物理AIはChatGPTに脚を付けたものにはなり得ない

私たちは、ChatGPTがナポレオンが電子レンジを発明したと自信を持って言うのを笑い飛ばします。しかし、AIが手術ロボット、自律走行車、または産業システムを制御する場合、妄想の余地はありません。精度が重要です。これは、AIを構築して展開する方法を再考する上で、実際的な課題を生み出します。

物理AIに取り組むほとんどの組織は、根本的な間違いを犯しています。彼らは、デジタルAI戦略を物理AIの課題に適用しています。そうはなりません。物理AIは、デジタルAIとは異なるインフラストラクチャ、異なるタイムライン、異なるビジネスモデルを必要とします。

私は、石油田から小売店まで、企業がAIを展開するのを手伝ってきました。成功する企業は、単に技術を交換しているのではなく、展開の意味について完全に異なる一連の仮定で動作しています。

話し手が誰も語らないインフラストラクチャの現実

物理AIについて多くの人が見落としていることの1つは、クラウド上で実行されないということです。実行できないのです。

ロボティクス企業が私にアーキテクチャを説明するとき、図はしばしば伝統的なITリーダーを驚かせます。ロボットは基本的な機能をローカルで処理します。同じ施設内のエッジコンピューターが複雑な決定を処理します。クラウドはトレーニングと更新を管理します。これは、企業がインフラストラクチャを根本から再考することを強いられる、分散型アプローチです。

カーワッシュは伝統的にハイテク企業ではありませんが、一部のオペレーターは、予測メンテナンス、車両認識のためのコンピュータビジョン、会話型カスタマーインターフェイスにAIを使用しています。これらのシステムは、クラウド接続が十分に信頼できるものではないため、ローカル処理とリアルタイム応答が必要です。

NVIDIAの新しいJetson Thorチップは、ここでの方向性を示しています。コンパクトなエッジデバイスにデータセンター級のパワーを搭載しています。これは、便利な機能ではありません。これがシステムを動かすものです。

新しい標準は、3層に似ています。デバイスは即時の応答を処理します。ローカルエッジシステムは、デバイスのグループの重い決定を管理します。クラウドはトレーニングを処理します。大多数の組織はまだクラウドファーストの思考をしています。この思考パターンはあなたを遠くまで連れて行きません。

エンタープライズ展開が異なる理由

デジタルAIは、ユーザーの採用と精度の向上に焦点を当てています。物理AIは、分散型インフラストラクチャの管理、安全性のコンプライアンスの確保、従来のITサポートが存在しない環境での運用の維持が必要です。

ヘルスケア展開の現実を見てみましょう。生成的なAIは医療スキャンを非常に高い精度で分析できますが、HIPAAルールにより、患者データは病院の敷地内から出ることはできません。医療用画像ファイルは、サイズが数十GBから数百GBになることが多いため、クラウドへのアップロードと処理は実用的ではありません。病院は、機密データをローカルで処理しながら、クラウドグレードの分析を提供できるシステムが必要です。

障害は技術的なものだけではありません。私たちの最近の調査によると、37%のエンタープライズCIOは、人材不足をトップの課題として挙げています。これらは通常のAIスキルではありません。AI、エッジコンピューティング、セキュリティ、業界固有の規制の交差点での専門知識が必要です。5年前には存在しなかったスキルです。

タイムラインも異なります。デジタルAIアプリケーションは迅速に展開および反復されます。物理AIシステムは、広範なテスト、規制承認、安全性の検証を必要とします。自律走行車は10年以上の開発の後でも、限定された領域でのみ運行されています。

AIが物理システムを制御する場合、失敗はユーザーエクスペリエンスの悪さではありません。それは安全性、コンプライアンス、安定性の問題です。

「ブラックボックス」問題を超えて

伝統的なエンタープライズAIは、ベンダー固有のハードウェアソリューションを伴うことがよくあります。一人の小売技術エグゼクティブは、それらを「自分で魔法のようなウィジェットを実行するブラックボックス」と表現しました。結果として、企業はさまざまなAIアプリケーションを管理するための頭痛を抱えることになります。各AIアプリケーションには独自のハードウェアとセキュリティ上の課題があります。

主要な企業は、プラットフォームアプローチに移行しています。複数のAIワークロードを共有インフラストラクチャ上で実行します。各AIユースケースに新しいアプライアンスを購入するのではなく、モデルをアプリケーションとして統一されたエッジシステムに展開します。

小売業者はすぐに魅力を感じます。彼らは、在庫管理のためのコンピュータビジョン、HVACおよび冷蔵システムの予測分析、AIパワードのカスタマーサービスに必要な場合があります。3つの別々のシステムを実行するのではなく、すべてを共有インフラストラクチャに統合し、中央管理します。

ITリーダーは違いを認識しています。アプリケーションを管理することは、ボックスを扱うことよりも優れています。

投資の現実チェック

広範囲にわたる熱狂にもかかわらず、ほとんどのAI投資はROIの測定に苦労しています。生成的なAIアプリケーションは、比較的簡単に展開できますが、知識労働者の生産性への影響を測定することは難しい課題です。

物理AIは、異なる価値提案を提示します。展開の障壁は高いです。分散型インフラストラクチャ、安全性の検証、規制コンプライアンスが必要です。しかし、潜在的なリターンはより具体的です。サプライチェーンの最適化、機器の稼働率、労働者の安全性の向上は、運用および財務上の観点から直接測定できます。

この測定可能性の違いは、企業の予算が変化する理由を説明するかもしれません。2025年には、90%の組織がエッジコンピューティングへの投資を増やし、約3分の1の組織が支出を25%以上増やします。これらの投資は、物理AIが複雑であるにもかかわらず、より明確なビジネスへの影響の道筋を提供することを認識したものです。

競争の機会は閉じている

組織には無限の時間はありません。物理AIの開発と展開サイクルは、月単位ではなく、年単位で測定されます。早期採用者は、競合他社が簡単に複製できない運用上の能力を構築しています。

成功した企業は、違った考え方をしています。技術自体にこだわるのではなく、競争上の立場をどのように変えるかを考えています。

予測メンテナンスのためにAIを使用する製造業者は、コストのかかるダウンタイムを防いでいます。リアルタイムの在庫管理のためにエッジAIを使用する小売業者は、競合他社が提供できない顧客体験を提供しています。ローカルAIを使用して診断サポートを提供するヘルスケアシステムは、プライバシーを保護しながら患者の結果を改善しています。

これらの利点は、物理AIの機能が開発および展開に数年かかるため、時間の経過とともに蓄積されます。

ビジネスリーダーにとっての意味

物理AIは、デジタルAIがしばしば失敗する場所で、現実の世界の環境で測定可能なビジネス成果を達成します。技術は、毎回、すべての条件で、測定可能なビジネス成果を達成するシステムを必要とします。これは、デジタルAIとは根本的に異なります。

この変化を認識し、戦略を今すぐ適応させる組織は、次のAI展開の時代をリードします。物理AIの課題にデジタルAIのプレイブックを強制しようとする組織は、標準的な慣行になるまでに後れを取ることになります。

物理AIは、ビジネス運用を変革します。唯一の真正な質問は、組織がこの変化を主導するか、それとも追いつくために必死になるかです。

これは、現実の世界で知能が展開される方法における構造的な変化を表します。早期に認識し、計画して対応する企業は、次の10年のビジネス上の利点を定義します。