データ管理会社テラデータの国際データサイエンスディレクター、クリス・ヒルマン氏は、企業が新興技術への投資から価値を示そうとする中で、データサイエンスとAIチームのコストに最近注目が集まっていると感じている。
しかし、データ サイエンティストは技術的なレベルで AI モデルを構築する能力があり、AI モデルの仕組みを理解していなかったり、モデルの推奨事項を実行に移せなかったりするビジネス関係者が AI プロジェクトの成功を妨げていることが多いと彼は考えています。
「データサイエンスの世界では、すべてが技術的な問題であり、テクノロジーで解決します」とヒルマン氏は説明した。「しかし、こうしたことがビジネスプロセスに取り入れられない理由の多くは、基本的に文化、政治、あるいは人的要因によるものであり、技術的な問題ではないと私は確信しています。」
さまざまな国際的なクライアント向けにモデルを構築してきた Teradata の経験から、次のことがわかります。
- 経営幹部は、プロジェクトの成功を推進し達成するために AI を理解する必要があります。
- 経営幹部は、「データ サイエンス 101」コースよりもユース ケースの例を通じてより効果的に学習します。
- 企業は AI プロジェクトを開始する前に影響評価を実施する必要があります。
文化、政治、そして人々：AIプロジェクトの成功へのハードル
ヒルマン氏は、AI プロジェクトの失敗は多くの場合、ビジネス関係者によって引き起こされると主張しています。
- AI モデルの結果はプロセスの一部ではないため、信頼できません。
- モデルの出力を取得して実際のプロセスやアクションに変換できない。
ヒルマン氏は、データがデータサイエンスとAIチームに提供される限り、AIの問題は技術的なものではないと説明した。むしろ、ビジネス関係者がこの技術を理解し、AIの出力をビジネスアクションにつなげることに困難が生じることが多い。
経営幹部はAI開発プロセスに関与すべき
データがあれば、ヒルマン氏のチームは AI モデルのトレーニング、テスト、評価を正常に行うことができます。
「そのモデルの出力をどこかに書き込めば、それで仕事は終わりです」と彼は言った。「本番環境では、そのモデルを毎月実行し、どこかのテーブルに何かを書き込むことになります。」
しかし、ここで失敗する可能性があります。
「事業主がプロセスに関与しなければならないから、うまくいかないんです」とヒルマン氏は付け加えた。「彼らはスコアを見て、『何がシグナルか？』を判断しなければならないんです。もし私が何かの不正の可能性が90%だと言っているとしたら、それは一体何を意味するのでしょうか？」
参照: 生成型AIの規模拡大を目指すオーストラリアのイノベーションの証拠
「もし支払いをブロックするというシグナルが発せられ、そして彼らがそうすることを決断したなら、誰かがそれを実行しなければなりません。多くの企業では、少なくとも3つ、場合によっては4つのチームが関与することになります。データエンジニアとデータサイエンティスト、ビジネスオーナー、そしてアプリケーション開発者です。」
これは機能不全のプロセスに変わる可能性があり、チームは効果的にコミュニケーションできず、AI はビジネス プロセスに影響を与えることができず、AI は望ましい価値を生み出すことができません。
ビジネスオーナーはAIモデルの仕組みを理解する必要がある
AIの台頭は、すべての企業幹部がこれらのモデルがどのように作成され機能するかを知る必要があることを意味しているとヒルマン氏は述べた。
「彼らはプロセスを導く必要があるため、アウトプットを理解している必要があります」と彼は説明した。「彼らこそが、『顧客やビジネスプロセスにとって、これは何を意味するのか？』と自問自答する必要があるのです。」
アルゴリズムの技術的な理解は必ずしも必要ではないかもしれませんが、経営幹部はAIモデルの確率的性質など、AIに関わる基本的な数学を理解しておく必要があります。ビジネス関係者は、AIモデルの精度が従来のビジネスインテリジェンスレポートツールに期待されるものと異なる理由を理解する必要があります。
「もし財務部長に報告書を持って行き、『どれくらい正確ですか？』と聞かれて、『約78%です』と答えたら、おそらく追い出されるでしょう」とヒルマン氏は言う。「しかし、AIモデルの精度が78%なら、それは良いことです。50%以上の精度があれば、すでに勝利と言えるでしょう。」
「お客様の中には、『このモデルが欲しい。しかも誤検知なしで100%の精度が欲しい』という要件を提示してくる方もいます。でも、私たちは『それは不可能なので、実現できません』と言わざるを得ません。もしそのようなモデルが実現したら、それは間違いです。」
ユースケース: ビジネス幹部に AI モデルをトレーニングする際に効果的なツール
ヒルマン氏は、経営者が「データサイエンス101」のようなコースを受講するべきではないと考えている。それは実際には「役に立たない」可能性があるからだ。むしろ、AIのユースケースを活用することで、AIモデルがビジネスパーソンにとってより効果的に機能することを実証できると彼は述べた。
「ユースケース主導のアプローチは、ビジネス側の人たちにとって間違いなく良いと思います。なぜなら、彼らはユースケースに共感し、会話に参加できるからです」と彼は語った。
AIプロジェクトを確実に実行するためのヒント
ヒルマン氏は、ビジネスオーナーが AI プロジェクトをアイデアから概念実証、そして実稼働まで確実に進めるための推奨事項をいくつか提供しました。
影響評価を実施する
影響評価は事前に実施する必要があります。この評価には、企業がAIプロジェクトを推進する理由や、具体的なビジネスメリットなど、重要な考慮事項を含める必要があります。
「オリジナルの仕様書では、そのようなことはほとんど見られません」とヒルマン氏は指摘する。
むしろ、影響評価はプロジェクトの進行中や技術作業の完了後に開始されることが多く、それがプロジェクトが棚上げされ、生産されない原因となることがあります。
適切なユースケースを選択する
ChatGPT以前からトランスフォーマーモデルは人気を集めていましたが、OpenAIによるチャットボットのリリースがもたらした熱狂により、企業は競争力を維持するために生成AIプロジェクトを立ち上げるようになりました。その結果、一部のユースケースの選択が誤ったものになる可能性があります。
参照：2024年のオーストラリア企業におけるAIの革新的な活用事例9選
ヒルマン氏は、企業に「代わりにレポートを作成できないか」とよく尋ねます。AIモデルを作成するよりも、ビジネス目標を達成する方が簡単な場合が多いからです。彼によると、AIモデルの導入が失敗する原因は、影響評価が不足しているか、ユースケースが間違っていることがほとんどです。
強力なビジネススポンサーを持つ
AIプロジェクトは、強力なビジネススポンサーの推進力があれば、より効果的に推進されます。ビジネスチャンピオンは、AIプロジェクトの潜在的な影響を社内の他のチームに理解させ、AIデータをプロセスに実装するために協力して取り組むよう促します。
「IT部門が技術予算を所有し、他の誰かがデータやセキュリティ、プライバシー面を所有するかもしれないが、実際には、推進力は常にビジネス側から生まれなければならない」とヒルマン氏は述べた。
