Tag: ほとんどのAI投資は失敗します勝者の成功事例は次のとおりです幸運

生成されたAI（Generative AI）は、以前の技術変化とは異なります。これは、ビジネスの運営方法を隠す速度で根本的に再創造しています。農業機械化に数十年かかったこと（米国労働力の3分の1から農業労働者を1％に減らす）をAIは数ヶ月ぶりに達成しています。 しかし、数十億ドルの投資にもかかわらず、ほとんどの組織はまだ試験段階から生産段階、採用段階に移行するのに苦労しています。実際、Gartner®の研究によると、「2024年にGenAI POCの60％が完了後に廃棄されました1」。 AI実験と成功の違いは、正しい大規模言語モデルを選択することではありません。それははるかに多くです。 AIの旅のさまざまな段階でパートナーや顧客との作業を通じて、我々は成功した実装と遅延実装を区別する一貫したパターンを観察しました。パイロットからプロダクションにうまく移行した組織は、相互接続された4つの要素に焦点を当てており、重要なことは、技術がそのうちの1つにすぎないことを認識しているということです。 AWS で勝者が正しく行っている様子は次のとおりです。 1. 戦略的にデータ基盤を構築 単にデータを保持するだけでは十分ではありません。データの整理、管理、アクティブ化の方法によって、すべてが異なります。主要な組織は、3つの具体的な慣行を実装しています。つまり、すべてのデータをまとめてリンクし、簡単に見つけることができるようにラベルを付けて構成し、適切な人（またはエージェント）だけが機密データセットにアクセスできるように制御を設定します。 金融サービスや医療など、規制の厳しい産業は、ここで利点を持つことがよくあります。既存のガバナンスフレームワークがAIイニシアチブを加速できるからです。ただし、最初から始まる組織の場合は、データウェアハウス全体を統合しようとするのではなく、特定のユースケースで逆さまに作業することから始めてください。例えば、通信事業者は、顧客が問題を経験する前にサービスの劣化を予測するという単一の目的のために、ネットワーク性能データを顧客サービスチケットおよび請求履歴と関連付けることから始めることができる。そのユースケースが価値を提供すると、最も重要な追加データ接続を決定してそこから拡張できます。 2. セキュリティと検証による信頼の構築 エンタープライズAIで信頼があれば良いことだけでなく、投資がパイロットから本番に移行するかどうかを決定する基盤です。組織は2つの課題に直面しています。重要なデータを保護するのに十分安全でありながら重要な決定を下すのに十分な正確なAIシステムが必要です。 700,000人のメンバーを持つ医療サービスプロバイダーを考えてみましょう。お客様は、最も脆弱な瞬間に電話をかけ、医学的アドバイスや保険の保証に関する情報が必要です。 AIが提供する機会は膨大でした。あらゆる言語で顧客を年中無休で24時間早くサポートすることです。しかし、この文脈では、単一の幻覚も実質的な害を及ぼす可能性があり、構築に数年かかる信頼を弱める可能性があります。 先導的な組織は「信頼するが検証」を超えて「検証後信頼」に進んでいます。彼らは、悪意のあるコンテンツの入力確認、既知の事実とポリシーの出力確認、ドリフト、または予期しない動作の継続的な監視など、複数の層の検証を実装しています。チップ設計とセキュリティ検証で数十年にわたって使用されている数学的アプローチである自動化された推論などの新しい技術は、定義された規則に従ってAI出力を確認し、場合によっては幻覚を99％まで減らすことができます。この検証優先アプローチは、イノベーションを遅らせるのではなく、加速し、ガードレールが顧客に到達する前にエラーをキャッチするという事実を知ることで、チームがより大胆に実験できるようにします。 3. 技術だけでなく文化も変化させる AIの導入を妨げる最大の障害は、技術ではなく変化管理です。組織は複雑なプロセスを中心に構成されており、これらのプロセスを管理する従業員がいます。個人が一歩後退してプロセスをエンドツーエンドに自動化したり、エージェントによって処理されるように再構築したりするには、意図的な文化的変化が必要です。...