ガートナー 2019 人工知能成熟サイクルのトレンド

このガートナーのハイプサイクルは、AIが企業に及ぼすさまざまな影響を強調しています。

ガートナーの 2019 CIO アジェンダ調査によると、人工知能 (AI) を導入している組織は 2018 年から 2019 年の間に 4% から 14% に増加しました。

機械学習 (ML) を使用して独自のソリューションを構築する以外に選択肢がなかった数年前と比べて、人工知能はさまざまな方法で組織に影響を与えています。 AutoML とインテリジェント アプリケーションが明らかに勢いを増している一方で、人工知能プラットフォーム サービス (AIPaaS) や AI クラウド サービスなど、他のアプローチにも注目する価値があります。

Amazon Alexa、Google Assistant などの世界的な成功により、会話型 AI は引き続き企業の計画課題のトップに位置しています。同時に、拡張インテリジェンス、エッジ AI、データラベリング、説明可能な AI などの新しいテクノロジーも登場し続けています。

今年のハイプ サイクルには多くの新しいテクノロジーが取り上げられていますが、その価値や目的が広く知られているものはほとんどありません。

ガートナーの「人工知能のハイプ サイクル 2019」では、AI 分野におけるイノベーションのペースとトレンド、および AI イニシアチブの範囲を調査しています。ファストフォロワーはまず AI のビジネスケースを設計する必要があります。早期導入者にとって、AI のスケーラビリティが次の課題となります。

今年のハイプ サイクルには多くの新しいテクノロジーが含まれていますが、その価値や目的が広く知られているものはほとんどなく、主流として採用されているものはさらに少ないです。 「これはAIが利用できないという意味ではない。AIは進化するということであり、CIOはAIの価値とリスクを評価するために現実的な期待を設定する必要がある」とガートナーの副社長アナリスト、スベトラーナ・シキュラー氏は述べた。

ここでは、今後 2 ～ 5 年間のビジネス変革に大きな影響を与えるために CIO が注目する必要がある AI テクノロジーを Sicular が強調して紹介します。

拡張知能

拡張知能とは、AI と人間が協力して認知能力を向上させる、人間中心の共同モデルです。人間の能力を高める上での人工知能の補助的な役割に焦点を当てています。

AI は人々と対話し、人々がすでに知っていることを改善し、日常的なミスを減らし、顧客との対話、市民サービス、患者ケアを改善することができます。拡張インテリジェンスの目標は、自動化の効率を向上させると同時に、意思決定の自動化のリスクを管理するために人間味と常識を加えることです。

不満：私たちは、日常生活で遊んでいるSiriや人工知能のアイちゃんをからかうことはもうありません。私たちは、AlphaGoなどのより高度な知能を追求し始めました。これまでに聞いた中でより成功したものは、ゲーム用のブラックテクノロジープラグインです。StarCraft 1とKing of Fighters 97のブラックテクノロジーは、世界のトッププレイヤーを数秒で倒すことができます。このような強化されたインテリジェントプログラムが他の分野で開発されれば、Skynetもそう遠くないでしょう。

[[277206]]

チャットボット

チャットボットは AI の顔であり、人々がコミュニケーションできるあらゆる分野に影響を与えています。たとえば、毎週 115,000 人のユーザーと会話する自動車メーカーの KIA や、ワイン購入のガイドや料理との組み合わせに関するアドバイスを提供する Lidl の Winebot Margot などがその例です。

チャットボットは、テキストベース、音声ベース、またはその両方の組み合わせで、最小限の人間の介入でスクリプト化された応答に依存します。

一般的なアプリケーションは HR、IT ヘルプデスク、セルフサービスに存在しますが、チャットボットはすでにカスタマー サービス分野に大きな影響を与えており、特にカスタマー サービスの実行方法を変えています。 「ユーザーがインターフェースを学習する」から「チャットボットがユーザーの要望を学習する」への移行は、従業員のオンボーディング、生産性、トレーニングに大きな影響を与えます。

苦情: これは良い方向性のように思えますが、プロモーションのスパムメッセージには使用しないでください。たとえば、Taobao では、電話番号を残しておけばどの店舗でも割引を提供するテキスト メッセージが絶え間なく届きます。標準化されたビジネス プロセスで使用すれば、面倒な手順を大幅に削減できる可能性があります。

機械学習（ML）

機械学習は、パーソナライズされた顧客サービス、サプライチェーンの推奨、動的価格設定、医療診断、マネーロンダリング対策などのビジネス上の問題を解決できます。 ML は数学モデルを使用してデータから知識とパターンを抽出します。組織が直面するデータの量が飛躍的に増加し、コンピューティング インフラストラクチャが改善されるにつれて、ML の使用が増加しています。

現在、ML は、ビジネス上の問題の改善を推進し、新しい解決策を見つけるために、さまざまな分野や業界で使用されています。 American Express は、データ分析と ML アルゴリズムを使用して、ほぼリアルタイムで不正行為を検出し、数百万ドルの損失を回避しています。ボルボは、部品が故障して修理が必要になる時期を予測するのに役立つデータを活用して、自社の自動車をより安全なものにしている。

AIガバナンス

組織は AI ガバナンスを無視すべきではありません。潜在的な規制リスクや評判リスクを認識する必要があります。 「AIガバナンスとは、AI関連の偏見や差別、その他のAIの悪影響に対抗するための政策を策定するプロセスだ」とシキュラー氏は述べた。

リスクを軽減し、信頼性を高めるために、データソースとアルゴリズムの透明性要件を決定します。

AI ガバナンスを開発するには、データおよび分析のリーダーと CIO が、信頼、透明性、多様性の 3 つの領域に重点を置く必要があります。 AI を効果的に活用するには、データ ソースと AI の結果に対する信頼に重点を置く必要があります。また、リスクを軽減し、AI への信頼を高めるために、データ ソースとアルゴリズムの透明性要件を決定する必要もあります。さらに、AIの倫理性と正確性を追求するためには、データ、アルゴリズム、視点の多様性を確保する必要があります。

不満点：IT ガバナンスは誰もがよく知っているが、AI ガバナンスは現時点では理論段階にとどまっている。近年、セキュリティや AI の分野における倫理的問題が、将来的に本当に議題に上がる可能性があるとよく目にします。なぜこんなことを言うかというと、最近公開された「チャイルド・プレイ」をご覧になったかどうかは分かりませんが、何の制約もない機械学習によって生み出されるAIがどのようなものになるかは本当に分かりません。

スマートアプリケーション

ほとんどの組織は、AI 機能の取得に対する好みを変え、エンタープライズ アプリケーションでの使用を好んでいます。インテリジェント アプリケーションは、AI テクノロジが組み込まれているか統合されているエンタープライズ アプリケーションであり、インテリジェントな自動化、データ駆動型の分析、ガイダンスの推奨を通じて手動ベースのアクティビティをサポートまたは置き換え、生産性と意思決定を改善します。

現在、エンタープライズ アプリケーション ベンダーは、エンタープライズ リソース プランニングから顧客関係管理、人事管理、従業員の生産性向上アプリケーションに至るまで、自社製品に AI テクノロジーを組み込み、AI プラットフォーム機能を導入しています。

CIO は、アウトソーシング ソフトウェア ベンダーに対して、高度な分析、インテリジェントなプロセス、優れたユーザー エクスペリエンスという形でビジネス価値を付加するために AI をどのように組み込むかを製品ロードマップに概説するよう要求する必要があります。