AI戦略の構成要素

AIと機械学習の必須事項
AI戦略の構成要素
組織は、日和見的で戦術的なAIの意思決定からより戦略的な方向性に移行する必要があります。

アミット・ジョシとマイケル・ウェイド
2020年8月10日
読書時間：7分

人工知能の人気が衰えるにつれて、私たちはピークに達しているように感じます。組織が「AIへのピボット」または「AI主導になる」という願望を発表しなければ、1日はほとんど過ぎません。銀行やフィンテックは、顔認識を使用して、KYKのガイドラインをサポートしています。マーケティング会社は、新しい消費者の洞察を獲得するために教師なし学習を展開しています。小売業者は、AIを利用した感情分析、自然言語処理、ゲーミフィケーションを実験しています。

これらの組織が行っている活動を詳しく調べると、AIは主に戦略的な目的ではなく戦術的な目的で使用されていることがわかります。実際、まとまりのある長期的なAI戦略的ビジョンを見つけることはまれです。資金が豊富な企業でも、AI機能はほとんどサイロ化されているか、不均一に分散されています。

組織は、日和見的で戦術的なAIの意思決定からより戦略的な方向性に移行する必要があります。3つの柱に基づいたAI戦略を提案します。

1. AIには、堅牢で信頼性の高いテクノロジーインフラストラクチャが必要です。AIの人気を考えると、AIが自己完結型のテクノロジーではないことを忘れがちです。十分に機能するデータとインフラストラクチャのサポートがなければ、それは役に立ちません。マーケティングの誇大宣伝を取り除いた人工知能は、安定したインフラストラクチャと使用可能なデータに大きく依存する数学的、統計的、およびコンピュータサイエンス技術の融合にすぎません。

このインフラストラクチャには、データキャプチャからクリーニング、ストレージ、ガバナンス、セキュリティ、分析、結果の配布まで、データバリューチェーン全体のサポートがすべてほぼリアルタイムで含まれている必要があります。したがって、AIインフラストラクチャ市場が2019年の146億ドルから2025年までに506億ドルに成長すると予想されることは驚くべきことではありません。

優れたインフラストラクチャにより、フィードバックループを確立できます。これにより、成功と失敗にすばやくフラグを付け、分析し、対処することができます。たとえば、Ticketmasterが日和見主義者の増大する問題に取り組みたいと思ったとき、つまり本物の顧客よりも先にイベントチケットを購入し、プレミアムで再販するだけの人々は、機械学習アルゴリズムに目を向けました。同社は、リアルタイムのチケット販売データと購入者の活動の全体像を組み込んだシステムを作成し、正当な顧客にスムーズなプロセスで報酬を与え、再販業者をブロックしました。会社がすぐに気づいたように、再販業者は新しいシステムに応じて彼らの戦略とツールを適応させました。次に、Ticketmasterはインフラストラクチャを変更してフィードバックループを含め、アルゴリズムが再販業者の進化する手法に対応できるようにしました。

2.新しいビジネスモデルは最大のAIのメリットをもたらします。AIは、現在のやり方を大幅に改善するか、以前は不可能だった新しいプロセスを可能にすることで、新しい収益源と利益を提供する可能性を秘めています。しかし、AIをどのように使用できるかについての漸進的な思考は、おそらく控えめな結果につながるでしょう。新しいビジネスモデルの考え方、またはいわゆるインテリジェンスの変革がなければ、大きなメリットが得られる可能性はほとんどありません。

AIは、人間の能力をはるかに超える改善を可能にします。たとえば、シンガポールを拠点とするデジタルマーケティングの新興企業であるOrangeSharkは、プログラマティック広告に機械学習を使用しているため、メディアの選択、広告の配置、クリックスルーの監視と変換、さらには広告コピーのわずかな変更のプロセスを自動化します。OrangeSharkは、そのシステムによって提供される効率性により、ペイフォーパフォーマンスビジネスモデルを提供できます。これにより、クライアントは、標準の広告モデルとOrangeSharkモデルからの顧客獲得コストの差額の一部のみを支払うことになります。以前は半自動化されていたタスクを完全に自動化することで、同社は大幅な効率向上の収益化を可能にする新しいビジネスモデルを作成しました。

対極にある「感情測定」会社であるAffectivaには、感情分析された人間の顔の世界最大の画像データベースがあります。同社は、クライアントが利用できるようにするディープラーニングモデルを使用して、さまざまな人間の感情を分析および分類します。広告キャンペーンに対する感情的な反応を研究するアプリケーションもあれば、脳卒中後の感情的な反応を再学習するのに役立つアプリケーションもあります。Affectivaは、人間以外の介入が以前は実用的でなかった領域で、サービスとしてインテリジェンスを提供することに基づいたビジネスモデルを構築しました。

これらの例は、AI対応のビジネスモデルのほんの一部にすぎません。フランチャイズ契約や従業員報酬制度を促進するスマートカメラが間もなく登場します。詳細なデータの機械学習により、製品やサービスを時間の経過とともにカスタマイズできます。これらおよび同様の開発により、新しい収益源と利益が開かれるため、新しいビジネスモデルをAI戦略の基盤と見なす必要があります。

3.倫理のないAIは災害のレシピです。AI戦略の最後の柱は倫理であり、これは必ずしもテクノロジー戦略の一般的な要素ではありません。ただし、AIを使用すると、アルゴリズムの構築が不十分なために誤った洞察や固有のバイアスが発生したり、人間の労働力が機械の出力に置き換わったりすることによる失業率の上昇など、多くの潜在的に厄介な倫理的問題が発生します。

たとえば、今日最も一般的なAIのユースケースの1つである顔認識について考えてみましょう。この技術は、犯罪者の逮捕、行方不明者の発見、さらには血圧の監視など、多くの分野で効果的であることが証明されていますが、監視を回避する権利や正確性など、多くの倫理的懸念も引き起こしています。個人およびグループを識別するために使用されるアルゴリズム。たとえば、ほとんどのAIシステムは、他の民族の人々よりも白人の人々を正確に識別し、女性ではなく男性の顔を識別するのに優れています。実際、一部のシステムでは、肌の色が濃い女性の最大35％で性別を誤認しています。

2018年12月、Googleは、倫理と信頼性への懸念を理由に、顔認識ソフトウェアの販売を停止すると発表しました。対照的に、Googleの競合他社は、同じ決定に達するまでにさらに18か月かかりました。ブラック・ライヴズ・マター運動に対応して、2020年6月初旬にのみ、IBMは米国の警察への顔認識ソフトウェアの販売を停止しました。2日後、Amazonは顔認識ソフトウェアの警察への販売に関する1年間のモラトリアムを発表し、翌日Microsoftがそれに続きました。これらの組織にとって、評判の低下マイノリティを体系的に誤認するシステムを作成し、その技術を警察に販売して犯罪者を特定することは、すでに行われていました。グーグルは積極的でしたが、IBM、アマゾン、マイクロソフトは反応的であり、今日の倫理基準への準拠が不十分であることを示しました。代わりに、組織は将来の倫理的問題も予測する必要があります。

収集または購入したデータから付加価値を引き出したいという誘惑は、組織が同意なしにデータを再パッケージ化して販売するなど、倫理的な境界を超えてしまう可能性があります。

AIに対する責任あるアプローチの必要性は、3つの理由からさらに高まる可能性があります。まず、組織がAIの使用を拡大するにつれて、個人に関する機密性の高い個人データを簡単に取得できるようになります。すでに、私たちはソーシャルネットワークやインターネットの巨人が私たちの愛する人（そしておそらく私たち自身）が知っているよりも私たちの日常の習慣についてかなり多くを知っているという見通しに直面しています。

第二に、組織が新しいビジネスモデルに移行するにつれて、データの収集と使用の限界価値が高まります。組織は、収集されたデータの各ビットにドルの値を割り当て、各データポイントに関連付けられたリスクと報酬の比率を正確に計算できます。このような状況では、収集または購入したデータから付加価値を引き出したいという誘惑により、組織は、同意なしにデータを再パッケージ化して販売するなど、倫理的な境界を超える可能性があります。

第三に、倫理の重要性にもかかわらず、責任あるAIの実践のための包括的なガイドラインやベンチマークが一般的に不足しています。確立された単一の倫理的仲裁者がいなければ、各組織と業界は独自の基準と制限を決定する必要があります。

残念ながら、AIへの断片化されたアプローチは、この問題を悪化させるだけです。組織がAI倫理に対して調整されたアプローチをとらない限り、不正なチームが倫理ガイドラインに違反するのは簡単すぎます。AI活動を監督し、倫理的なAIガイドラインを確立して実装し、組織にその倫理的慣行の責任を負わせるために、組織内にAI倫理オフィスを設立する必要がある可能性があります。倫理機能をブランディングと信頼構築のメカニズムと見なす企業は、それを単なる規制上の問題と見なす企業よりも先に出てきます。AIの倫理的慣行を管理するための組織内の取り組みに加えて、業界団体、政府、および多国籍の非政府組織も、AIテクノロジーの責任ある使用を管理する明確なガイドラインを設定することによって役割を果たすことができます。

AIは通常のテクノロジーではないため、AI戦略には通常のテクノロジー戦略とは異なるアプローチをとる必要があります。ポジティブとネガティブの両方の極端な企業パフォーマンスを促進するAIの力には、堅牢で信頼性の高いテクノロジーインフラストラクチャ、新しいビジネスモデルへの特別な焦点、倫理への思慮深いアプローチという3つの柱に基づいた意図的なアプローチが必要です。AI戦略は、変化の強風に耐えるために強固な基盤の上に構築する必要があります。

------------------------------------------------------------------
著者について
Amit Joshiは、スイスのIMDビジネススクールのAI、分析、マーケティング戦略の教授です。受賞歴のある研究者およびケースライターであり、電気通信、金融サービス、製薬、製造の企業と幅広く協力しています。Michael Wadeは、スイスのIMD Business Schoolのイノベーションと戦略の教授であり、デジタルビジネストランスフォーメーションのシスコチェアを務めています。彼の最新の著書は、Digital Vortex（DBT Center Press、2016年）とOrchestrating Transformation（DBT Center Press、2019年）です。

タグ： 人工知能、 ITインフラストラクチャ、 機械学習、 テクノロジーシステム

出典元：
https://sloanreview.mit.edu/article/the-building-blocks-of-an-ai-strategy/