AIの旅を加速し、ビジネスリーダーになるには、次の手順を実行する必要があります。

AIの旅を加速し、ビジネスリーダーになるには、次の手順を実行する必要があります。

[51CTO.comより引用] 人工知能は新たな科学技術革命と産業変革の中核的な原動力として、新たな強力なエンジンを生み出し、政務、教育、医療、交通、金融などさまざまな産業に深く融合し、生産、流通、交換、消費など経済活動のさまざまなつながりを再構築し、さまざまな新技術、新製品、新フォーマット、新モデルを生み出し、人々の生産とライフスタイルを変えています。企業にとって、人工知能は変革、アップグレード、品質の向上、効率性の向上に役立ちます。同時に、AI はビジネスの成長、顧客エクスペリエンスの向上、従業員エクスペリエンスの強化を推進する重要な要因でもあります。

これを踏まえ、多くの企業が人工知能を活用して企業のデジタル変革を推進し、成果を上げ始めています。以前、IBM は Forrester Consulting に委託して、企業が AI を実現する方法の調査を行い、「AI 拡張の障害を克服する」と題するレポートを作成しました。この調査は、企業のデータ、AI、分析戦略を担当する世界中のIT、データ、基幹業務の意思決定者518人を対象にオンライン調査を実施した結果、AIが企業の存続に不可欠であることが判明しました。企業の62%がAIによって顧客体験が向上したと回答し、60%が収益増加を達成し、58%が収益性が向上しました。データ収集に関しては、64%の企業がデータ管理効率を向上させ、59%の企業が分析効率を向上させました。さらに、従業員の生産性の向上、顧客の獲得と維持の強化など、他の多くのビジネス上のメリットも生まれています。


全体として、企業の半数は人工知能 (AI) の拡大が競争力の維持に役立つと考えており、39% は業界のリーダーシップの獲得を可能にすると考えています。ある回答者はこう述べています。「世界中のあらゆる業界が AI に投資しています。AI に投資しなければ、常に取り残されてしまいます。」これは、AI を避けるのは悪い考えだということを示しています。 AIを導入することによってのみ、企業は活力と競争力を高めることができます。

AI 実装の問題点となるのはデータです。

ほとんどの企業は、AI 機能が業界のリーダーシップを獲得し維持するために不可欠であることを認識し、AI の導入に向けて積極的に準備を進めていますが、実装の段階で困難に直面することがよくあります。 「AIの拡張における障害の克服」レポートでは、回答者の約90%が、企業全体でAIのユースケースの数を拡大することが困難であると認めていると述べています。

業界では、AI 実装の問題点について多くの議論が行われており、一般的にはデータ不足が AI 実装の大きな問題点であると考えられています。現在、ビッグデータは爆発的に増加していますが、処理された真に価値のあるデータは多くなく、それが AI の学習に影響を与えています。第二に、データの取得と製品の開発にかかるコストが高いことです。同時に、コンピューティング インフラストラクチャの構築、統合、保守、および各種プロセッサの電力消費も AI にとって重要なコスト支出となります。 3 つ目は、製品やテクノロジーのその後の反復をサポートできる AI 技術者が不足していることです。

Forrester のレポート「AI 拡張の障害を克服する」では、これらの見解が裏付けられています。企業の 90% が企業全体で AI を拡張するのに苦労しており、主な理由の 1 つはデータです。この調査の回答者のほとんどは、AI データのニーズをほとんど理解していないことを認めました。さらに、複数のデータソースを接続できないことによるデータ品質とデータ統合の問題も、企業が直面している大きなデータ問題です。慎重に管理、維持されたデータがなければ、AI イニシアチブは失敗に終わり、コストの増加、期限の遅れ、規制上のリスクにつながります。

実際、データはサンプルトレーニングの前提条件です。さまざまな種類の膨大なデータから得られる貴重な情報は、収集、保管、分析、処理を通じてのみ、人工知能の強固な物質的基盤を提供することができます。 AI システムの品質は、トレーニングに使用されるデータに部分的に依存します。レポートでは、企業のデータ問題は一般的に、次の図に示すように 3 つのカテゴリに分類されると指摘しています。


1. データの品質。品質の問題は、企業が直面するデータの課題の第 1 位です (58%)。 AI システムのトレーニング データが慎重に管理されていないこと (45%) やデータ ガバナンスの問題 (40%) により、状況はさらに複雑になる可能性があります。したがって、データ品質を確保する能力に自信がない企業が半数未満であることは驚くことではありません。

2. 統合。統合の欠如も重要な問題です。データサイエンス/機械学習プラットフォームや分析/ビジネスインテリジェンスプラットフォームに関しては、50% 以上の企業がデータ統合に苦労しています。そのため、回答者の 3 分の 1 以上が、複数のデータ ソースを接続する能力に自信がありません。

3. 理解不足。おそらく、この調査で最も気がかりな結果は、回答者の 52% が自社の AI データのニーズをほとんど理解していないことです。企業が自社のニーズを理解していない場合、失敗する運命にある AI イニシアチブに突入するか、さらに悪いことに、まったく試みないかという 2 つの運命に直面することになります。

人間とテクノロジーの課題は無視できない

人工知能は急速に発展しており、それに伴い AI 分野の人材に対する需要が急増しています。 「AI の拡張における障害の克服」レポートでは、ほとんどの企業でデータ エンジニアリング、データ サイエンス、および関連する開発スキルが不足しており、これらが AI の実装に密接に関連していることを示しています。さらに、ベストプラクティスの包括的な導入の欠如と、分析チームとデータサイエンスチーム間の不一致により、エンタープライズチームのスキル不足という課題がさらに悪化します。

熟練した労働力を持つことは、AI イニシアチブの成功に不可欠であるだけでなく、従業員の生産性向上という企業の目標を達成するための鍵でもあります。

適切なツールによりAIの実装がより効率的になる

専門的なスキルに加えて、ほとんどの企業には適切なツールが欠けています。調査では、回答者の 58% が高度な分析および機械学習モデルを開発するためのツールとプラットフォームが不足していると報告し、50% がこれらのモデルを運用化するためのソリューションを開発する必要があると報告し、50% が運用中のモデルを監視するためのソリューションが不足していると報告しました。さらに、オープンソースの文脈では、別の問題が発生しています。回答者の 56% がオープンソースの ML プログラミング モデルとフレームワークに対する適切なサポートがないと回答し、さらに 50% の回答者がオープンソースの機械学習プラットフォームの実装と維持に苦労しています。

フォレスターの専門的なアドバイス

AIは企業にとって競争上の優位性を獲得する重要な源です。データ品質、統合、人材とツールの不足などの問題点に直面している企業は、AI のユースケースを拡大し、企業の競争力を維持・向上するための適切な戦略を策定し、実装する必要があります。徹底的な調査を行った後、Forrester はいくつかの重要な推奨事項を提示しました。

1. ビジネス、技術、AI の専門家で構成された AI パイオニア チームを設立し、主要なビジネス プロセスと顧客とのやり取りにおける AI の機会を検討します。技術的な実現可能性と組織の業界リーダーシップへの影響に基づいてユースケースに優先順位を付けます。

2. データ サイエンティストは、データをインテリジェントな AI モデルに変換する上で非常に重要です。ただし、変革プロセスでは、データ サイエンティストに加えて、ビジネス アナリスト、開発者、運用担当者、プロジェクト マネージャーなど、さまざまな役割が不可欠です。企業は、開発モデルの技術的な問題をタイムリーに解決するために、これらの人員で構成された AI エンジニアリング チームを構築する必要があります。

3. すべてのテクノロジーと同様に、AI は特定のプロセスを自動化し、従業員の能力を強化し、労働者にまったく新しい役割を生み出します。 Forrester は、AI ユースケースごとに、AI ソリューションの影響を受ける可能性のある既存の従業員と顧客を表すペルソナを企業が作成することを推奨しています。各役割の観点から、AI ソリューションが各役割にどのような影響を与えるかを分析します。このような演習は、テクノロジーが企業、顧客体験、そして自分の役割をどのように改善できるかを理解するのに役立ちます。

4. 会社の上級管理職の注目と関心を引き付ける。初期の AI ユースケースの成功を伝えるだけでなく、大規模な AI 実装に必要な投資を理解できるように、大規模な AI ユースケースを実装するためのより包括的な技術的要件と組織的要件を概説することも重要です。

IBMは企業の人工知能導入を加速させるお手伝いをします

4つの画期的戦略はAIの導入に効果的ですが、企業が導入するのは決して容易ではありません。資金と人員の不足により、企業の事業展開が困難になっています。この場合、IBM Cloud Pak for Data が役立ちます。 IBM Cloud Pak for Data は、完全に統合されたデータおよび AI プラットフォームであり、データが収集された瞬間からデータをシンプルかつアクセス可能にする最新のアプローチを企業に提供します。データは、その保存場所、構造、種類に関係なく収集できます。データ整理の段階では、データのクリーニング、記録、管理によってデータの品質を向上させ、インテリジェントな方法を使用してデータを分析し、信頼性と透明性のある方法で人工知能を構築および拡張し、人工知能モデルを最大限に活用して、企業が新しい洞察を得て、より優れた、よりスマートな意思決定を行えるようにします。最後に、予測、自動化、最適化の助けを借りて、人工知能は企業全体の実践に適用され、さまざまな部門やプロセスに導入され、それによって企業がビジネス運営モデルを変革し、人工知能の旅を加速するのに役立ちます。

IBM Cloud Pak for Data のコンテンツの詳細については、特別ゾーンをご覧ください。

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]

<<:  Dell Technologies Cloud Platform (DTCP)-VCF on VxRail が Trusted Cloud ハイブリッド クラウド ソリューション評価証明書を取得

>>:  携帯電話事業が阻害されているため、于成東はクラウドコンピューティングに注力している。ファーウェイは2度目の戦略的賭けに出るだろうか?

推薦する

リン・シウ:SEO の 20 のポイント

絶対にしてはいけない SEO の間違い 10 選1) フラッシュサイト(すべてフラッシュ) 2) フ...

マルチクラウドでマシンIDを保護する5つのテクニック

[[423604]] [51CTO.com クイック翻訳]今日、クラウド コンピューティング アプリ...

今後10年間で最も有望なゲームジャンル

今年5月、「モバイルゲームIPの年は本当だ」という記事の最後で、テキストゲームに注目していて将来性が...

Baidu Sitelinkの立ち上げは、個々のウェブマスターにとっての今後の方向性を示している。

少し前に、Baidu はサイトリンク機能を正式にリリースしました。これにより、多くの有名な大規模ウェ...

Zhihui Huayun: カーネルバイパス技術の紹介と Ceph でのその応用

クラウドコンピューティング事業の急速な発展に伴い、国内外のクラウドコンピューティング企業間の特許紛争...

毎日の話題:Baiduは最近、ウェブマスターを調整し、独創性とページの品質にもっと注意を払うようにしました

ウェブマスターネットワーク(www.admin5.com)が5月20日に伝えたところによると、百度は...

ウェブサイト分析: ユーザーエクスペリエンスに影響を与える 4 つの要素

インターネット製品の継続的な発展に伴い、ユーザーエクスペリエンスの重要性を認識する人が増えています。...

Docker プライベート イメージ リポジトリとは何ですか?

この記事はWeChatの公開アカウント「Invincible Coder」から転載したもので、著者は...

個人ウェブサイトの包囲網を突破するための4つの提案

多くのウェブマスターは、個人ウェブサイトが包囲網を突破して発展することがいかに難しいかを語っています...

iPhoneのボタン操作に関する10のヒント

iPhoneのショートカットキー操作をフォーラムやインターネットから収集して分類しています。iPho...

hostodo-ロサンゼルス KVM 仮想 VPS 簡易評価/QN コンピュータルーム

私は、hostodo.com の VPS を最初に使用したユーザーの 1 人です。hostodo に...

このサイトがBaiduからK-edされた理由の逆分析

6月の大規模なアップデートにより、多くのサイトがブロックされました。たとえ多数のサイトが排除されたと...

ByteDance 第2回インタビュー: 分散ロックを使用したことはありますか?分散ロック実装ソリューションは何ですか?分散ロックを使用する利点と欠点は何ですか?

導入ビジネス規模の継続的な拡大と技術アーキテクチャの進化により、分散システムは、高同時実行性と大量デ...