ベンダーたちは、私たちがAI革命の真っ只中にいると信じさせようとしています。しかし、最近のいくつかの調査によると、実際のところはそれよりもずっと微妙なものです。
企業は、ベンダーが潜在的な利益を押し出す中で、生成AIに非常に興味を持っていますが、その欲望を概念の証明から実際の製品へ変えることは、はるかに困難であることが明らかになっています：テクニカルデットからくる技術的複雑さに直面しており、それは古いテクノロジースタックからくるものであるか、単に適切なスキルを持つ人材が不足しているかに関わらずです。
実際、ガートナーの最近の調査によると、AIソリューションの導入を妨げる最大の2つの障壁は、49%で価値を見積もり、デモンストレーションする方法を見つけること、および42%で人材不足です。これら2つの要素は、企業にとって重要な障壁となる可能性があるかもしれません。
LucidWorksというエンタープライズ検索テクノロジー企業の調査によると、調査に参加した人のうちわずか1/4が生成AIプロジェクトを成功裏に導入したと報告しています。
5月のMIT Sloan CIOシンポジウムで述べたMcKinsey & CompanyのシニアパートナーであるAamer Baig氏によると、自社の最近の調査では、生成AIプロジェクトを本格的に導入している企業はわずか10%であり、正味収益にいかなる正の影響も受けている企業はわずか15%であると報告しています。これは、多くの企業が経験している現実と比べて、期待が遥かに先んじている可能性があることを示唆しています。
何が遅れているのか？
Baig氏は、企業を遅らせている主要な要因として、単純なプロジェクトでも20～30のテクノロジーエレメントが必要であり、適切なLLMがスタート地点にすぎないことを挙げています。彼らはまた、適切なデータやセキュリティコントロールなどが必要であり、従業員はプロンプトエンジニアリングやIPコントロールの実装方法などの新しい能力を身につけなければならないかもしれません。
彼はまた、旧式のテクノロジースタックが企業を後退させることもあると述べています。Baig氏は、「私たちの調査で、生成AIを本格的に実現するための最大の障壁の1つは、実際には技術プラットフォームが多すぎることであった」と述べました。「ユースケースでもなければ、データの利用可能性でもなく、価値の実現への道でもない。実際には、技術プラットフォームでした。」
コンサルティングファームThoughtworksの最高AI責任者であるMike Mason氏は、同社がAIに備えるために多くの時間を費やしており、現在のテクノロジーセットアップがその重要な部分を担っていると述べています。「つまり、技術的負債がどれくらいあるか、欠損がどれくらいあるか、という問題です。しかし、その答えは常に組織に依存しますが、私は組織がこの痛みをますます感じつつあると思います」とMason氏はTechCrunchに語りました。
良いデータから始まる
Gartnerの調査によると、AI実装の最大の障壁として、データの不足を懸念する回答者の39%が挙げられています。「データは多くの組織にとって非常に大きな難関です」とBaig氏は述べています。彼は、再利用を考慮に入れた限られたデータに焦点を当てることをお勧めしています。
「私たちが学んだ簡単な教訓の1つは、実際には複数のユースケースに役立つデータに焦点を当てることであり、これはほとんどの企業で3～4の分野に収斂することが多いので、優先度の高いビジネス課題とビジネス価値に適用して、実際にプロダクションとスケールに到達できるものを提供することです」と彼は述べています。
Mason氏は、AIを成功裏に実行するための大部分はデータの準備に関連しているが、それだけではないと述べています。「組織は、ほとんどの場合、一部のAIの準備作業、プラットフォーム構築、データクレンジングなどが必要であることにすぐに気づく」と彼は述べています。「しかし、全く価値を生む前に2年かける必要はないし、すべてをすべてやる必要もない。」
データに関しては、企業はデータの出所を尊重し、その使用許可を持っているかどうかについても考慮しなければなりません。企業や政府と協力してさまざまなリサーチイニシアティブに関連するデータを収集して分析するコンサルタントであるMathematicaのCIOであるAkira Bell氏は、生成AIでそのデータを活用する際には慎重に行動しなければなりません。
彼女はTechCrunchに語りました。「生成AIを考えると、確かに私たちには可能性がありますし、使用しているデータのエコシステム全体を見渡すことができますが、そうするには慎重でなければなりません」というのは、機密データが多く、厳格なデータ利用契約があるからです。さらに、時には脆弱な人々と取引をすることもあり、それに注意を払わなければなりません。
「私は、データの信頼できる管理者であることを重要視している企業にやってきたし、CIOとして、サイバーセキュリティの観点からはもちろんですが、クライアントやそのデータとのやり取りの方法についても、しっかりとした立場を持たなければなりません。なので、ガバナンスがいかに重要かを知っています」と彼女は述べています。
彼女は今のところ、生成AIが彼女の組織や顧客が収集しているデータを理解するための非常に良い方法を提供する可能性に興奮を感じているのを抑えるのは難しいと述べています。しかし、現実の進展を妨げることなく、進歩を妨げないように慎重に進むことも彼女の仕事であり、これは難しいバランス感覚を持つことです。
価値を見つける
15年前にクラウドが現れたときと同様に、CIOは自然に慎重です。生成AIがもたらす可能性を見ていますが、ガバナンスやセキュリティなどの基本的な部分も見逃さなければなりません。また、この技術に対するリアルなROIも見なければなりません - これはときどきこの技術で測定するのが難しいこともあります。
AI価格モデルに関する1月のTechCrunchの記事では、JuniperのCIOであるSharon Mandell氏が、生成AIへの投資の収益を測定することが課題となっていることが明らかになっています。
「2024年には、genAIの期待についてテストを行なっているでしょう。というのも、それらのツールが彼らが言うような利益を生むことができれば、それらのROIは高くなり、他のものを排除するのに役立つかもしれないからです」と彼女は述べています。そのため、彼女と他のCIOたちはパイロットプロジェクトを実施し、慎重に進み、実際に生産性が向上して増加したコストを正当化する方法を見つけようとしています。
Baig氏は、企業全体でAIに対する中央集権的なアプローチを持つことが重要であり、「多くのスカンクワークイニシアチブ」を避ける必要があると述べています。これは、小さなグループが独自に複数のプロジェクトに取り組んでいる状況です。
「実際には、企業から足場が整えられて、製品とプラットフォームチームが組織され、焦点を合わせ、迅速に作業していることを確かにするために必要とされます。そして、もちろん、トップマネジメントの可視性も必要です」とBaig氏は述べています。
それでも、AIイニシアチブが成功する保証はなく、企業がすべての答えをすぐに見つけることもわかりません。MasonとBaigの両氏は、チームがあまり多くのことをしようとしないようにすることが重要であり、うまく機能するものを再利用することを強調しています。「再利用は、配信速度に直結し、ビジネスを満足させ、影響を生む」とBaig氏は述べています。
企業がどのようにして生成AIプロジェクトを実施するにしても、ガバナンス、セキュリティ、技術に関連する課題によって麻痺状態に陥るべきではありません。ただし、熱狂に目を奪われるべきでもありません。ほとんどの組織には多くの障害が待ち受けていることを覚えておくべきです。
最善のアプローチは、価値を示し、価値を証明し、そこから構築することかもしれません。そして、熱狂にかかわらず、他の多くの企業も苦労していることを思い出すべきです。
