「信頼性と価値志向型AIへの道：正しい質問から始めよう」

Road to Reliable and Value-Oriented AI Let's Start with the Right Questions

より良いAIソリューションを構築するための最初のステップ。

生成AIの最近の進歩は、サイズに関係なく、多くのビジネスの関心を引き付けています。これらのビジネスは、具体的なビジネス上の利益を得るためにこの技術を導入するために、既存のAIモデルを迅速に採用するか、または独自のモデルを開発し始めました。ただし、これらの組織の多くは、取り組むべき課題やAI統合の準備度を戦略的に評価することなく、AIを採用しています。

AIは確かに成長を加速し、収益向上、および顧客満足度の向上の可能性を提供しますが、その真の価値を引き出すには、技術が繁栄するための環境を整える必要があります。

CxOとして、AIの採用を推進するさまざまなステークホルダー、例えば取締役会、既にAIを活用している競合他社、または第三者の組織などからの提案があるかもしれません。現在の産業の状況はAIソリューションの流入だけでなく、信頼性と価値重視のソリューションを求めています。

多くの組織のために働き、コンサルティングを行ってきた経験から、私はクライアントがミッションに合致し、推進するAI機能を設計および構築する特権を持っています。今日は、「信頼性と価値重視のAIへの道」を共有し、読者の旅を案内し、彼らが価値重視のソリューションを作成し、AIに関する周囲の過度の期待からそれらを遠ざけることに近づける意図で共有します。

• 大規模言語モデル（LLM）の時代におけるイノベーションと安全性・プライバシーのバランス
• Zipperを使用してサーバーレスアプリを高速に構築：TypeScriptで記述し、その他のすべてをオフロードする
• VoAGIニュース、9月20日：ExcelでのPython：これがデータサイエンスを永遠に変えるでしょう•新しいVoAGI調査！

どこから始めますか？

まずは常に「なぜ」から始めてください。それは直感的に思えるかもしれませんが、多くの組織は「何」に焦点を当てています。単に正しい解決策や答えを特定するだけでなく、価値を本当に引き出すことのできる意味のある質問、たとえそれが難しいものであっても、正しい質問をすることが重要です。Simon Sinekが彼の著書で述べているように：

「すべてはなぜから始まるのです」。

アドレス可能で進歩の可能性が高い最も重要な問題を特定することは重要です。特にAIの実装においては、この理解の後にターゲットを絞ったアクションを進めるべきです。問題の根本的な原因を徹底的に調査するには、注意深く計画されたアプローチが必要です。しばしば、複雑な困難に直面したときには、この取り組みが複雑で労力を要する場合があります。情報の曖昧さが問題の定義にさらなる複雑さをもたらす可能性があります。企業は、正しい文脈で正しい質問を継続的にする好奇心と勇気を示さなければなりません。

認知科学では、推論の基礎となる2つの異なる認知システムが存在することが一般的に知られています。システム1は速く、容易に利用可能な情報に焦点を当てており、「見えるものしかない」という原則によって要約されることがしばしばあります。それは迅速に関連付けを検出し、つながりを作り、迅速に一貫したストーリーを展開することに優れています。Adam Grantは彼の著書「Originals」で述べているように：

「人々はノイズの中でも信号を見つけるのを止められない」。

一方、システム2はずっと最近に進化したと考えられており、ほとんどの理論家によってユニークな人間特有のものとされています。システム2の思考は遅く、連続的です。その方法論的な性質にもかかわらず、システム2は抽象的で仮説的な思考を可能にし、システム1の能力を超えるものです。

これらの認知システムのダイナミクスは、ビジネスの景色で顕著に現れています。組織はしばしば2つの極端の間を行き来します。スペクトラムの一方の端では、迅速なアクションの魅力に駆られて迅速な選択をする傾向があります。これにより、利用可能な情報の十分性や関連性を十分に検討せずに意思決定が行われる場合があります。このような急ぎの行動は、方針の不一致や見落とされたニュアンスを引き起こす可能性があります。スペクトラムの反対側では、一部の組織は過度に慎重になり、徹底的な熟考に従事します。彼らは数え切れないほどのパワーポイントプレゼンテーション、レポート、ミーティングを見直し、すべての利用可能な情報を評価します。徹底性は称賛されるものですが、このアプローチは「分析麻痺」と呼ばれることがあります。データと視点の圧倒的なボリュームが意思決定を妨げるのです。ビジネスは、情報をバランスよく評価し、適切かつ効果的な意思決定を行うためにこれらの2つの極端を調和させる必要があります。

企業の景色では、「即効的な成功」と「低い果実を摘む」という用語がよく共鳴します。ただし、「概念の証明」（POC）に対して、ツール、クラウドインフラストラクチャ、その他の関連コストにかなりの時間（数週間または数か月）と莫大な財政的リソースを投資することは珍しくありません。

皮肉なことに、これらのPOCは、評価すれば数分で手動で実行できるプロセスを自動化することを目指していることがあります。人工知能の能力を効果的に活用し、投資対効果（ROI）を実現するためには、リソースを賢く配分することが重要です。自動化そのものを追求するのではなく、AIの適用のための本当の機会を見極める戦略的な鑑識力は、投資が意味のある持続可能な成果を生むことを保証するために不可欠です。

次に、焦点を絞り、新しいものに目がくらむことを避けることが重要です。最新の革新やトレンドに惑わされることは簡単です。ビジネス目標との一致や意味を十分に理解せずに最新の技術やトレンドを追い求める「輝くオブジェクト症候群」の魅力は有害です。ビジネスはしばしば最新のキーワードに大きな投資を行います。あるときは機械学習、次はディープラーニング、そしてスポットライトは生成的AIに移るかもしれません。このような焦点の頻繁な変更は、投資に見合ったリターンを生み出さずに大きな支出を引き起こす可能性があります。

ただし、特定された問題を忘れずに解決することが重要です。この焦点は、リソースのより効率的な使用と真の価値の可能性を最大限に引き出すことを保証します。技術の進歩に遅れをとることは重要ですが、これらのイノベーションが組織の中核的な目標を満たし、注意とリソースをそらさないことが重要です。

さらに、彼らは間違いなく不確実性と「未知の未知の要素」に直面するでしょう。これらは予期せぬ課題や変数であり、最初に考慮されていなかったが、問題解決に大きな影響を与える可能性があります。そのような状況では、組織は実験のためのバッファを割り当て、適応性と柔軟性を許す必要があります。これにより、予期せぬ結果から学び、実世界のフィードバックに基づいて戦略を改善することができます。

さらに、プロセスの早い段階で専門家を参加させることが重要です。彼らの幅広い知識と経験により、これらの専門家は貴重な洞察を提供し、実験プロセスを指導し、複雑さを乗り越えるのに役立ちます。これにより、組織は影響力のあるソリューションと価値の実現への道筋をたどります。

最後に、AIの実装の旅は、解決すべき問いや課題だけでなく、開発されるソリューションについても重要です。AIの変革的な約束の魅力は、時にはその実用的な使用を上回ることがあります。しかし、テクノロジー中心のアプローチ（AIを選択してから解決すべき課題を探す）は、方針が一致せず、満足のいく結果になる可能性があります。

適切な質問をすることにより、組織はAIを単なる宣伝に利用するのではなく、特定の課題に対処するための真の能力として活用していることを保証できます。この課題中心のアプローチにより、AIは技術の限界に合わせるために組織が屈するのではなく、会社の特定のニーズに適応したツールとして機能することが保証されます。つまり、AIの実装の成功は、始めから目的の明確さに依存しています。

著者について：

ハジャルは、技術、イノベーション、卓越性を重視する人工知能の提唱者、スピーカー、コンサルタントです。

彼女は、データとAIの力を最大限に活用し、使命を持った組織が影響力を最大化するのを支援しています。彼女は、顧客のニーズを聞き、よく設計されたイノベーティブで価値あるソリューションを提供することに誇りを持っています。

LinkedInとTwitterで彼女を見つけることができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!