Last Updated on 2024-07-18 00:32 by 荒木 啓介
Capgeminiの最近の研究によると、調査されたすべてのセクターの大多数の人々が、AIの概念実証を生産ソリューションに移行することに大きな問題を抱えていると報告している。この遅れの背後にある理由は、デジタルの境界、デジタル従業員、そして不良データであると、Capgeminiのデータ駆動ビジネスとgen AIのEVPであるSteve Jonesが述べた。
Jonesは、ビジネス決定の50%が2030年までにAIによって行われると予測されているが、リスク管理の観点から見て、精製されていないデータは受け入れられないと指摘した。デジタル従業員が決定を下す際には、クリーンアップされたデータを待つことはできないため、運用上の問題となる。
AI導入問題を解決するための第一歩は、デジタルオペレーティングモデルの開発である。つまり、解決しようとしている問題をデジタルで記述できるか、問題の境界を明確に定義できるかが重要である。AIが影響を与えるべきものとそうでないものを区別し、AIが処理し、拘束される方法でそれらを記述する必要がある。
組織は、リスク管理とサイバー脅威の観点からだけでなく、ビジネスがどのように機能するか、どのように採用されるか、どのように管理されるかを考慮して、すべてを管理するAI脳を持つことはないだろう。各AIソリューションはその機能によって制約される。
多くの組織が概念実証から全面的なAI採用へと移行するのが難しい主な理由の一つは、企業がビジネス採用と管理の観点からAIを考慮しておらず、すべての問題を解決するAI技術を待ち続けているからである。
組織変更はAIをスケールアップするために必要であり、問題はビジネスモデルの問題である。AIのデータアーキテクチャは根本的に異なる必要があり、アプリケーション設計も変更される必要がある。データはトランザクションが行われるバックエンドではなく、デジタル従業員がタスクを正確かつ効果的に完了するためにデータを使用するフロントエンドに存在する必要がある。
【ニュース解説】
Capgeminiの最新の研究によると、AIの概念実証（Proof of Concept、PoC）を実際の生産ソリューションに移行する過程で、多くのセクターが大きな問題に直面していることが明らかになりました。この遅れの主な理由は、デジタルの境界、デジタル従業員、そして不良データにあると指摘されています。特に、ビジネス決定の50%が2030年までにAIによって行われると予測されている中で、精製されていないデータはリスク管理の観点から見ても受け入れられない状況です。
この問題を解決するための第一歩として、デジタルオペレーティングモデルの開発が挙げられます。これは、解決しようとしている問題をデジタルでどのように記述するか、そしてAIが影響を与えるべきものとそうでないものをどのように区別するかを明確にすることを意味します。このプロセスを通じて、AIが処理し、拘束される方法を定義することが重要です。
しかし、組織が全てを管理するAI脳を持つことは、リスク管理とサイバー脅威の観点からだけでなく、ビジネスの機能性や管理方法を考慮しても現実的ではありません。そのため、各AIソリューションはその機能によって制約されることになります。
多くの組織がAIの全面的な採用に苦労している理由の一つは、ビジネス採用と管理の観点からAIを考慮しておらず、全ての問題を解決するAI技術を待ち続けているからです。組織変更はAIをスケールアップするために必要であり、問題は技術の変更ではなく、ビジネスモデルの問題です。
AIのデータアーキテクチャは根本的に異なる必要があり、アプリケーション設計も変更される必要があります。データはトランザクションが行われるバックエンドではなく、デジタル従業員がタスクを正確かつ効果的に完了するためにデータを使用するフロントエンドに存在する必要があります。
この研究は、AI技術の導入とそのスケールアップにおいて、技術的な側面だけでなく、ビジネスモデルや組織の変更がいかに重要であるかを浮き彫りにしています。AIを成功させるためには、ビジネスプロセスやデータ管理の根本的な見直しが必要であり、これは企業にとって大きな挑戦ですが、同時に新たなビジネスチャンスを生み出す可能性も秘めています。
from Capgemini digs into the real reasons that gen AI proof of concepts rarely take off.
