技術面の解決をする前にすべきこと

AIをビジネスに活用するための5つの難題

人工知能（AI）のビジネスを成功に導く鍵は、最高の採用担当者、信頼を生む組織構造、そして企業倫理への配慮だ。

公開 2018年04月11日 09時00分

著者

George Lawton

[TechTarget]

印刷する

CIOが実施すべき取り組みとは

　情報最高責任者（CIO）は人工知能（AI）を活用したいと考えている。そのためには、複雑な技術的課題を乗り越えなければならないことが多い。だが、それは出発点にすぎない。CIOが考えなければならないのは、どうすればAIがビジネスの成果をもたらすようになるかだ。これは、2018年1月に開催された深層学習やAIに関するイベント「ReWork Deep Learning Summit」に参加した専門家の意見だ。

　「AIは単なるデータサイエンスの問題ではない。ビジネスの問題だ」と語るのは、家系図調査サービス会社であるAncestry.comの前最高データ責任者（CDO）エイミー・ガーシュコフ（Amy Gershkoff）氏だ。

併せて読みたいお勧め記事

進化するAIは実用段階へ？

AI活用にはデータサイエンスのスキルが不可欠

　イベントに参加したAI専門家によると、CIOはAIを活用するための専門チーム（AIチーム）を編成する際に、2つの要件に注意する必要があるという。1つは、企業全体でAIへの信頼を育み、規制要件に反しない組織構造を構築することだ。もう1つは、あまり知られていないことだが、AIの知識が豊富な採用担当者を用意することだ。

適材適所

エイミー・ガーシュコフ氏

　ガーシュコフ氏によると、適切なAI組織構造を開発するための重要な第一歩は、AIチームの目標に合った部門にデータサイエンティストを配置することだという。

　例えば、AIチームの目標が収益増加にあるとする。この場合、データサイエンティストを最高財務責任者（CFO）のオフィスに配属すると、財務部門が掲げるコスト削減という目標とぶつかる可能性がある。この場合は、収益増加の優先度が高い生産管理部門やマーケティング部門に配属するのが賢明だ。同氏は「データサイエンティストが最も力を発揮できる職場に配属することが必要だ」と語る。

　データサイエンティストを複数部門に配属するハイブリッド型のモデルに移行し始めている企業もある。このモデルでは、データサイエンティストが、マーケティング、製品製造、財務など、さまざまな部門に配属される。さまざまな部門で働くAIチームのメンバーは、CDOと所属部門の上司の両方に報告する。そうすれば、データサイエンティストの目標と各部門の目標を一致させることができる。ただ「デメリットは、上司が2人いるように感じるかもしれないことだ」とガーシュコフ氏は話す。

知識が豊富な採用担当者を選ぶ

　多くのAI戦略では、優れた採用担当者の雇用はあまり考えられていない。その結果、AIに詳しくない担当者が面接することになり、具体性に欠ける。採用候補者にはあまり魅力的には思えなくなる。「人材を確保するには、データサイエンティストが使う専門用語を話せる採用担当者が必要だ」とガーシュコフ氏は言う。

　AIチームに参加しようとする賢明な候補者なら、企業インフラ、テクノロジースタック、採用後に取り組む問題について質問するだろう。採用担当者がそうした質問に答えられなければ、ベストな人材を獲得するのは難しい。

インフラを準備する

　新たに加わるデータサイエンティストは、データサイエンスに必要なインフラが整備されていることを期待する。CIOは、データウェアハウジングと柔軟なデータ管理手法を支援するシステム（アーキテクチャ）を作る必要がある。「これは、機械学習の専門家を採用する前に整備しておく必要がある」とガーシュコフ氏は話す。

　データガバナンス（データに対する統制）、コンプライアンス、プライバシー、セキュリティの懸念に対処するテクノロジーを導入しておくことも必要だ。これがあれば、データサイエンティストは適切な統制がとれた環境で素晴らしい仕事ができる。

ブラックボックスを明らかにする

マニュエル・プロイソル氏

　優れたAI戦略では、透明性と正確性のバランスも必要になる。AIシステムの根本は、多くの意思決定プロセスを自動化することにある。だが、AIのアルゴリズムは機械学習の複雑なルールから導き出されることが多く、解釈するのが難しい。「アルゴリズムは、ある程度ブラックボックスだ」と語るのは、世界的会計会社のErnst & Youngでシニア金融アナリスト兼データサイエンティストを務めるマニュエル・プロイソル（Manuel Proissl）氏だ。

　こうしたAIアルゴリズムが人間より正確だとしても、そのロジックに透明性がなければ、必ずしも関係者の信頼は得られない。企業にAIを導入するには、データサイエンス以外の信頼を得ることが必要だ。こうした透明性は、例えば、EUの「一般データ保護規則（GDPR）」のような新たな規制要件に対処するためにも重要になる。GDPRは、AIが下した判断に関連するロジックについて意味のある情報を提供することを企業に義務付けている。

倫理文化を築く

ルマン・チョードリー氏

　高度な機械学習技術を応用してビジネスの問題を解決するAIチームは、企業倫理の文化に反する決定を下すこともある。CIOは企業内の全ての関係者と連携して、慎重に共通の価値観を定義し、企業倫理の文化を築く必要がある。コンサルティング会社のAccentureでAI部門のグローバルリードを務めるルマン・チョードリー（Rumman Chowdhury）氏は「どのようなプロセスも、文化がなければ導入できない」と語る。

　例えば、ソーシャルメディアを扱う企業や部門が、ソーシャルエンゲージメントに関する目標を定めるとする。製品部門のマネジャーはAIを利用してソーシャルエンゲージメントを増やそうとするかもしれない。怒りを感じている人は、誰よりもサイトに投稿する確率が高いと考え、怒りをぶちまけやすいようにソーシャルメディアを最適化することはできる。だが、そのこと自体は、人々を有意義な形でつなぐという企業の最終目標とは一致しない。

　製品部門のマネジャーが全く新たな製品を世に出すことを非常に重視しているとしたら、最優先にするのは企業倫理かもしれない。だが、全く新たな製品を世に出すことが、会社の評判を傷つける結果になる可能性がある。「優れたAIは目に見えない。だが、不適切なAIは目につく。矛盾するようだが、責任あるAIが適切に機能していれば、AIの存在は気付かれない」とチョードリー氏は話す。

印刷する