AI をチーム スポーツとして考える必要がある理由

AIをチームスポーツと考えるとはどういう意味ですか？ AIプロジェクトが誇大広告から影響力に移行しているのは、主に、以前は欠けていたビジネスコンテキストを提供するために適切な役割が関与しているためです。 ドメインの専門知識が重要です。 マシンには、人々が持っているコンテキストの深さがありません。人々は、表面化された洞察や推奨事項に基づいて実行するアクションを理解するために、ビジネスとデータを十分に理解する必要があります。

AIのスケーリングに関しては、多くのリーダーが人の問題を抱えていると考えています。具体的には、データサイエンティストが不足しています。 しかし、すべてのビジネス上の問題がデータサイエンスの問題であるとは限りません。 または、少なくとも、すべてのビジネス上の課題をデータサイエンスチームに投げかける必要はありません。 適切なアプローチを使用すると、従来のデータサイエンスサイクルに伴う課題なしに、AIのメリットを享受できます。

AIソリューションを展開して拡張するには、リーダーは組織の考え方を変えて、AIをチームスポーツと考える必要があります。 一部のAIプロジェクトでは、成功した結果がどのようになるかについて、さまざまな人、ツール、および期待が必要です。 これらの機会を認識する方法を知ることは、より成功したAIプロジェクトに取り組み、AIユーザーのベンチを深め、従業員全体の意思決定にスピードとパワーを追加するのに役立ちます。 理由と方法を調べてみましょう。

組織はAIを使用して高度な分析を民主化しています

AIを使用してビジネス上の問題を解決することは、主にデータサイエンティストの権限でした。 多くの場合、データサイエンスチームは、組織の最大の機会と最も複雑な課題のために予約されています。 多くの組織が、不正検出やパーソナライズなどの特定のユースケースにデータサイエンスを適用することに成功しており、深い技術的専門知識と微調整されたモデルが大成功を収めています。

ただし、データサイエンスチームを通じてAIソリューションを拡張することは、多くの理由から組織にとって困難です。 人材を引き付けて維持することは非常に費用がかかり、競争の激しい市場では困難な場合があります。 従来のデータサイエンスプロジェクトは、ビジネスに価値が認められるまでに、開発と展開に多くの時間がかかることがよくあります。 また、最も経験豊富で堅牢なデータサイエンスチームでさえ、解決を求められている問題のニュアンスを理解するために必要なデータやコンテキストが不足していると、失敗する可能性があります。

2021Gartner® データサイエンスと機械学習の現状 （DSML）レポートは、次のように述べています。¹。」 AIが提供できる分析の速度や徹底性から利益を得ることができる多くのビジネス上の問題があるかもしれませんが、従来のデータサイエンスのアプローチは、価値をすばやく確認するための攻撃の最良の計画であるとは限りません。 実際、同じGartnerのレポートでは、「2025年までに、データサイエンティストが不足しても、組織でのデータサイエンスと機械学習の採用が妨げられることはない」と予測しています。

ドメインの専門知識は、ビジネス全体でAIを拡張するために重要です

AIはすでに、データサイエンスのバックグラウンドを持たないユーザーに高度な分析機能を提供するのに役立っています。 マシンは最適な予測モデルとアルゴリズムから選択でき、基礎となるモデルを公開して、それらを調整し、すべてがユーザーが探しているものと一致することを確認する機能を提供します。

これらの機能により、アナリストや熟練したビジネスドメインの専門家は、独自のAIアプリケーションを設計および活用できます。 これらのユーザーはデータに近いため、データサイエンティストの多くのユーザーよりも優れています。 この力をドメインの専門知識を持つ人々の手に委ねることで、従来のデータサイエンスサイクルに関連する長い開発時間、リソースの負担、および隠れたコストを回避できます。 さらに、ドメインの専門知識を持つ人々が、AIの予測や提案が役立つかどうかを判断する必要があります。

より反復的な改訂と再展開のモデル構築プロセスにより、ビジネスコンテキストを持つ人々は、AIからより迅速に価値を得ることができます。さらに、数週間から数か月ではなく、数日から数週間以内に数千人のユーザーに新しいモデルを展開することもできます。 これは、データサイエンスチームにとって独自の課題が優先度が高くない可能性があるチームにとって特に強力ですが、AI分析の速度と徹底性から利益を得ることができます。

ただし、これらのソリューションはアナリストとデータサイエンティストの間のスキルのギャップに対処するのに役立ちますが、後者に代わるものではないことに注意することが重要です。 データサイエンティストは、AI対応ソリューションで使用されているデータを検証するために、ビジネスエキスパートとの重要なパートナーであり続けます。 そして、このコラボレーションに加えて、教育とデータのスキルは、これらの種類のツールを大規模にうまく使用するために重要になります。

データリテラシーにより、より多くの人々がAIを活用できるようになります

基本的なデータ戦略は、AIで成功するための組織の設定に大きな役割を果たしますが、ビジネス全体でより多くの人々にAIソリューションを提供するには、データリテラシーのベースラインが必要になります。 ビジネス上の問題に適用するのに適切なデータと、AI推奨のデータと結果を解釈する方法を理解することは、人々が意思決定の一部としてAIを信頼し、採用するのに役立ちます。 組織内のデータの共有言語はまた、専門家とのコラボレーションを成功させるためのより多くの扉を開きます。

マッキンゼーのAIに関する最新のグローバル調査では、パフォーマンスの高い組織の34％以内で、調査対象の他のすべての組織のわずか14％に対して、「専用のトレーニングセンターが実践的な学習を通じて非技術者のAIスキルを開発している」ことが明らかになりました。 さらに、パフォーマンスの高い組織の39％には、「AIユーザーと組織のデータサイエンスチームの間に指定されたコミュニケーションチャネルとタッチポイントがあります」が、他の組織は20％にすぎません。

リーダーは、教育とトレーニング、メンターシッププログラム、コミュニティ構築データコンテストなど、さまざまなアプローチでデータリテラシーを構築できます。 データへのアクセスと共有を正規化すること、およびデータを使用して成功、学習、意思決定を祝い、促進する方法について考えてください。

TableauResearchの責任者であるVidyaSetlurは、次のように述べています。「視覚化とデータサイエンスに関するデータリテラシーと教育は、より普及し、より早く教える必要があります。 「データの使用に依存することには、ある種の社会的および組織的責任が伴います。 AIはより洗練されたものになるだけであり、私たちはゲームの数歩先を行く必要があるため、人々はデータを理解し、解釈し、最大限に活用するためのより良い準備ができている必要があります。」

組織のデータ文化を構築し続けることで、スキルを育成し、ビジネス全体で新しいソリューションを育成する強力な機会が生まれます。 デジタルトランスフォーメーションが加速するにつれて、多くの組織は近年、データと分析への投資をすでに増やしています。 データをチームスポーツと考えるのは手が届きません。そして今、私たちはその考え方をAIにまで拡張する手段を持っています。