AI 革新の 5 つの落とし穴とその回避方法

この記事は、インテル® AI Blog に公開されている「Five Pitfalls to AI Innovation…and How to Avoid Them」の日本語参考訳です。

要点:

我々の取り組みは、インテルが社員とお客様に優れたソリューションを迅速に提供するのに役立っています。
AI 革新プロジェクトの中には、画期的な成功事例もあれば、失敗に終わったものもあります。それらの失敗の多くは 5 つの共通の落とし穴に起因しています。
すべての AI の課題は、大きなメリットをもたらす可能性があり、世界が前進する中、何もせずにいることは大きなリスクです。

私は常に、インテルで最高の仕事をしていると思っています。私のチームは、インテルとお客様に具体的な利点をもたらすため、新しいマシンラーニング (ML) アルゴリズムを使用して、多くの場合はソリューションが実現可能かどうかも分からないまま、リスクとメリットが大きい問題に取り組んでいます。我々は、ML を使用して、インテルの製造工程における歩留まりを改善し、より正確なビジネス予測を得るのに役立つ情報を提供してきました。また、ビジネスチームが戦略的方向性を追求すべきかどうか決定を下すのを支援しました。

我々の取り組みは、インテルが社員とお客様に優れたソリューションを迅速に提供するのに役立っています。しかし、画期的な成功事例がある一方で、インテル内外で失敗に終わった AI 革新プロジェクトがあります。その多くは、5 つの共通の落とし穴に起因しています。

1. ビジネス問題が明確に定義されていない

「ここにある膨大な量のデータから重要な情報が知りたい」という漠然とした考えから開始される AI プロジェクトが多すぎます。これは、泥沼の中を歩き回り、何事もなかったかのようにきれいな状態で宝物を手に現れるようなものです。革新プロジェクトの初期段階では、プロジェクトにより解決しようとする明確なビジネス上の問題を定義すべきです。また、ソリューションが誰のメリットになるのか、そのメリットをどのように測定するのかも決定する必要があります。そうでないと、問題が解決されたかどうか判断することができません。

2. 適切な人材がプロジェクトに含まれていない

変革的な取り組みにとって、適切な人材を集めることは重要です。AI 革新では、プロジェクトの初期段階から主要な関係者に声を掛け、プロジェクト全体を通して適切に関与させることが効果的です。彼らのネットワークは多岐にわたり、役員、意思決定者、ユーザー、インフルエンサー、承認者、ソリューションの受益者、データ・プロバイダー、データ・インタープリター、その他の技術協力者と緊密に連携しています。彼らがソリューションの使用、意図された利点、ソリューションのアプローチの定義に関与することで、ソリューションはより適切で強固になります。また、そうすることで彼らのやる気を引き出し、実際のソリューションに対して積極的な取り組みが期待できます。

3. 誤った技術的前提

技術的前提が間違っていると、必要以上に物事が難しくなることがあります。例えば、チームが早い段階で問題を解決するアプローチが 1 つしかないと判断したり、あるアルゴリズム/手法が完璧なものであると判断した場合、シンプルな手法で問題を解決し説明可能性などの要件を満たすことができるかどうか検討せずに、複雑な AI 手法にコミットしてしまいます。

関連する失敗として、すべてのプロジェクトは完璧かつ完全なデータを必要とすると考えること (あるいは、逆に、問題は明確であっても、ソリューションの開発に必要なデータがない場合) が挙げられます。関連するデータの識別、取り込み、保存、準備を含め、適切なデータが不可欠です。ほとんどのビジネス問題は、完璧なデータがなくても日々解決されています。これは、現実的な状況では、完璧なソリューションのみを求めていたら、失敗してしまうからです。いつになるか分からない完璧なソリューションよりも、既存のソリューションよりも優れているものが優先されます。アルゴリズムのアプローチとデータのレベルをビジネス問題に一致させることで、AI イノベーターは、時間とコストがかかる複雑な開発と実装を回避して、スキルセット、インフラストラクチャー、および機会費用を大幅に軽減するよりシンプルなアプローチで問題を解決することができます。

4. 実際の環境でソリューションをテストして先に進めない

プロジェクトが目標を達成しても、実際の環境でソリューションが問題なく動作し、テストする価値があることを意思決定者に納得させることができず、プロジェクトが停滞してしまうことはよくあることです。これは、2 つ目の落とし穴に関連しており、主要な関係者がプロジェクトに十分にまたは全く関与していないことが原因です。3 つ目の落とし穴に関連して、ML/AI エンジニアが ML 手法を選択した理由を説明できない場合も考えられます。または、社風によりプロジェクトが脅威と見なされることもあります。失業の懸念や、個人や企業価値の低下を招くと受け止められるなど、その理由はさまざまですが、これは珍しいことではありません。私にも経験があります。何十年もかけて専門知識を培ってきた専門家のチームに、アルゴリズムの推奨は実際にテストする価値があるものであることを伝えたときに、このような反応に直面しました。アルゴリズムの推奨が、意思決定者の直観に反する場合、反発はさらに大きいものとなります。確実な方法はありませんが、まず間違ったときのリスクが限定的な小規模からテストを始めて、成功したら徐々に規模を大きくしていくと、受け入れられやすいでしょう。また、この方法では、多くの場合、スピード/スケールを必要とするタスクを AI に任せ、意思決定者はより付加価値の高いタスクに取り組むことで、全体的により高価値な結果がもたらされることに意思決定者が気付くというメリットもあります。適切に管理すれば、全体的な win-win になります。

5. 実績を基に進化しない

成功したプロジェクトであっても、組織が継続的に AI の使用を進めていかなければ、そのメリットは限定的になります。導入後は、次のレベルの問題を解決するより戦略的でインパクトの大きなプロジェクトに移行します。組織が問題を解決するため、既存の計算能力を利用できるように、ソリューションを自動化する必要があります。自動化により規模と利用が拡大し、実績を基に新しいインパクトの大きな戦略的なプロジェクトに取り組むことで、チームの目標をより高く設定することができます。このようにして、組織は時間をかけて AI から多くの価値を引き出す好循環を生み出します。

最大の落とし穴: 何もしない

これらの落とし穴が AI 革新に取り組もうとしている人々を思いとどまらせることがないように、最大の落とし穴も紹介しましょう。それは、傍観するだけで関与しようとしないことです。すべての AI の課題は、大きなメリットをもたらす可能性があり、世界が前進する中、何もせずにいることは大きなリスクです。企業にとって最も厳しい課題と、将来に関する最大の疑問について考えてみてください。AI 革新は、それらを解決する素晴らしい可能性を提供するでしょう。

AI は今後も進化し、世界を変えるでしょう。インテルとパートナー各社は、AI の価値を最大限に引き出し、つまずきを回避するため、さまざまなリソースを提供しています。AI 革新に取り掛かりましょう!