ITスタッフやデータサイエンティストと仕事をする場合、彼らは馴染みのない略語を使うことがあります。コミュニケーションを円滑に進めるために、基本的な用語や略語をいくつか知っておくことが重要です。
ビジネス ユーザーは、データ チームとスムーズにコミュニケーションをとるために、これらの一般的な AI 用語をよく理解しておく必要があります。
AI（人工知能）
人工知能（AI）とは、コンピュータによって実現される知能の一種です。コンピュータは、状況を「推論」し、結論を導き出すためのロジックやビジネスルールをプログラムすることができます。コンピュータは自ら考えることはできず、パターンやルールを理解します。
一例として、融資判断ソフトウェアが挙げられます。このソフトウェアは、融資申請者の財務状況を分析し、融資の是非と金利を判断できます。この判断ソフトウェアがこれを実現できるのは、銀行の融資担当者が用意した一連のビジネスルールと融資基準を利用するからです。IT担当者やデータサイエンティストは、この人工コンピュータによる推論プロセスをAIと呼びます。
参照: AI 実装の成功は、企業がインタラクションをどれだけ適切に定義するかにかかっています (TechRepublic)
ML（機械学習）
人工知能を使用するコンピューターが実行できるもう 1 つのことは、処理するデータ内の特定の結果を示唆するパターンを認識することです。
たとえば、ある郵便番号の地域の人の大多数は食料品店に行くといつも牛肉を買うが、別の郵便番号の地域では鶏肉を好む傾向があることにコンピューターが気づくかもしれません。
小売業者は、これらのデータを販売促進や在庫管理に活用します。AIを実行するコンピュータープログラムがこれらのパターンに気づき、「学習」した内容をロジックに組み込むことを、ML（機械学習）と呼びます。
データ集約
ほとんどの人工知能プログラムは複数のデータソースを使用します。これが、AIプログラムが、総勘定元帳のみを報告する財務分野の標準的なレポートジェネレータや、売上のみを報告する売上レポートとは異なる点です。
AIは、データを分析し、それに基づいて意思決定を行うために、様々なデータソースからの情報を必要とするため、ITスタッフとデータサイエンティストは、AIプログラムが処理できるよう、様々なシステムから収集したデータをすべて1つの中央データベースに統合する必要があります。このように、様々なソースからデータを取り込むプロセスは、データ集約と呼ばれます。
ETL（抽出、変換、ロード）
多様なデータソースから中央データベースにデータを移行するには、ITスタッフまたはデータサイエンティストがまず各データソースからデータを抽出（E）、次にターゲットデータベースが受け入れ可能な形式にデータを転送（T）、そして変換後のデータをAIが処理するターゲットデータベースにロード（L）する必要があります。このプロセス全体は、ITスタッフまたはデータサイエンティストが提供するデータ変換ルールに基づいて大部分が自動化されており、抽出・変換・ロード（ETL）と呼ばれます。
アルゴリズム
標準レポートを使用する場合、「今年の第 1 四半期にウィジェットをいくつ販売しましたか?」のようなクエリを送信します。
AI プログラムを使用する場合でもクエリを実行することはできますが、AI は実際には、「この一連の症状を持つ患者の場合、最も可能性の高い診断は何ですか?」などのより複雑な質問に答えるように設計されています。
AIプログラムは、論理と数学的テストを用いて綿密に定義された一連の命令であるアルゴリズムを用いて、多様なデータセットを処理し、結論を導き出します。AIの複雑さゆえに、アルゴリズムは単純なレポートクエリが求める範囲をはるかに超える処理を行います。
参照: AI の勢いが組織全体で高まっている (TechRepublic)
投資を深めるために言語を学ぶ
2022 年には、10 社中 9 社が AI テクノロジーに投資していますが、実際に導入しているのは 15% 未満です。
明らかに、まだやるべき仕事は残っています。そして、その仕事の大部分は、ビジネスにおいて AI を最も生産的に活用できる場所を理解しているビジネス ユーザーによって行われることになります。
AIを最適化するユースケースを実装するために、ビジネスユーザーは一般的なAI用語に精通しておくことが重要です。これにより、IT部門やデータサイエンティストとより効果的にコミュニケーションをとることができるようになります。IT部門やデータサイエンティストはAIテクノロジーを理解していても、それを適用すべき最適なビジネスユースケースを知らない場合があります。
