2種類のAIが、全面的な競争に突入しているように見える。だが、産業界で最も大きな意味を持つ争いは、そのすぐ水面下にある。
この競争の一方に立つのは、流暢な文章や即座に生成されるコード、人間のような対話で人々を魅了する生成AIだ。もう一方に立つのは、派手さはないものの、融資の可否や機械の故障予測、顧客の離脱予測などを数十年間にわたり担ってきた実力派の予測AIである。現在、生成AIがスポットライトを浴びている。しかし、舞台上の華やかさと実質的な価値を混同してはならない。企業活動において実用的な価値をもたらすという点において、予測AIはこの戦いに敗れておらず、確固たる地位を維持している。
異なる2つの役割、共有された1つの舞台
生成AIはテキスト、画像、コード、対話などを「創造」する。一方、予測AIは確率を算出する。過去のデータから学習し、個々の顧客、患者、取引、あるいは機器の行く末を予測するのだ。これらは本質的に異なる役割である。カメラと電話が同じ役割を巡って競合しないのと同様に、これら2つのAIも競合すべきではない。実際、先進的な組織はこれらを組み合わせ、相互に補強し合う方法を学びつつある。
それにもかかわらず、予測AIと生成AIは、予算や人員、そして経営陣の関心を巡って競合している。その競争において、生成AIの魅力は圧倒的な優位性をもたらしている。これまでの技術と比べて、SFに登場する人工知能に最も近いと感じられるため、予測AIがかつて得られなかった規模で研究資金やベンチャーキャピタルを容易に引きつけているのだ。一般の人々の理解において、「AI」という言葉自体が生成AIのみを指すように狭まってきている。この変化は理解できなくもないが、誤りでもある。筆者から多くの企業へのアドバイスは、生成AIと同等、あるいはそれ以上の投資を予測AIに行うことだ。今日の熱狂の中で、これは異端の意見のように聞こえるかもしれない。しかし、予測AIは、より手近で未開拓の機会を提供していることが多い。もし手近な成果を確実に得たいのであれば、それは多くの場合、予測AIを活用して既存の大規模な業務プロセスを改善することにほかならない。
業界の内部で実際に起きていること
メディアは偏った状況を描きがちだが、企業のデータサイエンスチームの内部から見える景色は異なる。筆者が業界カンファレンスを企画する中で目にするのは、応募されるプロジェクトが予測AIと生成AIでほぼ半々に分かれているという事実だ。ニュースのヘッドラインから想像されるような、生成AIの一極集中ではない。さらに、筆者のもとに届く予測AIのユースケースの幅広さは、一歩も衰えていない。送電網の障害予測、保険金の不正請求の検知、リース解約の可能性の特定、発電効率が低下する前のソーラーパネルの汚れの検知、診察予約をキャンセルしそうな患者の特定、カートを放棄しそうな買い物客の識別など、多岐にわたる。
現場の実務担当者に直接話を聞くと、同様の答えが返ってくる。データサイエンスチームは、生成AIがあらゆるものを根底から変えるという経営陣からのプレッシャーにさらされがちだ。しかし本音では、実際に成果を出しているのは予測AIのプロジェクトであると語っている。
予測AIの導入に関する筆者の著書『The AI Playbook』に対する需要も、その変わらぬ重要性を反映している。2024年の出版以来、本書はスコット・ギャロウェイ、チャールズ・デュヒッグ、ムスタファ・スレイマン、FICOのCEOらから推薦を受け、複数の賞を受賞し、Amazonのカテゴリ別ベストセラーで1位を獲得した。また、カーネギーメロン大学、ジョージメイソン大学、ニューヨーク大学、ノースイースタン大学、テキサス大学などのカリキュラムに採用され、複数の「必読書」リストに選ばれ、数十回の基調講演につながり、Bloomberg Radio、Fast Company、Harvard Business Review、Los Angeles Timesなどのメディアや60以上のポッドキャストに取り上げられてきた（ちなみに、『The AI Playbook』のペーパーバック版は現在予約受付中であり、予約者はオーディオブックに今すぐ無料でアクセスできる）。
予測AIが決して衰退しない理由
不確実なことこそが唯一の確実性であるため、予測AIは存続し続ける。企業は常に、膨大なケースにおいてより確度の高い予測を行う必要がある。どの融資申請者が債務不履行に陥るか、どの顧客が解約するか、どの部品が最初に故障するか。これは大規模に展開される「確率のゲーム」であり、まさに予測AIが解決するために設計された問題そのものだ。生成AIは機械学習を用いて構築されているものの、本来、機械学習の目的である「予測」を直接行うようには作られていない。プロジェクトが予測精度を高めるために大規模言語モデル（LLM）を活用している場合であっても、それは本質的には予測AIプロジェクトである。
さらに、予測AIの将来をより確実なものにする興味深い事実がある。生成AI自身の成功が予測AIに依存しているという点だ。大規模言語モデル（LLM）はハルシネーション（もっともらしい嘘）を起こす。予測不可能な挙動を示すため、カスタマーサービス、アナリスト、家庭教師、バーチャルアシスタントなど、より野心的な展開を阻む要因となっている。そこで予測AIが解決策として急速に台頭している。予測AIは信頼性を担保するレイヤーとして機能し、言語モデルの対話の中で問題が発生する可能性が最も高い部分を特定し、人間のレビューへと誘導する。筆者はすでに、多くの企業がこのハイブリッドな手法を採用しているのを目にしており、これが予測AIの次の大きな成長エンジンになると予測している。「自律型エージェント」のプロジェクトを実用に耐えうるものにするという、かつてないプレッシャーがある中で、これは極めて強力な「キラーアプリケーション」となる。やがて、ほとんどの生成AIシステムは、人間が介在するプロセス（Human-in-the-Loop）を維持しながらも、コストのかかる人的リソースを賢く活用するための信頼性のガードレールとして、予測AIに依存するようになるだろう。
予測AIの真の障害はブームではなく「導入」にある
予測AIに真の弱点があるとすれば、それは有用性の欠如ではなく、プロジェクトの実行力にある。数十年の歴史があるにもかかわらず、予測AIの取り組みの驚くべき割合が、実稼働に至っていない。技術的なモデリングが難しいのではなく、実際に運用を開始するための組織内の合意を得ることが困難なのだ。導入するということは、確実性ではなく確率に基づいてビジネスの運営方法を変えることを意味する。そしてそれは、承認権限を持つビジネス上の関係者から理解されにくいため、説得が難しくなりがちだ。
現在、最も問題となっているのはその理解のギャップである。2つのAIプロジェクトの間で覇権を争うことではなく、予測モデルを研究室から引き出して日々の業務に組み込むという、実務的な課題だ。筆者の著書『The AI Playbook』はそのギャップを埋めるものである。ビジネスに携わる読者に対して、予測AIの取り組みで密接に協働するために必要な、実践的かつ分かりやすい「セミテクニカル」な知識を提供し、構想から導入に至るまでの協働プロセスの指標を示している。
生成AIはスポットライトを浴びるに値する。しかし、予測AIは依然として、一つひとつの予測を通じて組織の運営を改善するという着実な仕事をこなしている。トレンドや華やかさに流されるのではなく、どのAIプロジェクトが最も自社に貢献し、どれが最も容易に成果を上げられるかについて、情報に基づいた現実的な選択を行うべきだ。その結果、今日のヘッドラインが宣伝するよりもはるかに多くの割合で、予測AIが選ばれることになるだろう。
