強力なガバナンスなしではGenAIは停滞する

企業がGenerative AIプロジェクトを実験から本格的な導入に移行する際に、多くの企業がパイロットモードに留まっています。私たちの最近の調査によると、92%の組織が、GenAIのパイロットが根本的なデータの問題を解決する前に加速していることを心配している。さらに、67%の組織が、パイロットの半分以上を本格的な導入に移行できていない。この本格的な導入のギャップは、技術的な成熟度ではなく、基礎となるデータの準備度の問題です。GenAIの潜在能力は、基礎となるデータの強さに依存しています。現在、多くの組織にとって、その基礎はあまりにも不安定です。

GenAIがパイロットモードに留まる理由

GenAIソリューションは確かに強力ですが、それらはデータの質によって決まる。古い諺「ガベージイン、ガベージアウト」は今よりも真実です。信頼できる、完全な、権限のある、説明可能なデータがなければ、GenAIモデルは不正確、偏った、または目的を達成できない結果を生み出すことが多いです。

不幸にも、企業は低コストのユースケース、例えばAI搭載のチャットボットを導入し、さまざまな内部文書からカスタマイズされた回答を提供しています。そうすることで、顧客の体験はある程度向上しますが、企業のデータインフラストラクチャに深刻な変化を要求しません。しかし、ヘルスケア、金融サービス、サプライチェーンの自動化などで、GenAIを戦略的に拡大するには、より高いレベルのデータの成熟度が必要です。

実際に、56%のチーフデータオフィサーが、AIの導入における最大の障害としてデータの信頼性を挙げている。その他の問題としては、不完全なデータ（53%）、プライバシー問題（50%）、およびAIガバナンスのギャップ（36%）があります。

ガバナンスなしではGenAIなし

企業がGenAIをパイロットモードを超えて進めるには、データガバナンスを戦略的なビジネス上の必須条件として扱う必要があります。データがAIモデルを動かすのに十分な準備ができていることを確認し、以下の質問に答える必要があります:

• モデルをトレーニングするために使用するデータは、正しいシステムから来ているか?
• 個人を特定できる情報を削除し、すべてのデータおよびプライバシーの規制に従ったか?
• 透明性があり、モデルが使用するデータの出典を証明できるか?
• データプロセスを文書化し、データに偏見がないことを証明できるか?

データガバナンスは、組織の文化の中に埋め込まれる必要があります。これを行うには、すべてのチームにAIリテラシーを構築する必要があります。EU AI Actは、AIシステムの提供者と使用者が、従業員が十分にAIリテラシーを持っていることを保証するよう義務付け、従業員がこれらのシステムの仕組みと責任ある使用方法を理解できるようにしています。しかし、効果的なAIの導入は、技術的な知識だけではなく、データスキル、データガバナンス、分析的な質問の枠組みに対する強い基礎も必要です。AIリテラシーをデータリテラシーから切り離して扱うことは、短絡的です。

データガバナンスについては、まだ作業が必要です。データ管理への投資を増やしたい企業のうち、47%が、データリテラシーの欠如が最大の障害であると同意しています。これは、トップレベルのサポートを構築し、組織全体に適切なスキルを開発することが重要であることを強調しています。そうしないと、最も強力なLLMでも期待どおりの結果を出すことはできません。

説明責任のあるAIの開発

現在の規制環境では、AIが「ただ動く」だけでなく、説明責任を負うことも必要です。EU AI ActやUKの提案されたAIアクションプランは、高リスクのAIユースケースにおける透明性を要求しています。他の国も続いています。現在、1,000以上の関連する政策法案が69カ国で議題に上がっています。

この世界的な説明責任への動きは、アルゴリズムの公平性に対する消費者と利害関係者の要求の増大による直接的な結果です。例えば、企業は、顧客がローンを拒否された理由や、プレミアム保険料を請求された理由を説明できる必要があります。そうするには、モデルがどのように決定を下したかを知る必要があり、それにはモデルをトレーニングするために使用したデータの明確な監査可能なトレイルが必要です。

説明責任がなければ、企業は顧客の信頼を失うだけでなく、財務的および法的影響に直面することになります。したがって、データの出典の追跡可能性と結果の正当性は、「nice to have」ではなく、コンプライアンスの要件です。

そして、GenAIが単純なツールから完全なエージェントに進化し、決定を下し、行動することができるようになると、データガバナンスの重要性はさらに高まります。

信頼できるAIを構築するためのステップ

では、良いものとはどのようなものでしょうか。GenAIを責任ある方法で拡大するには、企業は3つの柱を持つ単一のデータ戦略を採用する必要があります:

• ビジネスに合わせたAI: ビジネスの重要な目標を中心にデータをカタログ化し、企業固有のコンテキスト、課題、機会を反映させます。
• AIへの信頼を確立する: コンプライアンスと倫理的なAIの導入のためのポリシー、標準、プロセスを確立します。
• AI用のデータパイプラインを構築する: 多様なデータソースを強固なデータ基盤に統合し、事前に構築されたGenAIコネクティビティを組み込みます。

企業がこれを正しく行うと、ガバナンスはAIの価値を加速します。金融サービスでは、ヘッジファンドは株価予測で人間のアナリストを上回るGenAIを使用し、同時にコストを大幅に削減しています。製造業では、AI駆動のサプライチェーン最適化により、企業はリアルタイムで地政学的変化や環境的圧力に反応できます。

これらは、将来的なアイデアではなく、現在進行形で、信頼できるデータによって推進されています。

強力なデータ基盤を持つと、企業はモデルドリフトを減らし、再トレーニングサイクルを制限し、価値の実現を早めることができます。したがって、ガバナンスはイノベーションの障害ではなく、促進要因です。

次のステップ

実験の後、企業はチャットボットを超えて、変革的な機能に投資しています。顧客とのやり取りのパーソナライズから、医療研究の加速、精神保健の改善、規制プロセスの簡素化まで、GenAIは業界全体でその潜在能力を示し始めています。

しかし、これらの成果は完全に基礎となるデータに依存しています。GenAIは強力なデータ基盤を構築することから始まり、強力なデータガバナンスが必要です。GenAIやエージェントAIが進化するにつれて、人間の監視を置き換えることはありません。代わりに、構造化された価値創出の段階に入り、AIは信頼できるコパイロットになります。データの品質、ガバナンス、文化への適切な投資を行うと、企業はGenAIを本格的に導入できます。