最高のAIゲームエンジンを作りたいとしよう。あるいは、最高の新しいAI駆動型マーケティング推奨エージェント。あるいはAIパーソナルチューターを。
実装に向けて進む中で、どのような問題が発生する可能性があるだろうか？何を開発するにしても、最終的な成果は強力で革新的、そして対象ユーザーに感銘を与えるものになるだろう。しかし、それは魔法のように実現するわけではない。多くの人にとって、大規模言語モデル（LLM）は実行されるたびに魔法のように見えるかもしれないが。
舞台裏では、新しいアイデアを現実にする過程で、一歩前進して二歩後退するような感覚に陥ることがある。AIは多くの作業を行うが、自己設計の面ではまだ完全に自律的ではなく、それは人間がまだ重労働の一部を担わなければならないことを意味する。一般的な課題を知ることで、人間の革新者たちがAIを「召喚」する際の目標達成に役立つ。そこで、AIプロジェクトの障害となりうるものをいくつか紹介しよう。
大きなアイデアにはコストがかかる
コスト回避型の環境では、意思決定者は安全策を取り、浅瀬にとどまるべきだという考えがある。問題は、最高のアイデアの多くが大規模なものであり、初期段階では長期的な賭けや「ムーンショット」のように見えることだ。そのため、最終的に最大の利益をもたらす可能性のある具体的な計画から遠ざかる傾向が本質的に存在する。
「AIに関する誇大宣伝の中で見落とされがちなのは、モデルが既に作られたものに基づいて訓練されており、これから作られる可能性のあるものではないということだ」とトム・グリーンはMediumで書いている。「そのため、リスク回避の傾向がある。ウェブとUXデザインの分野では、画面ベースのメディアの限界に適した最良の実践が発展してきたため、AIの約束は誰も見たことのないアイデアを生み出せるということを忘れがちだ」
この課題を認識している人々の一般的な考え方は、チャンスゾーンに到達するためにはこれらの障壁を乗り越える必要があるということだ。
責任問題：バイアス、データプライバシーなど
どのAIプロジェクトにも、結果を歪める可能性のあるバイアスや、取り組みに傷をつけるプライバシー侵害といった厄介な問題がある。エンジニアたちは欧州のGDPR条項を読み、SWOT分析を精査し、適切なデータをエンジンに取り込んで結果をサポートしつつも、一線を越えてプライバシーリスクを生み出さないようにする方法を模索している。
「AI駆動型製品はユーザーデータに大きく依存している」とProCreatorのサンデシュ・スベディは書いている。「企業が何が収集され、どのように使用されているかを明確に説明できない場合、それは信頼とユーザー体験を静かに侵食する可能性がある」
また、AIツールが様々な階級や人々のグループを差別しないようにするための高いハードルもある。人間は差別する傾向があるため、デジタルAIエンジンで実行する際にこれを完全に回避することは難しいように思える。
インターフェース設計と変更
一部の計画立案者にとって、100万ドルの問いはこれだ：インターフェースはどのように機能するのか？
ユーザーはブラウザを通じて技術にアクセスするのか？アプリを通じてか？重要なデータはどのようにシステムに流れ込むのか？クラウドの準備はどうなっているのか？
そして、コントロールの問題もある。従来のプログラマーやエンジニアは、それらをどこに配置し、画面上でどのように表示するかなどを考える必要があった。AI設計者は現在、ユーザーが何をコントロールし、AIが何を自律的に行うか、そしてプロジェクトのブラックボックス的側面をどのように説明するかなども考慮しなければならない。
Vercelのこのポストのようなソースからヒントを得て、ツールのレイアウトの詳細を把握することはできるが、本質的な課題は残る。
賛同を得ること
そして、組織の人間的側面がある：サム・アルトマンらが示唆するような完全AIの工場やオフィスに到達するまでは、人々からの合意を得ることに対処する必要がある。そして、多くの人々はAIを完全には信頼していない。全く信頼していない人もいる。適切な合意がなければ、様々な問題が発生する可能性がある。
「ステークホルダーの信頼や目的の明確さを欠くプロジェクトは、しばしば範囲の拡大、予算超過、または静かな停滞に屈する」とGururoのアビシェーク・シャルマは書いている。「逆に、AIイニシアチブへの支持を得ることで、これらの取り組みが平均以上のROIを頻繁に提供し、さらなるイノベーションの触媒となることが保証される」
競争の呪い
もう一つの不幸な現実は、AIの設計と実装プロセスで互いに競い合おうとする対立するステークホルダーのグループがしばしば存在することだ。
今月スタンフォードで開催されたImagination in Actionイベントのパネルディスカッションで、ビング・ゴードン氏、マーク・ピンカス氏、ニティン・カンナ氏がこれらの考慮事項について議論した。
「現在、アップルのアプリエコシステム、ゲーム業界では、誰もが互いに対立している」とピンカス氏は述べた。「共有学習などの概念はなく、すべてがサイロ化されており、ある意味で意図的にそうなっている」
これは、誰かまたは何らかの企業を成功に導くイノベーションに到達しようとする際に乗り越えなければならないもう一つの障壁だ。
スタンフォードのImagination in Actionからの引用
「最高のインターフェースはインターフェースがないことだ。…AIが扱っているのはコードではなく、これらのインターフェースだ。それは私たち自身のドメイン固有言語だ。今日、私たちはAIにゲームプレイやゲームの動作に変更を加えるよう指示できる。それは、誰かが再びコードを買おうとするよりもはるかに一貫性があり、再現性がある」 – ニティン・カンナ氏
「ゴールへの一撃の増分コストが安くなる地点に到達する必要がある。…ゲーム、特に3Dゲームになると、とにかく重くて高価で遅い。そして、これらのエンジンでそれを始めると、とにかく遅すぎてイノベーションを潰してしまう。なぜなら、バカげたアイデアを実行するコストが高すぎるからだ。そして通常、バカげたアイデアこそが機能するものだ」 – マーク・ピンカス氏
レースを走る
これらの種類の逆風を乗り越えられる人々は、実際の価値を見ることができるだろう。LLMは強力なツールであり、私たちの生活を多くの異なる方法で変革できるため、実験する価値はほぼ常にある。このような探求を奨励できる範囲で、私たちはより良い状態になる。今後の展開に注目しよう。
