生成AI投資拡大も課題山積、企業の導入戦略に光と影

2024年7月10日10:38

企業は生成AIの活用に積極的であるが、完全な導入と生産性の向上には課題が残っている。DataikuとCognizantによる調査では、企業の高位の分析およびITリーダー200人を対象にした結果、多くの組織が生成AIのユースケースを探求するか、または既に生産に導入していることが明らかになった。しかし、導入への道のりは障壁があり、これらの課題は生成AIサービスを提供する企業にとっての機会を提供している。

調査結果によると、回答者の約3/4（73%）が今後12ヶ月間に生成AIに50万ドル以上を投資する計画であり、ほぼ半数（46%）が100万ドル以上を割り当てている。しかし、調査対象の組織の3分の1だけが生成AIイニシアティブに特化した予算を持っている。半数以上がIT、データサイエンス、または分析予算など他のソースから資金を得ている。

生成AIへの投資がどのように部門に影響を与え、これらの支出の投資収益率が不明であるが、大規模言語モデル（LLM）などの生成モデルの進歩が続く中で、追加価値が最終的にコストを正当化するという楽観的な見方がある。

生成AIの統合は言うほど簡単ではなく、調査対象者の多くがLLMを望むように使用する際のインフラストラクチャの障壁を報告している。その上、EU AI法などの地域立法に対する規制遵守や内部ポリシーの課題など、他の課題に直面している。生成モデルの運用コストも障壁の一つである。

Microsoft Azure ML、Amazon Bedrock、OpenAI APIなどのホスト型LLMサービスは、組織内で生成AIを探求および生産するための人気選択肢である。これらのサービスは使用が簡単で、GPUクラスターや推論エンジンの設定の技術的困難を抽象化する。しかし、トークンベースの価格モデルは、CIOが大規模に生成AIプロジェクトのコストを管理することを難しくしている。

生成AIの導入をさらに妨げる技術スタックの複雑さもある。回答者の60%が、データ摂取からMLOpsおよびLLMOpsまでの分析およびAIライフサイクルの各ステップに5つ以上のツールやソフトウェアを使用していると報告している。

データの質と利用可能性は、ITリーダーが直面する最大のデータインフラストラクチャの課題であり、45%が主な懸念としてこれを挙げている。これに続いて、27%の回答者がデータアクセスの問題を挙げている。

生成AIの技術とデータスタックを簡素化し、開発者が問題解決と価値提供に集中できるようにすることで、企業は将来に向けて準備し、技術の完全な潜在能力を活用し、それぞれの産業でのイノベーションを推進するための内部スキルを構築することができる。

【ニュース解説】

企業が生成AI（人工知能によって新しいテキスト、画像、音声などを生成する技術）の活用に積極的になっていますが、その完全な導入と生産性の向上にはまだ多くの課題が存在しています。DataikuとCognizantによる最新の調査では、企業の高位の分析およびITリーダー200人を対象にした結果、多くの組織が生成AIのユースケースを探求するか、または既に生産に導入していることが明らかになりました。しかし、導入への道のりは障壁があり、これらの課題は生成AIサービスを提供する企業にとっての機会を提供しています。

調査結果によると、回答者の約3/4（73%）が今後12ヶ月間に生成AIに50万ドル以上を投資する計画であり、ほぼ半数（46%）が100万ドル以上を割り当てています。しかし、調査対象の組織の3分の1だけが生成AIイニシアティブに特化した予算を持っており、半数以上が他のソースから資金を得ています。

生成AIへの投資がどのように部門に影響を与え、これらの支出の投資収益率が不明であるが、大規模言語モデル（LLM）などの生成モデルの進歩が続く中で、追加価値が最終的にコストを正当化するという楽観的な見方があります。

生成AIの統合は言うほど簡単ではなく、調査対象者の多くがLLMを望むように使用する際のインフラストラクチャの障壁を報告しています。その上、EU AI法などの地域立法に対する規制遵守や内部ポリシーの課題など、他の課題に直面しています。生成モデルの運用コストも障壁の一つです。

Microsoft Azure ML、Amazon Bedrock、OpenAI APIなどのホスト型LLMサービスは、組織内で生成AIを探求および生産するための人気選択肢です。これらのサービスは使用が簡単で、GPUクラスターや推論エンジンの設定の技術的困難を抽象化します。しかし、トークンベースの価格モデルは、CIOが大規模に生成AIプロジェクトのコストを管理することを難しくしています。

技術スタックの複雑さも生成AIの導入をさらに妨げる要因です。回答者の60%が、データ摂取からMLOpsおよびLLMOpsまでの分析およびAIライフサイクルの各ステップに5つ以上のツールやソフトウェアを使用していると報告しています。

データの質と利用可能性は、ITリーダーが直面する最大のデータインフラストラクチャの課題であり、45%が主な懸念としてこれを挙げています。これに続いて、27%の回答者がデータアクセスの問題を挙げています。

生成AIの技術とデータスタックを簡素化し、開発者が問題解決と価値提供に集中できるようにすることで、企業は将来に向けて準備し、技術の完全な潜在能力を活用し、それぞれの産業でのイノベーションを推進するための内部スキルを構築することができます。このように、生成AIの導入には多くの課題がありますが、それを乗り越えることで新たな価値を生み出し、業務の効率化やイノベーションの加速が期待されます。

from Enterprises embrace generative AI, but challenges remain.