AI戦略に関するCIOの4つの優先事項

テクノロジーリーダーにとって、今は刺激的でもあり、不安でもある時代です。急速に進化するデジタルテクノロジーがもたらす膨大な機会に興奮する一方で、それを逃してしまうのではないかという不安も存在します。

より幅広いアプリケーションを開発したいという願望から、多くの企業は AI を CIO が顧客のニーズを満たすために採用できる万能薬と見なしています。

もちろん、CIO は、新しいテクノロジーがもたらす課題が、それがもたらす楽観的な見通しよりも速く、より深刻に技術者に打撃を与える可能性があることを誰よりもよく知っています。これは特に、機械学習、データサイエンス、ディープラーニング、自然言語処理、認知知能などの人工知能と関連分野に当てはまります。これらの分野では人材が不足しているだけでなく、知識やアプリケーション開発のアプローチもさまざまです。

AI から価値を引き出すということは、企業のビジネスを成長させながら、迅速な収益増加によって現実世界に影響を与えることです。これを達成するのに役立つ 4 つの主要な重点分野を以下に説明します。

1. リアルタイムAIによる意思決定を通じて差別化された製品を提供する

最も重要な優先事項の 1 つは、ビジネス プロセスに AI ベースのリアルタイム意思決定を組み込む機会がある、影響の大きい領域を特定することです。コンテキスト情報をリアルタイムで処理して即座に意思決定を行う能力は、競争の激しい市場で製品、サービス、体験を差別化する効果的な方法です。

たとえば、保険会社は、事故の発生場所と発生時刻に請求者が提供した写真やビデオに基づいて、請求を自動的に処理し、リアルタイムで承認することができます。貸し手は、担保や背景情報に基づいてリスクをリアルタイムで分析し、その場で融資を承認することができます。企業はビジネス プロセスに AI を慎重に導入することで、幅広いユース ケースにわたって製品やサービスをパーソナライズおよびカスタマイズできます。

重要なのは、直接的な影響のあるいくつかの領域を特定し、顧客体験に目に見える測定可能な影響を生み出すことに重点を置くことです。

2. AIエンジニアリング/MLOpsを実装して企業全体にAIを導入する

Gartner の調査によると、AI プロトタイプから実稼働まで成功するプロジェクトはわずか 53% です。 CIO や IT リーダーは、本番環境レベルの AI パイプラインを作成および管理するためのツールが不足しているため、AI プロジェクトの拡張が困難だと感じています。これは重大なボトルネックです。投資、研究、概念実証に関係なく、エンジニアリング プロセスが十分に成熟して、展開可能なモデルの一貫したパイプラインを作成しない限り、ビジネス プロセスは AI 機能を効果的に活用できないためです。

AI エンジニアリングは従来のソフトウェア エンジニアリングとは異なるため、CIO は AI と機械学習のアプローチを体系化する戦略を策定する必要があります。多くの企業は、これを実現する最も効果的な方法は、ガバナンス モデルによってサポートされる強力なプラットフォームを構築することであると認識しています。

これを統合プラットフォームと呼ぶのは、実験から設計、展開まですべてを統合した強力なメカニズムだからです。これにより、CIO はロードマップのサポートを受けて、AI のエンジニアリング面に集中できるようになります。ビジネスユースケースを実装し、迅速な収益性を確保しながら、方向性を見失うことなく段階的にスケールアップするのに役立ちます。

3. 柔軟性と拡張性を高めるクラウドベースのAIプラットフォームを活用する

マッキンゼーの「State of AI 2021」調査によると、AI 分野のリーダー企業は、同業他社よりもクラウド コンピューティング インフラストラクチャを多く使用しています。AI ワークロードの 64% がパブリック クラウドまたはハイブリッド クラウドで実行されているのに対し、他の企業では 44% です。業界のリーダーは、同業他社よりもクラウド プラットフォーム上の幅広い AI 機能にもアクセスしています。これは重要な要素です。なぜなら、先行インフラ投資は、企業の AI の進歩を妨げる最も重要な要因の 1 つだからです。

クラウドベースの AI プラットフォームは、モデルの構築と迅速な収益の創出にリソースを集中させることで、小規模から始めて実験できる柔軟性を提供します。

クラウドベースの AI プラットフォームは、モデルの構築とメリットの迅速な獲得にリソースを集中させ、価値が実現されるにつれてスケールアップすることで、小規模から始めて需要主導で実験できる柔軟性を提供します。クラウドベースのプラットフォームでは、プラットフォーム内のすべての技術的側面とエンジニアリング的側面を抽象化することで、企業がビジネス価値に集中することも可能になります。この「実験、パイロット、スケール」という戦略は、AI の旅の困難な初期の段階ではうまく機能しました。

4. 市民モデリングを可能にして企業全体でのAIの拡大に備える

インフラストラクチャの他に、データ サイエンスとモデリングの専門知識重視の領域も障害となる可能性があります。これらのテクニックやツールは、業界の専門家グループ外の人にはアクセスできない可能性があります。技術に不慣れなため、相互運用性や展開可能なモデルも制限される可能性があります。

エンタープライズ規模で AI の可能性を最大限に引き出すには、ビジネス ユーザー、ドメイン エキスパート、他分野のシチズン デベロッパーがプラットフォームにアクセスできるようにし、協力して価値主導の AI 資産を開発できるようにする必要があります。

AIは長期戦だ

これらの初期ステップは、企業が AI の長期的な能力を構築する上で大いに役立ちます。 AI と関連技術は依然として急速に進化していることを覚えておくことが重要です。長期的には足並みを揃えて進化する企業が勝利を収めることになり、プラットフォームとガバナンスに基づくアプローチが前進への道となります。