AI導入の最大の障壁:熟練した専門家の不足

AI導入の最大の障壁:熟練した専門家の不足

VentureBeat によると、人工知能 (AI) が革命的なメリットをもたらしたという点についてはほぼ普遍的なコンセンサスがあるものの、市場調査会社 Gartner による最近の調査では、調査対象企業の約 60% が AI のメリットをまだ十分に活用していないことが示されています。さらに驚くべきことは、調査対象となった企業のうち、何らかの AI ソリューションを導入しているのはわずか 10% 強に過ぎないということです。

[[208807]]

調査結果によると、AI の可能性と企業が AI を活用する能力の間にはギャップがあるようです。さらに、調査対象となった企業のほぼ半数が、パッケージ化された AI ソリューションを購入するか、自社のアプリケーションにすでに組み込まれている AI 機能を使用することを好むと回答していることも、このことのさらなる証拠です。これは驚くことではありません。エンドユーザーは、単に AI テクノロジーを購入するのではなく、ビジネス上の問題をより適切に解決するために AI を利用したいと考えているからです。

パッケージ化された AI ソリューションや組み込みアプリケーションの人気が高まる重要な要素が 1 つあります。社内のスキル不足のため、多くの企業はカスタム ソリューションの機能を独自に開発する準備ができていません。ガートナーの分析では、技術ギャップがAI普及の最大の障害であると結論づけられた。調査対象企業のAIプロジェクトはいずれも初期段階にある。実際、ガートナーは、多くの企業が記述的分析から予測的および処方的分析のための基礎的な機械学習ソリューションへの移行に依然として苦労していることを発見しました。

私たちの調査から得られたもう 1 つの発見は、AI ソリューションを導入している組織は、最先端のテクノロジーの使用を歓迎する「積極的」であると自らを特徴づける組織だけではないということです。実際、AI ソリューションを導入したと報告した企業の半数以上が、自社を「主流」と定義し、典型的にはテクノロジーが成熟するのを待っている企業であるとしています。

AIはまだ知識収集段階にある

AI に対する企業の関心は高く、このテーマに関する当社のクライアントの議論は 2015 年から 2017 年の間に 4 倍に増加しました。 2016 年 1 月には、「人工知能」という用語は検索語のトップ 100 にも入りませんでした。 1年後には11位にランクされました。 2017年5月時点で7位にランクインした。これは、AI をデジタル ビジネス戦略の一部としてどのように活用できるかを理解したいという強い関心を示しています。

とはいえ、回答者の約 3 分の 1 は AI 戦略の定義において課題に直面していると報告しています。企業の 59% がまだ知識収集段階にあることを考えると、これは当然のことです。さらに、企業の 30% と 27% が、それぞれ AI のセキュリティと統合を大きな課題と考えています。驚くべきことに、AI の使用による価値の測定が課題であると考える回答者はわずか 23% でした。これは、これらの組織がまだ戦略を策定している段階であり、ソリューションのビジネス価値を測定することの重要性をまだ理解していないためと考えられます。

学校に行く時間です

企業は高度な分析プロジェクトのために経験豊富なデータ サイエンティストを見つけるのに依然として苦労していますが、ディープラーニングなどの AI 技術の使用に熟練した従業員を見つけるのはさらに困難であることがわかりました。大学レベルでは多くの AI イノベーションが起きており、卒業生は Google、Amazon、Microsoft などのクラウド コンピューティング サービス プロバイダーに入社したり、ベンチャー キャピタル コミュニティからの投資を活用するために独自のスタートアップを立ち上げたりしています。

その結果、多くの企業が社内のスキルをアップデートしようとしています。一部の企業では、システム インテグレーターを誘致し、それらのシステム インテグレーターの知識を自社のデータ サイエンティストに移転することを目指しています。企業は、専門的なスキルやプロジェクト/インターンシップの経験を持つ地元の大学の学生を雇用する必要があります。理想的には、高度なデータサイエンスと機械学習の学士号と修士号を持つ適切な人材を見つけることができるはずです。また、従業員の再教育を重視し、ラピッドプロトタイピングを活用することで、チームのスキルを構築するだけでなく、上級管理職に AI のメリットを示すこともできます。

独自の戦略を構築する

企業は、主に意思決定の改善とプロセス効率の向上を目的として、社内のビジネスリーダーと協力して AI のユースケースを特定し、AI 戦略の構築を開始する必要があります。実験を開始する前に、企業は AI イニシアチブに指標を適用する必要があります。また、実稼働環境においては、企業は指標を継続的に使用して AI ソリューションを最適化する必要があります。また、投資収益率 (ROI) を示す指標を上級管理職に積極的に伝える必要があります。これは経営陣の支持を得るために重要です。企業は、AI 機能を他のエンタープライズ ソリューションに統合する計画を理解するために、既存のアプリケーションを評価する必要もあります。

AI により、企業はアプリケーション、サービス、デジタル リソースにインテリジェンスを追加できます。アプリケーション開発者は、AI をいつ使用するか、AI によって顧客や従業員に生じる課題にどのように対処するかを決定する必要があります。

<<:  ディープラーニングを使って夢に現れる物体を分析する

>>:  人工知能は議論の的になっています。それは人類にとって利益となるのでしょうか、それとも脅威となるのでしょうか?

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

1.4GB 未満のビデオ メモリで 10,000 フレームのビデオをセグメント化します。コードは現在オープン ソースです。

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

...

「機械学習システム設計ガイド」は、このNVIDIAガールの人気プロジェクトです

今年 8 月、スタンフォード大学を卒業し、現在 NVIDIA の人工知能アプリケーション チームに勤...

人工知能は伝染病の予防と制御に役立ちます。正確にスクリーニングし、伝染病を推測し、ウイルスの発生源を追跡することができます。

感染予防・抑制の過程では、高リスクグループとスーパースプレッダーを迅速に特定し、感染の進行状況を正確...

人工知能を製造業に統合するのはどれくらい難しいのでしょうか?私の国のAI人材不足は30万人に達する

11月21日、2020年中国5G+産業インターネット会議成果発表会で、国家産業情報セキュリティ開発研...

CLRNet: 自動運転における車線検出のための階層的改良ネットワーク アルゴリズム

車線は高レベルのセマンティクスを備えた交通標識であり、視覚ナビゲーション システムでは特に重要です。...

AIは教育の問題を解決できないが、メンターツールにはなり得る

今、これまで以上に、教師たちは助けを必要としています。数週間のうちにすべての授業をオンラインに移行す...

データと人工知能の整合性をどのように確保するか?

2022 年、データと AI はデジタル革命の新たな章の基盤を築き、ますます多くのグローバル企業に...

2024年のAIトレンド、このグラフをご覧ください、LeCun: オープンソースのビッグモデルがクローズドソースを上回る

2023年ももうすぐ終わりです。過去1年間で、さまざまな大型モデルがリリースされました。 OpenA...

...

人工知能はデジタルマーケティング革命において否定できないトレンドとなっている

人工知能 (AI) は、現在、デジタル マーケティング革命における否定できないトレンドとなっています...

...

AlibabaのBladeDISCディープラーニングコンパイラが正式にオープンソース化

ガイドディープラーニングの継続的な発展により、AI モデルの構造は急速に進化しており、基盤となるコン...

顔認識の乱用は顔だけでなく他の部分にも害を及ぼす

[[432791]]中国消費者協会(以下、「中国消費者協会」)は10月28日、事業者に対し、個人情報...

人工知能と自然言語処理技術が産業のアップグレードエンジンを牽引

人工知能は将来の技術開発の最前線分野として、ディープラーニング、レコメンデーションエンジン、コンピュ...