メインコンテンツへジャンプ

すべてのビジネスは、データとAIの先駆者になりたいと考えています。しかし、それを実現するためには、企業はGenAIのビジョンと戦略にコミットし、そのビジョンを管理可能なステップに分解する必要があります。言い換えれば、企業はビジネス全体でAIを解放し活用するための適切なプロセスが必要です。

過去のブログで取り上げたように、企業が人々を管理する方法基礎となるIT基盤は、Generative AI採用の旅の重要なステップです。しかし、適切なプロセスを設定することが、企業が労働力と技術を結びつける方法です。これが唯一、ビジネスを目標に向けて前進させる結果を実際に推進する方法です。新しいシステムを採用することは一つのことです。それらから実際に価値を得ることは別のことです。

企業はAIが活躍できる環境を構築する必要があります。彼らは採用への技術的な障壁を排除する必要があります。従業員は、これらの新しいシステムを自信を持って使用し、移行期間中に管理者からサポートを受ける必要があります。リーダーはAIの力を示す適切なプロジェクトを選び、そのビジョンを実行するために内部開発チームが迅速に動くことを可能にする必要があります。そして最終的に、企業はデータとAIの目標を達成するための進捗を評価する方法を学び、継続的な投資を確保する必要があります。

企業が実験から現実に迅速に革新を実現することを可能にする、反復可能でスケーラブルなワークフローを作成する方法です。

GenAIは良好なデータガバナンスを必要とします

データはAIの触媒であるため、プロセスの基本的な要素でなければなりません。データの収集方法とアクセス可能な人を制御すること、つまり一般的にデータガバナンスと呼ばれるデータ管理の側面が最も重要です。

この新しいAI時代では、データを保護することと同じくらい、データを管理することが重要になります。セキュリティバリアは重要ですが、その壁の中で実際に何が起こるかを管理することも同様に重要です。分析、リアルタイムアプリケーション、またはGenAI - すべてがデータガバナンスに戻ってきます。

AIが企業全体に広がるにつれて、企業はデータが組織内でどのように動いているか、誰がそれを使用しているか、何の目的で使用しているかを追跡することができなければなりません。すでに政府はAIの透明性と説明責任に関する新たな要件を課しており、今後数年でさらに行動を起こすことが予想されます。透明性と説明責任は、ローンの適格性を決定したり、患者を診断したりするようなAIによるサービスを提供する金融業界や医療業界に特に重要です。

だからこそ、企業はデータの移動を追跡し、彼らの機密資産を保護するプロセスを確立するべきです、しかし、それはイノベーションを妨げるべきではありません。これが、広範で細かいアクセス制御の両方が重要である理由です。

これらのシステムが増えるにつれて、LLMは常に監視され、回答が正確であることを確認しなければなりません。企業は、適切なデータセットが適切なエンドシステムにマッチしており、情報がタイムリーで高品質であること、そしてこれがどれほど難しいことであるかが過小評価されていることを知る必要があります。ソースシステムの一部は1980年代のものかもしれません。企業はまた、データを孤立させるソフトウェアシステムを大量に持っています。

情報をソースから最終的な使用例まで追跡する内部能力を構築することは、些細な事業ではありません。しかし、それを行う企業は、データとAIを真に民主化し、ビジネス全体で新たな強力な使用例を解放することができます。

最初のGenAIユースケースの選択

第一印象は重要です。多くの場合、取締役会とCEOが経営陣にAIの導入を促しています。しかし、進行することに対する熱意がある一方で、ビジネスリーダーたちは、貴重な企業資源を悪質なAIに投げ込んでしまわないようにしたいと考えています。

初期のパイロットケースでの成功は、継続的な投資を確保するのに役立ちます。これが、企業がAIで何を達成したいのかを真剣に考える時間を取る必要がある理由です。高い売上成長を目指す目標は、利益率を上げるためのものとは全く異なる技術セットを必要とするかもしれません。

これをデータとAIの「ノーススター」を設定すると言います。そして、旅行者が長い間夜の薄明かりの中でポラリスに頼ってきたように、企業自身の「ノーススター」は、データとAIの取り組みを軌道に保つために重要となるでしょう。

しかし、最初の数プロジェクトを決定する際には、企業も現実的であるべきです。ある時点では、AIが価値を生み出す可能性のある方法が何百も存在し、その重要性と実現可能性はさまざまです。初期の使用例がビジネスにとって最大の価値を生み出すものではないかもしれません。それがポイントではありません。

それではなく、企業はこれらの新興プロジェクトを利用して、痛みの点を特定し、将来のユースケースを特定、評価、優先順位付け、実装する一貫したアプローチの開発を開始すべきです。

しばしば、いわゆる「低い枝の果実」は、内部の支持者がAIの能力を急速に証明する最良の方法です。これらは通常、契約、法的文書、市場調査、その他の情報源を通じて研究情報を素早くまとめるなど、時間がかかるが単調なタスクを従業員が支援するための小規模な取り組みです。

企業がこれらの簡単なプロジェクトを適切に実行できることが証明されたら、自社のモデルを構築または微調整するなど、高度なユースケースをより自信を持って追求することができます。企業が取り組むイニシアチブが多ければ多いほど、新たな投資の審査プロセスが効率的になります。

GenAIの構築、購入、またはカスタマイズ

しばしば、チームは既製品を購入するのではなく、自分たちのカスタマイズされたツールを作りたいと考えます。これはIT部門に対して彼らの技術環境を大いに制御する機会を与えますが、貴重な開発時間を消費し、より大きな財政投資を必要とすることもあります。

「自社製造 vs 購入」のジレンマに直面したときに、企業が自分自身に尋ねるべき一つの質問は、それが競争力の差別化をもたらすかどうかです。

しばしば、ビジネスが調査を行うと、多くの他の企業が同じ問題を抱えていたり、同様の結果を目指していたりすることがわかりますので、既に確立されたソフトウェアアプリケーションが助けとなることがよくあります。

例えば、大規模な基盤モデルの力が増す中で、一般目的のAIシステムを自社で構築しようとする組織はほとんどありません。代わりに、彼らは自社のデータを使用して、ビジネスを理解し、超関連性のある結果を生み出すオーダーメイドのソリューションを作成することにより興味があります(としてDatabricksがこれをどのように行ったかを読むこともできます)。

商業モデルを補強する能力は、企業がカスタマイズされたソフトウェアへの欲求と、既製のツールを購入する簡単さを組み合わせる方法です。これは、ビジネスが現在オープンソースを使用してアプリケーション開発を加速する方法に似ています。DIプラットフォームのようなプラットフォームでは、企業は独自のデータを簡単に使用して、オープンソースの基礎的なLLMを自社の特定のニーズに対してよりパフォーマンスを発揮させることができます。

実世界でのGenAIの追跡

最も重要なことは、企業がAIシステムを実世界で稼働させ始めると、モデルがどのようにパフォーマンスを発揮しているかを監視する方法が必要であるということです。これは、GenAIアプリケーションが常に正確でタイムリーな出力を提供することを保証するために重要です。

より多くのモデルが生産に入るにつれて、企業が一つのインターフェースを通じてドリフトを検出することが重要になります。しかし、組織がシステムがビジネスに対して意図した価値を創出していることを保証するために、パフォーマンスを追跡することも重要です。

例えば、多くのビジネスはデータ駆動型になりたいと考えていますが、その目標に向けた進捗を追跡するのに苦労しています。GenAIシステムを監視することで、企業は結果に寄与するデータソースの数や、モデルが分析するデータの全体的な量などの指標を監視することができます。

そして、技術自体を超えて、企業は労働力への影響を積極的に監視するべきです。従業員の調査は、労働者が手動データ入力などの作業に費やす時間が減少しているかどうかを示すことができます。

KPIに使用法を合わせることで、ツールの広範な使用を奨励することができます。これは、従業員に週に一定数のクエリを実行することを要求するなど、基本的なことかもしれません。その後、マネージャーは低採用者と協力して、潜在的な障害を特定することができます。

GenAI戦略の構築

最終的に、企業がデータとAIのリーダーになる成功は、人々、プロセス、技術の管理方法にかかっています。一つの領域で失敗すると、残りの部分が崩れます。しかし、適切な戦略とパートナーを持つことで、企業はこれら3つの柱を同時に強化するステップを踏むことができ、すべてのビジネスが求める速度で動くことができます。


プロセス、人々、技術を刷新する課題を解決するための公式について詳しく知るために、最近の電子書籍「データとAI変革を加速する」をチェックしてください。 

Databricks 無料トライアル

関連記事

『データ+AI』戦略:人材に焦点をおいて

この記事はシリーズの一部です。 パート1: データ+AIの三位一体:人材、プロセス、 プラットフォームをご覧ください。 人工知能(AI)や大規模言語モデル(LLM)の導入を急ぐあまり、多くのビジネスリーダーやテクニカルリーダーは、根本的なITの見直しにばかり目を向け、このテクノロジーが従業員や将来の働き方にもたらす大きな変化を過小評価しがちです。 プロセスを調整し、適切なプラットフォームを導入する技術的な作業は不可欠ですが、企業内でデータとAIの文化を成功させるには、経営層からエントリーレベルの従業員に至るまで、従業員の賛同も必要です。 すべての従業員が、データとAIを最優先する戦略が各自の役割にもたらす価値、それが生み出すビジネス上の成果、そして最終的には、それが解き放つキャリアの可能性を理解できるようにすることで、ビジネスリーダーは、変化への抵抗を抑え、モダナイゼーションの旅が力強くスタートするよう支援する社内チャンピオンを生み出すことができます。 人材に関する計画について、心に留めておくべきいくつかの成功戦

データとAI戦略 〜プラットフォームにフォーカスして〜

優れた AI の秘訣は優れたデータです。 AI の導入が急増するにつれ、データ プラットフォームはあらゆる企業のテクノロジー スタックの最も重要なコンポーネントになります。 生成AI システムは単一のモノリシックなものではなく、 連携して機能する さまざまなコンポーネントの組み合わせで あることがますます明らかになっています。データは最も重要な要素の 1 つですが、企業が モデルを 実際に 現実世界に 展開する には、他にも多くの機能が必要です 。 そのため、企業がデータと AI の幅広いニーズをサポートする基盤プラットフォームの構築を検討する際には、...

概要:オープンな基盤モデルの台頭

May 3, 2024 ジョシュ・ハワード による投稿 in データ戦略
生成 AI アプリケーションを概念実証段階から本番運用段階に移行するには、制御、信頼性、データガバナンスが必要です。 組織は、モデルとトレーニングに使用するデータの両方をより厳密に管理することで、制御と出力へのより良い影響を与える能力を求めて、オープンソースの基盤モデルに注目しています。 Databricks は、何千ものお客様が生成 AI のユースケースを評価し、組織に最適なアーキテクチャを決定するのを支援してきました。 当社の顧客は、多くの場合困難でコストがかかる、本番運用品質のAIモデルの構築と展開の課題を私たちと共有しています。 その結果、ほとんどの CIO はモデルを本番運用に導入することに不安を感じています。 これには、制御、所有権、品質の欠如、予測不可能なパフォーマンス、これらの基本モデルのスケーリングに関連する高いコストなど、さまざまな理由があります。 私たちは顧客の行動の変化に気づきました。 効率性の向上とコストの削減のために、オープンソース モデルを採用する組織が増えています。 これに応えて、
プラットフォームブログ一覧へ