインのセキュリティを確保し、規制コンプライアンスを大規模に確保することが困難になる。これらの類似点は、GenAIが実験から広範なエンタープライズ統合に移行するにつれて、クラウド内で見られる強力なサイバーセキュリティフレームワーク、インシデントレスポンスプラン、およびガバナンス構造と同様のものが必要になる。

リスク管理を超えて、無管理のコストスプレッドは、テクノロジーにおける長期的な問題である。クラウドも例外ではなく、企業がGenAIをワークフローに統合し続けるにつれて、同様の費用の増加に直面することになる。

コスト管理戦略を改善しようとする組織の増加数は、FinOpsを解決策としている。タイムリーでデータ駆動型の洞察を利用して予測を改善し、クロスファンクショナルなアカウンタビリティとコラボレーションを促進することで、包括的なFinOpsインフラストラクチャは、過剰支出を抑制し、ビジネス価値を最大化するために不可欠であることが証明されている。FinOpsの原則は、クラウドコスト管理のみに限定されず、GenAI支出にも有効な選択肢を提供する。

クラウドの教訓をGenAIの実践に

今年末までに、Gartnerは、少なくとも30%のGenAIプロジェクトが概念実証の後で放棄されることを予測している。ヒプが現実を上回ると、データの準備不足、ビジネス所有権の不明確さ、または不必要な複雑さなどの、GenAIプロジェクトの失敗の背後にある隠れたパターンは、新しい技術の採用の急速さの中で気づかれないことが多い。早期にこれらの信号を認識し、対処することは、GenAIの成功と別の放棄されたプロジェクトの違いを意味することがある。リーダーがプロセスをショートカットするのではなく、これらの警告信号に注意を払うことで、チームを長期的な成功に導くことができる。

採用が承認されると、企業は、即時のエンタープライズワイドのスケーリングではなく、実際の価値をテストおよび確保するために、小規模なGenAIパイロットプロジェクトに重点を置くべきである。企業が、明確に定義された、高い影響力のあるユースケースをいくつか選択し、明確なROI目標を実際のビジネスニーズにマッピングすることが重要である。これにより、早期の勝利がもたらされ、内部の信頼が築かれ、無駄な時間とリソースの浪費が避けられる。GenAIの採用を、顧客サポートサマリーの自動化やコードレビューの加速などの、具体的な成果に結び付けることで、企業は価値を迅速に示し、取り組みを洗練し、戦略的にスケールアップすることができる。また、技術的な取り組みをビジネス目標と一致させることも助けるが、これは、現在の多くのGenAIパイロットが欠けているところである。

次に、強力なチェックとバランス、継続的な監視、および明確に定義されたガバナンスポリシーの確立が、責任ある使用とコンプライアンスのために重要なステップとなる。外部の専門家と関わることは、今日の複雑で変化する規制環境を切り抜けるための最初のステップとなることがある。GenAIの実装プロセスの初期段階で、適切なツールとインフラストラクチャに投資し、継続的なトレーニングを行うことで、組織は持続可能な成功の基礎を築くことができる。

GenAIイノベーションにおけるバランスのとれたアプローチ

クラウド時代の教訓を、規律と先見の明を持って適用することで、組織は、コストのかかるミスを避け、GenAIの全潜在能力を解放することができる。安全に、持続可能に、そして大規模に。

GenAIは、70%のCEOが、技術が将来3年以内にビジネスモデルに影響を与えることを予想していることを示している。すでに技術を使用している企業の場合、89%に増加する。明らかに、GenAIの変革的潜在能力は、幹部の意思決定者にとって価値があることを証明しているが、持続可能な、大規模な影響は、信頼、ガバナンス、および統合の障壁に対処することに依然として依存している。