こんな企業は失敗する
多くの企業でAIプロジェクトが失敗してしまう根本的な要因と勘違い
AIを導入しようとする企業の多くが活用に失敗している。それはAIの活用に不可欠な要素が欠落しているからだ。データに対する勘違いもAI活用を阻害している。
多くの経営幹部はAIを活用して他社をリードし、事業を成長させる必要があると考えている。だがAIプロジェクトを全社に拡大できない企業は多いとAccentureの専門家は言う。
Accentureのリー・ジュン・ソン氏(ASIAM:ANZ[Australia、New Zealand]、Southeast Asia、India、Africa and Middle East応用インテリジェンス担当マネージングディレクター)は、世界の経営幹部の88%は自社が生き残るためにAIが必要だと考えている一方、同じ割合の経営幹部がパイロット段階以上にAIプロジェクトを拡大するのに苦戦していると指摘する。
「多くの人々がAIの可能性を理解し、AIプロジェクトに着手している。だが、その可能性を完全に実現している人はあまりいない」
リー氏によると、データと分析の最高責任者がAIを構築しても、事業部門は「通常通りに事業に取り掛かる」ことを選択する可能性があるという。
AIプロジェクトの拡大には人材の確保も重要だ。「AIをあまり理解していない事業部門の担当者をデータサイエンティストやエンジニアの一団の中に配置しても、何も起こらない」
問題の核心は「仲介役の不在」だ。分析能力を備え、業務チームとデータサイエンスチームの橋渡しができる人材が不足している。
データ基盤の構築
AIプロジェクトでは「データが成長を加速する燃料」になるため、強力なデータ基盤を用意する必要がある。大規模なデータはクラウドで管理しなければならないとリー氏は指摘する。
必要なデータ量を把握していない企業も多い。一般的にデータ量は多いほど良いと考えられているが、必ずしもそうとは限らない。「データの品質などにも問題を抱えている。信頼できる唯一のソースがなく、人によってやや異なるバージョンのデータを使っている」(リー氏)
こうした課題は短期間で簡単に解決できるものではない。AIのユースケースに戦略レベルで優先順位を付け、具体的なユースケースを適切にサポートできるデータセットを確保することから始めるべきだ。
AIを民主化する
AIプロジェクトを拡大するもう一つの方法は、AIとデータサイエンスの機能を民主化してシチズンデータサイエンティストがその機能を利用する道を開くことだ。
シチズンデータサイエンティストはAIの専門家ではないかもしれない。だが「シチズンデータサイエンティストはツールを使ってAIソリューションを開発する可能性を持っている」とリー氏は言う。
クラウドベースのAI APIによって、コーディングスキルがなくてもAIを簡単に構築できるようになっている。
「博士号を持つAIスペシャリストが必要なことは変わらない。だが多数のシチズンデータサイエンティストも必要になる」とリー氏は補足する。
Copyright © ITmedia, Inc. All Rights Reserved.
Computer Weekly日本語版
この記事の著者
関連記事
新着ホワイトペーパー PR
-
課題解決
[NTT東日本株式会社] いま建設業に「10ギガ光回線」が必要な理由とは? -
課題解決
[NTT東日本株式会社] 情報漏えいも業務停止もさせない「止まらないネットワーク」への第一歩は? -
課題解決
[NTT東日本株式会社] 情報漏えいや業務停止に備える、安心・安定のネットワーク環境とは? -
事例
[Wrike Japan 株式会社] 年間100件超でも“プロジェクト炎上”を回避、JERAの管理体制は何が違うのか? -
事例
[Wrike Japan 株式会社] プロジェクト納品時間を最大40%短縮 事例で見る「劇的な高速化」の実現方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
-
2
Java SEに「Java4Shell」、WebLogicも修正――今朝の情シスニュース
-
3
「Microsoft 365」障害はなぜ拡大? “安全装置”フェイルオーバーのわな
-
4
なぜ「Microsoft Teams」がランサムウェアの入り口になるのか?
-
5
なぜ「WSUS」を捨てない? 非推奨でも35%が使い続けるワケ
-
6
紙やExcelにもう頼らない、建設業の「情報管理」をデジタル化する注目手法とは
-
7
大和証券や日経も被害に 2026年秋のインシデント集中で崩れた「防御の前提」
-
8
AI時代のPC選定は“適材適所” 情シスが押さえておきたい3つの選択肢とは?
-
9
AI導入のROIをどう測定する? Sansanに学ぶ効果検証の手法
-
10
属人化や技術者不足をどう解消するか AIで「IBM i」を次世代へ継承する方法
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
4
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
5
自社のメール環境は本当に安全? チェックシートですぐ分かる“今必要な対策”
-
6
三井ホームに学ぶ「無線LAN環境」構築 快適なオフィスと高度なIT運用の両立法
-
7
「RPA導入の成果が出ない」を防ぐ、成果につながる自動化対象業務の選び方
-
8
AIが苦手な「汚いデータ」になっていない? AI投資を無駄にしないための注意点
-
9
「止まらない」と「シンプル運用」を両立、四街道市新庁舎を支えるネットワーク
-
10
AIに何を聞いても「汎用的な答え」しか返ってこないのはなぜか?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー