ビジネスで人工知能を採用する10のステップ

人工知能（AI）は、テクノロジー業界で明らかに成長している力です。 AIは会議の中心的役割を果たしており、小売業や製造業を含むさまざまな業界での可能性を示しています。 新しい製品には仮想アシスタントが組み込まれ、チャットボットはオンラインオフィスのサプライヤーのサイトからWebホスティングサービスプロバイダーのサポートページに至るまで、顧客の質問に答えています。 一方、Google、Microsoft、Salesforceなどの企業は、AIをテクノロジースタック全体のインテリジェンスレイヤーとして統合しています。 はい、AIは間違いなくその瞬間を迎えています。

これは、ポップカルチャーが期待するように条件付けたAIではありません。 それは感覚的なロボットでもスカイネットでも、トニー・スタークのジャービスのアシスタントでもありません。 このAIの台地は表面下で起こっており、既存の技術をよりスマートにし、企業が収集するすべてのデータの力を解き放ちます。 意味：機械学習（ML）、コンピュータービジョン、ディープラーニング、自然言語処理（NLP）の広範な進歩により、AIアルゴリズムレイヤーをソフトウェアまたはクラウドプラットフォームに焼き付けることがこれまでになく簡単になりました。

企業にとって、実用的なAIアプリケーションは、組織のニーズや収集したデータから得られるビジネスインテリジェンス（BI）の洞察に応じて、あらゆる種類の形で現れることができます。 企業は、ソーシャルデータのマイニングから顧客関係管理（CRM）への関与の促進、資産の追跡と管理に関するロジスティクスと効率の最適化まで、すべてにAIを採用できます。

MLはAIの開発において重要な役割を果たしています、とTechCodeのGlobal AI + AcceleratorプログラムのゼネラルマネージャーであるLuke Tang氏は指摘します。このプログラムはAIスタートアップを育成し、企業が既存の製品やサービスの上にAIを組み込むのを支援します。

「今、AIはMLのすべての最近の進歩によって推進されています。指摘できるブレークスルーはありませんが、MLから抽出できるビジネス価値はチャートから外れています」とTang氏は語りました。 「企業の観点から見ると、現在何が起こっているかが、調整と制御に関連する中核的な企業ビジネスプロセス（スケジューリング、リソース割り当て、レポート）を混乱させる可能性があります。」 ここでは、一部の専門家からのヒントを提供して、企業がAIを組織に統合し、実装を成功させるために企業が実行できる手順を説明します。

1. AIに慣れる

時間をかけて最新のAIができることをよく理解してください。 TechCode Acceleratorは、スタンフォード大学やAI分野の企業などとのパートナーシップを通じて、スタートアップに幅広いリソースを提供します。 また、豊富なオンライン情報と利用可能なリソースを活用して、AIの基本概念を理解する必要があります。 Tangは、AIを使い始め、組織内のMLや予測分析などの分野の知識を増やす簡単な方法として、Udacityなどの組織が提供するリモートワークショップとオンラインコースのいくつかを推奨しています。

以下は、開始に使用できる多くのオンラインリソース（無料および有料）です。

• UdacityのAI入門コースと人工知能ナノ学位プログラム
• スタンフォード大学のオンライン講義：人工知能：原理と技術
• コロンビア大学が提供するedXのオンラインAIコース
• 開発者が深層学習アルゴリズムを習得するのを支援するマイクロソフトのオープンソースCognitive Toolkit（以前はCNTKとして知られていました）
• 機械知能のためのGoogleのオープンソース（OS）TensorFlowソフトウェアライブラリ
• AIリソース、AI Access Foundationのオープンソースコードディレクトリ
• 人工知能協会（AAAI）のリソースページ
• MonkeyLearnの機械学習の優しいガイド
• スティーブン・ホーキングとイーロン・マスクの未来生命研究所
• OpenAI、オープン産業および学界全体の深層学習イニシアチブ

2. AIに解決させたい問題を特定する

基本を理解したら、あらゆるビジネスの次のステップは、さまざまなアイデアを模索することです。 既存の製品やサービスにAI機能を追加する方法を考えてください。 さらに重要なことは、AIがビジネス上の問題を解決したり、実証可能な価値を提供できる特定のユースケースを念頭に置いておく必要があることです。

「会社と仕事をするときは、まずその主要な技術プログラムと問題の概要から始めます。自然言語処理、画像認識、MLなどがこれらの製品にどのように適合するかを示したいと思います。会社の経営陣との何らかのワークショップ」と、Tangは説明しました。 「詳細は常に業界によって異なります。たとえば、会社がビデオ監視を行う場合、そのプロセスにMLを追加することで多くの価値を獲得できます。」

3.具体的な価値に優先順位を付ける

次に、特定したさまざまなAI実装の潜在的なビジネスおよび財務的価値を評価する必要があります。 「空のパイ」AIの議論では簡単に迷子になりますが、タンは、イニシアチブをビジネスの価値に直接結び付けることの重要性を強調しました。

「優先順位を付けるには、可能性と実現可能性の次元を見て、それらを2x2マトリックスに入れます」とTang氏は言いました。 「これは、短期的な可視性に基づいて優先順位を付け、会社の財務的価値を知るのに役立ちます。このステップでは、通常、経営者やトップレベルの経営者からの所有権と認識が必要です。」

4.内部能力のギャップを認める

達成したいことと、特定の時間枠内で実際に達成できる組織能力との間には、明確な違いがあります。 Tangは、本格的なAIの実装を開始する前に、技術とビジネスプロセスの観点から、企業が何ができるか、何ができないかを知る必要があると述べました。

「これには時間がかかる場合があります」とTang氏は言います。 「内部能力のギャップに対処することは、取得する必要があるものと、進む前に内部で進化させる必要のあるプロセスを特定することを意味します。ビジネスによっては、特定のビジネスユニットに対してこれを組織的に支援できる既存のプロジェクトまたはチームが存在する場合があります。 」

5.専門家を招き、パイロットプロジェクトを設定する

組織と技術の観点からビジネスの準備ができたら、構築と統合を開始します。 Tang氏は、ここで最も重要な要因は、小さなことから始め、プロジェクトの目標を念頭に置き、最も重要なこととして、AIについて知っていることと知らないことを認識することであると述べました。 これは、外部の専門家やAIコンサルタントを取り込むことが非常に貴重な場合です。

「最初のプロジェクトに多くの時間は必要ありません。通常、パイロットプロジェクトの場合、2〜3か月が適切な範囲です」とTang氏は述べています。 「社内と社外の人を4〜5人程度の小さなチームにまとめたいと考えています。その期間を短くすることで、チームは簡単な目標に集中できるようになります。パイロットが完了したら、長期的でより精巧なプロジェクトとなること、価値提案があなたのビジネスにとって意味があるかどうか、また、ビジネスを知っている人とAIを知っている人の両方の専門知識をパイロットプロジェクトチームに統合することも重要です。 」

6.データを統合するタスクフォースを形成する

Tangは、MLをビジネスに実装する前に、データをクリーンアップして、「ガベージイン、ガベージアウト」シナリオを回避できるようにする必要があることに注意しました。 「内部の企業データは通常、異なるレガシーシステムの複数のデータサイロに分散しており、優先度の異なるさまざまなビジネスグループの手に渡ることもあります」とTang氏は言います。 「したがって、高品質のデータを取得するための非常に重要なステップは、クロスタスクフォースを形成し、異なるデータセットを統合し、MLに必要なすべての適切な次元でデータが正確で豊富になるように矛盾を整理することです」

7.スモールスタート

AIをデータの小さなサンプルに適用し始めるのは、あまりにも早くやりすぎるのではありません。 「シンプルに始め、AIを徐々に使用して価値を証明し、フィードバックを収集し、それに従って拡大します」と、M * Modalのソリューション管理担当副社長であるAaron Brauserは述べました。電子医療記録（EMR）と統合するAIプラットフォーム。

特定の種類のデータは、特定の医療専門分野に関する情報です。 M * Modalのチーフメディカルインフォメーションオフィサー（CMIO）であるDr. Gilan El Saadawiは、次のように述べています。 「たとえば、解決したい特定の問題を選択し、その問題にAIの焦点を合わせ、特定の質問に答えて、すべてのデータを投げないようにします。」

8.ストレージをAIプランの一部として含める

高性能コンピューティングを提供する企業であるペンギンコンピューティングの最高技術責任者（CTO）であるフィリップポコルニー（Philip Pokorny）によると、少量のデータサンプルから立ち上げた後、AIソリューションを実装するためのストレージ要件を考慮する必要があります（ HPC）、AI、およびMLソリューション。

「アルゴリズムを改善することは研究結果に到達するために重要です。しかし、より正確なモデルを構築するための膨大な量のデータがないと、AIシステムはあなたのコンピューティング目標を達成するのに十分な改善ができません」と、Pokornyは「Critical Decisions：A Guide to後悔することなく完全な人工知能ソリューションを構築します。」 「だからこそ、AIシステム設計の開始時に、高速で最適化されたストレージを含めることを検討する必要があります。」

さらに、データの取り込み、ワークフロー、およびモデリングのためにAIストレージを最適化する必要がある、と彼は提案しました。 「時間をかけてオプションを確認することは、システムがオンラインになった後のシステムの動作に大きなプラスの影響を与える可能性があります。」

9.日常のタスクの一部としてAIを組み込む

AIが提供する追加の洞察と自動化により、IT運用向けAI（AIOps）のプロバイダーであるMoogsoftのグローバルITエバンジェリストであるDominic Wellington氏によれば、労働者はAIを日常業務の一部としてではなく、日常業務の一部にするツールを備えています）。 「従業員の中には、自分の仕事に影響を与える可能性のあるテクノロジーを警戒している人もいるので、毎日の仕事を増やす方法としてソリューションを導入することが重要です」とウェリントンは説明しました。

彼は、ワークフローの問題を解決するために技術がどのように機能するかについて、企業は透明であるべきだと付け加えました。 「これにより、従業員は「フードの下」での体験が得られるため、AIが役割を排除するのではなく、どのように役割を強化するかを明確に視覚化できます」

10.バランスで構築

• 人工知能にはバイアスの問題があり、それが私たちのせいです人工知能にはバイアスの問題があり、それが私たちのせいです
• IBM人工知能が人間の討論のチャンピオンを引き受けるIBM人工知能が人間の議論のチャンプを引き受ける
• AIは大きな可能性を提供しますが、一晩は発生しませんAIは大きな可能性を提供しますが、一晩は発生しません

AIシステムを構築する場合、技術と研究プロジェクトのニーズを満たす必要があります、とPokorny氏は説明します。 「AIシステムの設計を開始する前であっても、重要な考慮事項は、バランスの取れたシステムを構築することです」とPokorny氏は述べています。 「これは明白に聞こえるかもしれませんが、AIシステムは、研究をサポートするハードウェアとソフトウェアの要件と制限を理解することなく、チームが研究目標を達成する方法の特定の側面に基づいて設計されています。最適ではなく、機能不全のシステムでも、目的の目標を達成できません。」

このバランスを実現するには、ストレージ、グラフィックスプロセッシングユニット（GPU）、およびネットワーキングに十分な帯域幅を構築する必要があります。 セキュリティも見落とされがちなコンポーネントです。 AIは、その性質上、その仕事を行うために広範なデータにアクセスする必要があります。 プロジェクトに関係するデータの種類を理解し、暗号化、仮想プライベートネットワーク（VPN）、マルウェア対策などの通常のセキュリティ対策では十分ではないことを確認してください。

「同様に、研究を達成するために全体の予算がどのように費やされるかと、冗長性を通じて停電やその他のシナリオから保護する必要性とのバランスを取る必要があります」とPokorny氏は述べました。 「ユーザー要件の変化に応じてハードウェアを再利用できるように、柔軟性を組み込む必要がある場合もあります。」