AIは魔法ではありません：今こそ謎を解き、適用する時です

何世紀にもわたり、電気は魔術師の領域であると考えられてきました。そんな魔術師たちは、電気がどこから来るのか、どのように生成されるのかについて、聴衆を困惑させてきました。ベンジャミン・フランクリンと彼の同時代の人々は、電気と雷の関係を証明した際の現象をよく理解していましたが、1752年にその実用化を構想するのは困難なことでした。実際、彼の最も貴重な発明は、電気を避けることと関係のある、避雷針でした。すべての新しいイノベーションは、拒否、回避、恐れ、そしておそらく最終的には受容という同じような進化を経ます。

今日、多くの人が人工知能（AI）を、その仕組みもほとんど理解せずに活用されている別の魔法のテクノロジーと見なしています。彼らはAIを特別なものとし、AIを熟知し、私たちを驚かせた専門家に任せているのです。このような環境の中で、AIは壮大さを約束する謎めいた存在感を見せており、普通の人間の手の届かないところにあります。

実際には、AIには魔法は存在しません。人工知能という用語は1956年に初めて使われ、それ以来このテクノロジーは進歩し、失望させ、再び浮上してきました。電気と同じように、AIのブレークスルーへの道には大量の実験が不可欠です。こうした実験の多くは失敗するでしょうが、成功した実験は大きなインパクトを与えるでしょう。

これが今日の私たちの現状ですアンドリュー・ウン（Andrew Ng）氏のような他の人々も示唆しているように、AIは新たな電気です。AIは遍在し、ますます利用しやすくなっているだけでなく、世界中でビジネスの運営方法を強化し、変化させています。最高の精度で予測を実現し、ビジネス・プロセスと意思決定を自動化します。その影響の対象は膨大で、顧客体験の向上から、インテリジェントな製品やより効率的なサービスまで、多岐にわたります。そして最終的には、企業、国または地域、社会に経済的な影響をもたらします。

確かに、AIの大規模な実験を推進する組織は、今後10年間の市場機会を獲得するでしょう。AIを分解し、解明するためには、AIのカテゴリを構成する2つの重要な要素、すなわちコンポーネントとプロセスを考慮する必要があるのです。言い換えれば、その背後にあるものと、それをどのように採用できるかを特定することです

電気が抵抗、コンデンサ、ダイオードなどの基本部品を使用して駆動されていたのと同様に、AIは次のような最新のソフトウェア・コンポーネントにより駆動されています。

1. 統合された最新のデータ・ファブリックAIはデータを利用するため、データをAI用に準備する必要があります。データ・ファブリックは、あらゆるクラウド上の全データ資産の論理表現として機能します。企業全体のデータを事前に整理し、ラベル付けします。ファイアウォールからエッジまでの仮想化により、すべてのデータへのシームレスなアクセスが可能です。
2. 開発環境とエンジン。AI モデルを構築、トレーニング、実行する場所です。これにより、インプットからアウトプットまで、エンドツーエンドのディープラーニングが可能になります。機械学習モデルは、明示的ではなく、推測されたデータ内のパターンと構造を見つけるのに役立ちます。ここで、魔法が起こったように感じ始めます。
3. 人間らしい主要な機能。モデルとアプリケーションを音声、言語、視覚、推論などの人間の主要な機能に結び付けることで、モデルに命を吹き込むメカニズム。
4. AIの管理とエクスプロイテーション。これにより、バージョン、影響を改善する方法、何が変更されたか、バイアス、差異を理解しながら、あらゆるアプリケーションやビジネス・プロセスにAIを導入することができます。ここは、モデルがエクスプロイテーションに対応できる場所であり、すべてのAIのライフサイクル管理が可能になります。最後に、AIが行った意思決定について、証明と説明能力が提供されます。

これらのコンポーネントを手に入れることで、データの価値を引き出す組織が増えています。しかし、AIを最大限に活用するには、そのテクノロジーを導入して実装する方法も理解する必要があります。こうした移行を計画している人は、まず次の基本的なステップを考慮してください。

1. AIに適したビジネス機会を特定する。導入の可能性のある分野は、カスタマー・サービス、従業員や会社の生産性、製造上の欠陥、サプライチェーンへの支出など、広範囲に及びます。簡単に記述できるものはすべてプログラムできます。一度プログラムされれば、AIによって改善されます。機会は無限大です。
2. 組織を AI に備えさせましょう。組織は、データサイエンスにおけるより高い能力と専門知識を必要とするでしょう。今日の反復的な手作業の多くは自動化され、多くの従業員の役割が進化します。AIで役割全体を遂行できることはほとんどありません。しかし、AIで強化できる役割がまったくないということもまれです。全てのテクノロジーは、それを活用する才能がなければ役に立たなちません。そのため、他の人にインスピレーションを与え、トレーニングする専門家チームを構築しましょう。
3. 「テクノロジーとパートナー」を選択します。CEO が個人的にこのテクノロジーを選択する可能性は低いですが、ここでの意味合いはどちらかというと文化的なものです。組織は多くのテクノロジーを導入し、そのプロセスを通じて比較、対照、学習する必要があります。また、組織は AI を提供するスキルとテクノロジーの両方を備えた少数のパートナーを選ぶ必要があります。
4. 失敗を受け入れる。AIプロジェクトを100件試行すれば、おそらく50件は失敗するでしょう。しかし、その 50 の成功は失敗を補って余りあるものです。あなたが創り出す文化は、失敗を受け入れ、失敗から学び、次へと進む覚悟と意欲を持たなければなりません。よく言われるように、早く失敗しましょう。

AIは、電気、インターネット、モバイルが主流になったときと同じくらいの基盤になりつつあります。2019年にAI戦略を持たないことは、2010年にモバイル戦略、2000年にインターネット戦略をそれぞれ持っていないようなものです。

あなたが歴史的この瞬間を振り返るとき、データを新たなリソースとして使い、それを活用するためのユーティリティーとしてAIを受け入れた人として、懐かしく感じられることを願っています。

______________________________________________

この記事は Informationweek に初掲載されました。

• Watson Anywhere 、ロブ・トーマス
• クライアントがAIを使いこなすための新しいIBMスキル・トレーニング、アナ・エチェヴェリ氏
• AI計画を加速する新しい方法、インダーパル・バンダリ
• AIの階梯をスケーリングする、ロブ・トーマス