人工知能。AIは、特にビジネスリーダーにとっては、決して目新しい知識ではない。しかし、AIプロジェクトの85％は、正しい結果を出すことに失敗しており、新しいリーダーたちは、止まらないトレンドのテクノロジーを導入することに恐怖を感じている。とはいえ、AI技術の探求と活用を止めるべきでは決してない。なぜか？簡単に言えば、競合他社がそうだからだ。
自社でAIアプリを作るにせよ、サードパーティからチャットボット、予測分析、ビジネス予測、自然言語処理などのAIサービスを購入するにせよ、最初の一歩を踏み出す前に十分な準備をしておく必要がある。では、最初のAIプロジェクトはどのように始めればいいのだろうか？気をつけなければならない大きな懸念はありますか？
すべてのAIプロジェクトで最も一般的なAIの問題を解決しながら、AIの最も明確な見解とその多くの利点をより深く理解するために、AIの大小を見ていこう。
人工知能（Artificial Intelligence、略称AI）とは、人間の知能や動物が示す自然知能とは対照的に、機械が示す知能のことである。AIは、機械に知能を開発し、通常は人間が行い、実行するタスクを提供し、実行することができるスマートマシンを構築することに関係するコンピュータサイエンスの広範な一分野である。
AIには主に2つのタイプがあり、強いAIと呼ばれる人工一般知能（AGI）と、弱いAIまたは狭いAIと呼ばれる人工狭知能（ANI）である。AGIは人間と同様の実際の知能を発揮することができるが、ANIはそのためにプログラムされなければならない。現在開発されているのはANIのみで、AGIが可能かどうか、少なくとも近い将来可能かどうかについては議論が続いている。
機械学習は、データから学習し、継続的に適応して自らを向上させることができるマシンを構築することに専念する研究分野であり、ディープラーニングは、人間の脳の働きを模倣するために人工ニューラルネットワークのレイヤーを使用して動作する。
最初のAIプロジェクトの始め方を深く知る前に、さまざまなタイプのAI開発スタイルを知り、どれが自社のビジネスに最も適しているかを見極めることが重要だ。
マイクロソフト、アマゾン、IBM、グーグルなどの大企業は、AIに興味があるが、自社でAIアプリケーションを開発する予算や人手がないすべての企業や個人に、AIaaS（Artificial Intelligence as a Service）を提供している。これらのサービスは、チャットボットやパーソナル・アシスタントのような小さなタスクから、予測分析やMLプロジェクトの展開のような複雑な機能まで多岐にわたる。
こうしたサービスの最大の利点は、ハイテクを駆使したセキュリティとメンテナンスで、予算に見合ったサービスが保証されることだ。通常、毎週、毎月、または毎年、固定料金がかかりますが、それ以外はストレスフリーです。また、これらのサービスは一般的に最新、最先端の技術に対応しているため、インフラを更新したり、新しい技術に対応したりする心配もありません。
一般的な業務をAIに依存している企業もあるため、AIaaSは最小限の労力で迅速かつ費用対効果の高いソリューションを提供する。社内でAIチームを開発することが方程式から外れている場合、信頼できるAIaaSを提供してくれる信頼できるサードパーティを探すことが最も安全な策となるでしょう。
迅速でコスト効率に優れています
AIaasは、長くて時間のかかる開発プロセスを経ることなく、わずかなコストで、テストやメンテナンスの心配をすることなく、即座に製品を使い始めることができるAIの従量課金オプションです。また、お客様のアプリケーションは、トップクラスの技術企業によって保護され、すべての最新技術に対応しています。
柔軟性
アプリケーションのストレージやユーザーを増やしたい場合は、サブスクリプションのオプションを変更するだけなので、簡単にスケールアップやスケールダウンができます。余分なコストをかけることなく、どの時点でもビジネスで使用する分の料金を支払うことができます。また、開発の開始と終了後に従業員を増やしたり、人員を削減したりする必要もありません。
最適予算と時間は中小企業
小規模なプロジェクトやビジネスに最適予算と時間は中小企業にとって最も懸念される問題であるため、AIaaSはあなたのビジネスのAIソリューションにとって最も安全な賭けである。利用可能なオプションは非常に多く、特にあなたのビジネスがAIの使用に大きく依存していない場合、あなたのニーズに最適なAIソリューションを得ることができます。
信頼
あなたは一日の終わりにサービスにお金を払っています。これは、アプリケーションがあなたの個人的なニーズに合わせて完全にカスタマイズされていない可能性が高いことを意味します。何か問題が発生した場合、サードパーティが優れたサポートチームを持っていたとしても、あなたの問題はすぐに解決されないかもしれないし、他の人の問題よりも優先されるかもしれない。大手であればあるほど、カスタマーサポートの待ち時間は長くなる。
疑わしいセキュリティ
あなたのデータはすべて、あなたが選んだサードパーティと共有されます。もし評判の良くないサードパーティからサービスを借りているのであれば、データのセキュリティに不安があるかもしれません。世界最大のハイテク企業の1つであるフェイスブックでさえ、セキュリティ上の問題や、自分たちの利益のためにあなたの個人データを使用することで知られている。
長期的なコスト
いつまでAIaaSに頼るつもりですか？10年後、もしかしたらあなたが支払っている料金は、自社でAIアプリケーションを開発した場合よりも高くなっているかもしれない。テクニカル・サポートを待つ時間が企業の収益に影響を与えるかもしれないし、メンテナンスが発生して肝心な時にAIサービスが停止するかもしれない。グーグルが5分間の停電に見舞われ、545,000ドルの収益を失ったように、重要な取引中にサービスを失うことを想像してみてほしい。
データの上限
AIaaSのサブスクリプションには多くの選択肢があるとはいえ、すべてのデータを保存するために大規模なインフラが必要な場合や、処理量が多い場合は、すべてのサービスのコストを合計すると、特に長期的には膨大な金額になる可能性があります。AI企業によっては、一定量までのストレージしか提供せず、データのほとんどが自社サーバーではなくクラウドに保存されるため、遅延やタイムラグが生じたり、AIとその可能性を十分に活用できなくなる可能性がある。
サードパーティのAIサービスにお金を払う以外の選択肢としては、自社でAIチームやAI部門を構築する方法がある。一般的に、長期的にはこちらの方が良い選択肢だと考えられている。なぜなら、最終的にはすべてのビジネスがAIにますます依存するようになり、このテクノロジーはほとんどのビジネス手続きに力を与え、旧式のテクノロジーやプロセスを引き継ぐからだ。初期費用は莫大になるかもしれないが、最終的な結果はコストを上回る。特に、社内にAIチームを作ることを単なるオプションではなく、必須とする理由はいくつかある：
より良いカスタマイズ
ビジネスがAIとその機能に大きく依存している場合、特定のニーズや需要に合わせたAIアプリケーションが必要になることがある。複雑なカスタマイズが必要で、アプリケーションを頻繁に変更する必要がある場合は特にそうです。
所有権
社内にチームを持つことで、すべてのAIアプリケーションの所有権を得ることができます。それらは御社の資産であり、知的財産です。会社の秘密が他の第三者に漏れたり、所有権をめぐって争ったりする心配はありません。また、AIアプリケーションを貸し出すこともできます。
独立性
もうカスタマーサポートを待つ必要もなく、より良いアップデートを祈る必要もありません。社内にAIチームを持つことで、いつでもすべてのニーズが優先され、すべての機能がお客様のご要望に合わせてカスタマイズされます。変更はもはや問題ではなく、アプリケーションに何ができるのか、どのように実行すべきなのかを完全にコントロールすることができます。
長期的コスト
御社の中核機能に複雑なAIソリューションが必要な場合、社内にAIチームが必要な可能性が高い。データ漏えいを防ぐだけでなく、社内のAIチームはすべてのニーズにタイムリーに対応し、貴社の収益と利益を最優先します。長期的に見れば、AIaaSを利用したり、オフショアのAIチームを雇ったりするよりも、ターンアラウンド・タイムや市場投入までの時間が短縮され、ソリューションが御社のビジネスのみに適応されることを考えれば、コストは安くなるかもしれない。
コスト
AIチームを持つには、チームを運営し、戦略的にソリューションを企画・開発する、少なくとも数名のトップクラスの報酬を得る専門家が必要だ。加えて、ハイテク・チームの運営コストは莫大な額に上る。ハイテクは人材確保において非常に競争の激しい分野であるため、真の専門家やスペシャリストを求めて何千もの他社と競合することになる。人材を集める最善の選択肢は、十分魅力的な最高のパッケージを提供することであり、これもまた余分なコストを意味する。
人材不足
IT市場の競争が激化する中、優秀な人材を獲得する競争はますます難しくなっています。魅力的な給与や福利厚生だけでなく、優れた職場環境を持ち、従業員に確かなキャリアパスを提供しなければ、競合他社に対抗することはできません。
コミットメントの増加
社内にAIチームを持つことの最大の障害は、チーム作りへの献身とコミットメントだ。担当者からプロジェクトのあらゆる側面に携わる人まで、AからZまで採用しなければならない。これは一日にしてならず、貴社は予想以上に多くの時間と予算を割く必要があるかもしれない。
AIaaSと社内AIチームの両方をミックスしたい場合、もう一つの「両方の良いとこ取り」ソリューションは、AIプロジェクトをアウトソーシングすることだ。これは、AIアプリケーションの開発と保守をサードパーティのIT企業に任せることを意味する。これは、カスタマイズされ、パーソナライズされたAIソリューションが必要でありながら、その結果を自社で実行する時間、予算、有能な人材がないビジネスにとって完璧なソリューションと考えられている。そのため、AIアプリケーションを開発する高品質のAI専門家のサポートが必要となる。
拡張性
アウトソーシング会社が人材派遣のニーズをすべて処理するため、プロジェクトの規模拡大や縮小、新しい人材の採用、現在の従業員の解雇を心配する必要はありません。アウトソーシングを利用することで、社員が失業することなく、彼らの力を必要としている別のプロジェクトに異動させることができます。
時間とコストの最適化
アウトソーシングは、ソフトウェアを開発することに変わりはないため、AIaaSにお金を払うほどのスピードは出ないかもしれませんが、社内でチームを立ち上げるよりははるかに速いです。IT部門の責任者を雇う心配や、専門家が資格を持ち、必要なスキルを持っているかどうかの心配はありません。アウトソーシング・パートナーはあなたのためにそれらをすべて処理し、あなたのすべてのニーズに適した人材を準備している可能性があります。
より多くの人材プール
プロジェクトを他所にオフショアするのですから、無限の可能性と選択肢を持つまったく別の人材プールを利用することになります。IT市場の競争は激化しており、IT人材の需要はかつてないほど高まっています。アウトソーシングは、採用やトレーニングに余計な手間をかけることなく、あらゆる要件を満たせるITエキスパートを他の場所で見つけるチャンスです。
依存
完璧な製品を開発するために第三者に依存することになりますが、これは良いことでもあり悪いことでもあります。まず、自社のビジネスの長所に集中し、技術面はITパートナーに任せることができる。しかし、それは同時に、AI製品に対するコントロールが甘くなることを意味する。ITパートナーはあなたのニーズに合った製品を提供してくれるだろうか？あるいは、より良いものを提供してくれるのだろうか？
品質
他社があなたのプロジェクトを担当する場合、品質が大きな懸念材料になるかもしれません。特に初めてアウトソーシング・パートナーと協業する場合はそうです。アウトソーシング・パートナーと契約を交わす前に、そのパートナーが過去にどのような仕事をしていたのか、またどのような事例があるのかを確認しておきましょう。
障壁
オフショア・パートナーと仕事をする場合、彼らは御社と同じ言語や文化を共有していない可能性があります。特に、あなたのアイデアやビジョンを共有することが障害となる場合、これは長期的には課題となる可能性があります。オフショアチームがあなたの期待や要求をすべて適切に理解できることを保証するために、プロジェクト開始前にパートナーのオフィスを訪問し、オフショアチームと話をすることをお勧めします。
人工知能の開発は、急がば回れで成功するようなものではない。それどころか、そのようなAIプロジェクトのほとんどは失敗に終わる。Databricks社の最近の調査によると、AI開発プロジェクトに取り組んでいる企業の90％のうち、成功したと考えられるのは3社に1社に過ぎない。したがって、AIプロジェクトを成功に導きたいのであれば、すべてのステップを慎重に進める必要がある。どんなステップ？ここでは、AI開発に着手するためにそれぞれ取るべき5つのステップを紹介する。
何よりもまず、最終的なゴールと、AIプロジェクトで達成したい価値について自問してください。単に人工知能を使った基本的なソリューションを構築したいのか、それともビジネス目標に役立つ完全なAI主導型ツールを作りたいのか。そのようなテクノロジーに投資することで、御社はどのような利益を得たいのでしょうか？これは御社のビジネス目標にどのような影響や変化をもたらすのでしょうか？人工知能技術から得たい中核的な価値について、心に浮かぶすべての質問を自問し、さまざまな角度からAIイニシアチブを分析し、AIプロジェクトの最終的な目的を明確にしてみてください。経営陣や幹部が、自分たちがやろうとしていることの中核的価値と目的を基本的に理解すれば、次に何をすべきか、そのためにどれだけの投資をすべきか、より明確にイメージできるようになる。
このステップは理論的に聞こえるだろう？しかし、AIプロジェクトに着手している企業の大半は、何を達成することを期待しているのか、プロジェクトがどこに向かうのか、まったくわかっておらず、結局は失敗に終わるか、無駄に時間とリソースを浪費している。彼らは単に、他の誰もがやっているから、あるいは自社のビジネスが最新の技術トレンドに対応しているかのように見せたいから、人工知能開発を追いかけているのだ。このドライバーはFOMO（乗り遅れの恐れ）として知られており、もう少し批判的なビジネス思考をすれば回避可能だ。したがって、AIプロジェクトの実現を望むのであれば、彼らの轍を踏んではならない。その代わりに、AIプロジェクトの目的を最初から明確にするようにしよう。ビジネスのペインポイントを特定し、それを解決するためにAIソリューションが生まれるはずです。さらに、設定する目標は現実的であるべきだ。もちろん、プロジェクトで高い夢を描くことは可能だが、最終的には、予想される結果がビジネスの文脈で実現可能でなければならない。プロジェクト計画を立てる前に、これらのことをすべてきちんと文書化しておく必要がある。
AI用のプログラミング言語、開発ツール、テストツールから、クラウドサービスやビッグデータ・ソリューションまで、AIプロジェクトに活用できる技術やソフトウェア・ソリューションは、市場に幅広く出回っている。例えば、コンピュータ・ビジョンのアプリケーションを構築しようと計画している場合、TensorFlow、Keras、Caffe、Torchなどを検討する必要があり、自然言語処理では、NLTK、spaCy、Gensimなどが一般的な選択肢となる。したがって、どの技術スタックが自分たちのプロジェクトに最も適しているかを決定するのは、企業にとって本当に圧倒されることだろう。
ここで重要なのは、まずプロジェクトの要件を理解し、それを適切なツールやテクノロジーとマッチさせることである。前回も強調したように、プロジェクトが何を達成しようとしているのか、どのようなデータが利用可能なのかを検討する。そうして初めて、選択肢を絞り込み、プロジェクトに適したリソースを選択することができる。
ガートナー社が最近発表した2つのレポートによると、AIや機械学習プロジェクトのうち、成果に結びつかないプロジェクトの割合は85％を占め、プロトタイプから本番稼動に至るプロジェクトは53％に過ぎないことが明らかになった。残念ながら、AIプロジェクトの成否の鍵は、テクノロジーそのものよりも、人の要素にある。したがって、AIを使い始めるための次のステップは、AIプロジェクトを運営・管理する適切な人材を側に置くことである。あるいは、プロジェクトを最後までやり遂げるために必要なスキルと経験を備えたAI開発チームを作ることだ。
ソフトウェア開発者の採用方法と同様に、チームに適した人材を厳選する前に、多くの要素を考慮する必要がある。実際にAIアプリケーションの開発経験があるか、少なくとも機械学習のコンセプトをよく理解している人を選びましょう。数学、統計学、アルゴリズムのバックグラウンドを持つデータサイエンティストやデータエンジニアを見つけることから始めるとよい。また、困難な課題に対して創造的な解決策を見出すことができるよう、批判的思考や問題解決に長けた人材を確保するようにしましょう。
まずは社内で、関連するスキルセットや経験を持つ社員がいるかどうかを確認し、そこから進めていくのが常套手段です。また、社内にAIプロジェクトに必要なリソースがない、あるいは十分でない場合は、専門の開発チームをアウトソーシングしたり、ITチームの増強サービスを利用したりするのも良い選択です。組織内でAI人材を育成したり、人材を確保したりするのは、非常に困難な作業だ。採用、トレーニング、管理のプロセスで苦労する代わりに、必要に応じて専門家に働いてもらうことができます。もちろん、長期的には時間とコストの節約にもなる。しかし、どのような道を選ぶにしても、適切な人材を味方につけることの重要性を忘れないようにしてください。
データは、機械学習モデルを学習させ、アルゴリズムが予測を行う方法を学習するために使用されるため、あらゆるAIプロジェクトの中核となる。そのため、作業するのに十分な質の高いデータがなければ、機械学習モデルを訓練することも、データから価値ある洞察を得ることもできない。言い換えれば、データを最大限に活用するためには、データがクリーンで、ラベル付けされており、正確であることを確認するために、データを吟味する必要がある。したがって、機械学習モデルにデータを投入する前に、データを準備し最適化することが重要である。
AI Creation Hierarchy Of Needsによると、データは通常、人工知能やディープラーニングの開発に至るまでに主に5つの段階を経る：収集、移動／保存、探索／変換、集約／ラベル付け、学習／最適化だ。しかし、私たちは単純に、上記のすべての段階をカバーするデータの準備と最適化という2つの主要な段階にまとめることができる：
データを最適化し、準備が整えば、高品質な機械学習モデルの開発に一歩近づくことができる。次はどうする？
どんな高層ビルでも、しっかりとした基礎がなければ高くそびえ立つことはない。人材とデータという最も基本的な2つのものが整った今こそ、袖をまくってAIに取り組み、その基盤を構築する時なのだ。通常、AI主導のテクノロジーに関わるプロジェクトは、私たちが考えている以上に長期にわたるベンチャー事業になる可能性があるため、AIの力を求める企業は、長期にわたって拡張可能で長続きするものとしてAIに取り組む必要がある。どのような基本的なアプリケーションとも異なり、完成させて起動させれば終わりである。
教師あり学習であろうと教師なし学習であろうと、新しいデータが入ってくれば継続的に最適化できるシステムが常に必要とされる。つまり、AIモデルは継続的に育成される必要があるのだ。AIモデルは継続的に育成される必要があるため、人工知能の開発は並大抵のことではない。そうでなければ、すぐに時代遅れになって使えなくなってしまう。データ・サイエンティストは、常にML実験を行い、モデルを再トレーニングして、優れた予測を行うだけでなく、データの変化や進化に合わせて、時間をかけてモデルを改良していかなければならない。
上記の5つのステップに加え、AI開発に着手する前に考慮すべきことがいくつかある：
しかし、私たちの目は人工知能の過大評価によって曇り、AIプロジェクトの本質がITプロジェクトであることを忘れかけているのかもしれない。アイデア出しや要件収集から開発、テスト、配備に至るまで、ITプロジェクトで実施されるすべての管理プロセスは、AIにも活用されるべきである。AIを使い始める最善の方法は、既存のITインフラとプロセスに統合することだ。潜在的な混乱を回避し、チームがスムーズに移行できるようになる。
機械学習モデルのトレーニングは計算量が多く、多くのリソースを必要とする。言うまでもなく、MLモデルを本番環境に導入することも困難です。これらの課題を克服するためには、サーバー、ストレージ、ネットワークなどのITインフラに投資する必要がある。適切なITインフラを事前に準備することで、機械学習モデルを迅速にトレーニングし、大規模に展開できるようになる。クラウド・コンピューティング、モバイル、ウェブ・アプリケーション開発、ビッグデータ分析などの高度なデジタル技術に精通している企業は、そうでない企業よりもAIプロジェクトを容易に開始できる可能性が高い。
AIプロジェクトは複雑で、完了までに予想以上に時間がかかることが多い。そのため、効果的に管理するためには、無駄のないアジャイルなアプローチを採用することが重要である。どのように？概念実証（POC）または最小実行可能製品（MVP）を開発することから小さく始める。そうすることで、アイデアを素早く検証し、早い段階でユーザーからフィードバックを得ることができる。受け取ったフィードバックに基づいて、迅速かつ容易に反復し、AIプロジェクトを継続的に改善する。さらに、開発ライフサイクルの中で発生するリスクを減らし、停滞の問題を回避することも重要です。従って、最初に見積もりタイムラインと具体的なマイルストーンでプロジェクトを構成し、それを厳守する必要がある。
