Google が AI で利益を上げている秘密は何でしょうか?

[[441488]]

ビジネスプロセスはインテリジェントではない

AI プロジェクトから価値を引き出す上で最も一般的な障壁の 1 つは、データの洞察を既存のビジネス プロセスに組み込むことです。この「ラスト マイル」の難しさも、ビジネス ルール管理システム (BRMS) を使用すると最も簡単に解決できる問題の 1 つです。 BRMS は、2000 年代初頭に広く採用され、予測モデルを展開するためのツールとして新たな命を吹き込まれた成熟したテクノロジーです。 BRMS は、管理が容易で信頼性の高い自動化されたビジネス プロセスにおける理想的な意思決定ポイントになります。あなたの会社がコアビジネスプロセスを自動化（簡素化および合理化）するために BPM（ビジネスプロセス管理）システムを使用していない場合は、AI は忘れてください。このときAIは必要ありません。まず必要なのはBPMやBRMSなどの基礎知識です。

最新のビジネス ルール管理システムのほとんどには、モデル管理とクラウドベースの展開オプションが含まれています。クラウドでは、市民データ アナリストは Azure Machine Learning Studio や InRule BRMS などのツールを使用してモデルを作成し、REST エンドポイントを通じてビジネス プロセスに直接デプロイできます。このようなクラウドベースの組み合わせにより、本格的な AI プログラムよりもリーズナブルなコストで意思決定プロセスを試すことが容易になります。

実験は失敗しました

さて、問題の反対側を見てみましょう。 AI をどのように活用すれば、新しいビジネス モデルを創出し、市場を破壊し、新製品を生み出し、革新を起こし、これまで開拓されたことのない分野を大胆に開拓できるでしょうか。ベンチャー ファンドによる新興企業の失敗率は約 75% ですが、これらは AI ビジネス モデルの最前線に立つ企業です。 AI ベースの新製品やビジネス イニシアチブの失敗率が低ければ、最も優秀な投資家に勝っていることになります。

最も優秀な技術専門家でも、失敗することがよくあります。 2011年、元Google CEOのエリック・シュミット氏は上院公聴会で同社の手法の一部を暴露した。

Google が検討していた変更の規模をよりよく理解していただくために、2010 年に Google は、提案されたアルゴリズムの変更によって検索結果の品質が向上したかどうかを検証するための精度評価を 13,311 回、検索結果の 2 セットをテスターのグループに示してどちらのセットが優れているかをランク付けしてもらう比較実験を 8,157 回、実際の G​​oogle ユーザーの小サンプルが変更にどのように反応するかを理解するためのクリック評価を 2,800 回実施しました。最終的に、このプロセスにより 516 件の変更が行われ、データによってユーザーにとって有用であることが証明されました。そのため、Google のアルゴリズムに上記の変更を加えました。ほとんどの変更はユーザーには気づかれず、ごく少数のサイトにのみ影響しますが、変更はユーザーにとって有益であると判断された場合にのみ実施されます。

結果は、提案された変更の 96% が失敗したことを示しました。

この話のポイントは、失敗は必ず起こる、それは避けられないということだ。 Google が他のほとんどの企業と異なる点は、データ主導の文化によって間違いから学ぶことができる点です。そして、シュミットの証言のキーワード「実験的」に注目してください。実験こそが、Google、Apple、Netflix、Amazon などの大手テクノロジー企業が AI から大規模な利益を得ることに成功した方法です。

企業がプロセス、製品、顧客体験、ビジネス モデルを作成し、改善する能力は、実験する能力に直接関係しています。

次に何が起こるでしょうか?

産業革命によって機械を導入せずに手作業で物を作っていた企業が消滅したのと同じように、AI と機械学習による大きな変化によって適応できなかった企業が消滅するでしょう。 AI の課題は主に技術的なものだと思い込み、失敗の原因をテクノロジーに求めるのは簡単ですが、現実には AI プロジェクトの失敗のほとんどは戦略と実行の失敗です。

多くの点で、これは会社にとって良いニュースです。 AI プロジェクトの失敗は、「旧式」のビジネス モデルによってもたらされる課題によるものであることは誰もが認識しています。文化、組織構造、ビジネス プロセスに必要な変更を加えることは避けられませんが、ルートがすでに計画されていることを知っておくと、ある程度安心できます。課題は、操舵手のように船を操縦し、暗礁を避けることです。既存のプロセスに AI を適用する小規模でシンプルな実験から始めると、より長い AI の旅に乗り出す前に貴重な経験を得ることができます。

スティーブ・ヌニェス

元のURL:

https://www.infoworld.com/article/3639028/why-ai-investments-fail-to-deliver.html