AI ファースト戦略の導入を決定するのは簡単です。戦略を実行する方法を見つけ出すのは少し大変です。戦略には、明確に定義された目標に基づいて構築されたはっきりとしたビジョンと現実的な実行計画が必要です。
AI ファーストであることは、将来に向けて組織の準備を整えることを意味します。データ、分析、自動化を活用することで、企業の現在の状況や目指すべき状況について理解を深めることができます。AI ファーストの状態になると、市場の変化に適応し、新しい需要を生み出すための情報と俊敏性が企業にもたらされます。
文化を念頭に置く
企業を変革する取り組みに乗り出すときは、その決定が企業文化にどのように影響するかを考慮する必要があります。従業員は変化に抵抗する傾向があります。特に、変革の理由を理解していなかったり、明確な利点があると考えていなかったりする場合です。
したがって、AI ファースト戦略には、まず上層部からのサポートが必要です。経営陣は、変革の価値を認識してそれをサポートし、すべての関係者から賛同を得るために努力する必要があります。AI を導入する場合、組織全体がテクノロジーとそれが好ましい変化をもたらす可能性を信頼する必要があります。つまり、AI が自分たちの生活を改善すると従業員が信じる必要があります。
AI がもたらす変化と仕事への影響を従業員に知らせることは不可欠です。知らせておけば、システムが完全に運用可能になったときに、従業員は運用後の状況に対してしっかりと準備できています。
AI を取り入れる多くの変革において、ミッシングリンクとなるのはデータ戦略です。AI/ML 統合の重要性を理解するには、Harvard Business Review Analytic Services 社がグローバル企業の経営陣に行った調査をご覧ください。
ユースケースの構想
組織は、AI ファースト戦略に着手する際に目的意識を必要とします。テクノロジーをどこで使用するのか、どのような効果があるのかを時間をかけて把握することが重要です。つまり、AI によるデータ分析と自動化を通じて、AI が効率、生産性、プロセスの最適化を向上できるシナリオを作成します。
そのためには、ユースケースとその目的をできる限り具体的に示す必要があります。例えば、データをキャプチャするために機器にセンサーを配置する製造業者は、そのデータに適した計画を立てる必要があります。予知保全を利用して、システムを最高のパフォーマンスで稼動させ続けるといったことです。データに他の用途があるかどうかも考えます。
そのデータから、機械の調子や生産性に影響を与える温度や湿度などの環境条件に関する洞察が得られる可能性があります。また、機械と、機器を監視するスタッフ両方の最適化につながる可能性のある使用パターンが明らかなる場合もあります。
成功するアプローチでは、AI ユースケースの幅が広がるような価値ある事例を構築できるように、通常はコスト削減や新たな収益を目標とします。
現実的な計画を立てる
究極的には、AI ファーストの状態を実現することは、会社を総合的に変革することを意味しますが、それは一夜にして起こるものではありません。小規模から始めることが常に望ましく安全であるため、連続して導入することで後に続くユースケースをどのように補完するかを考えながら、一度に1つのユースケースを導入します。
ユースケースごとに、自動化するプロセスとタスク、および AI が対処可能な問題点の包括的なリストを作成します。ユースケースには、企業の最も差し迫ったニーズ、または AI の導入が最も大きな影響を与える分野に基づいて優先順位を付ける必要があります。
例えば小売業務では、POS システムと在庫システムが同期されているにもかかわらず在庫の補充にはスタッフによる注文が必要かもしれません。AI を使用すると、履歴パターンと継続的な売上データに基づいて、つまり、製品を補充するタイミングや注文する数量をシステムが学習することで、このような再注文を自動化できます。
データ管理に取り組む
明確に定義されたデータ管理戦略がなければ、AI ファースト戦略を真に成功させることはできません。結局のところ、AI も AI による機械学習 (ML) の実践も、アルゴリズムを使用してタスクを実行します。有意義な結果を得るには、そのアルゴリズムに高品質のデータが必要です。データは、構造化、非構造化、半構造化を問わず、さまざまなソースから入ってくるため、データ管理プラットフォームでソートして分析する必要があります。
データ管理プラットフォームをスマートに使用することで、業務プロセスの自動化や顧客向けのシステムやサービスの改善などの AI タスクに活用するデータセットと機能を特定できるようになります。これを適切に行うには、データソースを特定し、データガバナンス手順を確立する必要があります。また、何が適切なデータとみなされ、何が除外されるべきかに関する定義済みのパラメータに従ってデータのクレンジングとソートを行うプロセスを用意する必要があります。
結論
AI ファーストの組織の準備には労力が必要ですが、価値の高い利益をもたらしてくれます。企業が市場の新しい需要に迅速にためらうことなく適応できる環境を作ると、何事にも対応できる準備がほぼ整います。
著者
Chris Royles
Chris Royles は Cloudera の EMEA 担当フィールド CTO です。技術戦略の方向性を示すシニアリーダーとして、複雑なシステム、データと分析、組織とスキル開発の専門知識を持っています。