ビジネスにおけるAIの可能性は、あらゆる面で無限に思える。数え切れないほどのイノベーションが、産業を根本から、そして上層部から変革している。消費者向けテクノロジーと企業向けテクノロジーは、常に進化を続ける高い塔のようなもので、しばしば中間地点で出会うことになる。
しかし課題は残っている。以下は、画期的なAIアプリケーションを開発する際にリーダーシップチームが対処しなければならない一般的な問題だ。
迅速なイノベーションと品質基準
AI開発の一原則は、プロジェクトを完成させることは「言うは易く行うは難し」という古い格言を思い起こさせる。
あるいは、これを少し変えて「作るのは簡単だが、洗練させるのは難しい」と言った方がいいかもしれない。
コードの民主化やその他のトレンドにより、技術に詳しくない人でも素早く—おそらく数分で—アプリケーションを作成できるという考え方だ。
しかし、そのアプリケーションをサポートし、バグがなく意図通りに動作することを確認するのは、はるかに難しい。ここで、AIの能力における「ギザギザの境界線」に遭遇する。AIは物事を作り出せるが、必ずしも十分にテストできるわけではない。
品質基準が高ければ高いほど、非常に簡単に始められたプロジェクトをサポートし維持することは難しくなる（この投稿の終わり近くの引用を参照）。
繰り返しの改良がユーザー数を減少させる
ゲーム化された学習アプリでよく見られる2つ目の課題も、古い格言で要約できる。「最近何か良いことをした？」という質問の形だ。
あるいは、ユーザーは長期的には移り気で要求が厳しい傾向があると言い換えることもできる。
この概念がアプリケーションにどのように悪影響を与えるか例を挙げよう—プロジェクトの最初のバージョンが多くのユーザーにとって素晴らしく、多くの人々がこれを活用したいと登録したとする。
しかし、ソフトウェアの後続バージョンを使用するうちに、バグがあったり、不具合があったり、意図したように、あるいは宣伝されたように機能しないことに気づく。
そしてプロジェクトはユーザーを失い始める。
これはベータ段階で起こるかもしれないし、もっと後になって起こるかもしれない。繰り返しになるが、迅速な開発と全体的なサポートの欠如に関係している可能性がある。AIの中心的な前提は素晴らしいかもしれないが、適切に設計されていなければ、ユーザーが望むものを提供できず、時間の経過とともにユーザーは離れていくという考え方だ。
ベンダーコストという厄介な問題
企業が「AIの請求額が高い」と言うのを聞いたことがあるなら、それは他社のモデルに基づいてラッパーやサードパーティサービスを提供しようとしている企業の悩みだ。
つまり、プラットフォームを運営するためにAI機能を購入する必要があり、望む以上の支払いが発生する可能性がある。
結局、これはビジネスを行うためのコストに過ぎないが、開発チームが独自の社内システムを持っていない場合や、ベンダーのしきい値を回避できない場合には問題となりうる。
ノーコード構築、機能、オンボーディング
繰り返しになるが、簡単に何かを構築できても、必要とする全ての機能や機能性を備えているとは限らない。
オンボーディングの役割を考えてみよう。ソフトウェアがAIを使用して優れたユーザー結果を生み出すとしても、サインインが非常に難しければ、ユーザーは再び悲鳴を上げて逃げ出すだろう。
学習とゲームのためのAIプロジェクトについてさらに
スタンフォードで最近行われたImagination in Actionセグメントでは、言語学習企業のリーダーたちが彼らの経験について語り、これらの問題のいくつかが取り上げられた。
クライナー・パーキンスのビング・ゴードン氏がDuolingoのナタリー・グランス氏とInworld.aiのカイラン・ギブス氏に「インテリジェントな体験の構築」についてインタビューした。二人は上記の課題について語り、それを引用で強調する。また、人材開発などの目標についても話し合った。
「私たちには人材獲得マシンとオンボーディングマシンがあり、それは何年も続いており、非常にうまく機能しています」とグランス氏は述べた。「求人を掲載すると、数日以内に何千もの応募があります。そのため、米国全土、世界中から最高かつ最も優秀な人材を選ぶことができ、それは素晴らしいことです。」
彼女はこのプロセスについて少し詳しく説明し、ユーザーがビジネスに関わるようになる好循環を描写した。
「本当に優秀で、Duolingoで働くことに本当に興奮している人たちを獲得しています」と彼女は付け加えた。「彼らは中学校の頃からそれを使っていたかもしれません。そして実際に、彼らがまだ大学にいる間に彼らと始めます。彼らは通常、3年生か4年生になる前に入ってきます。インターンシッププログラムがあるので、彼らは実際に仕事で学び、仕事で自分自身を証明することもできます。」
NPCによるイノベーション
「基本的に私たちは（ライブインタラクションツールを）主にゲームのキャラクター、NPC、学習アプリケーション、このような種類のものを構築する方法として構築しました」とギブス氏は述べた。「そして私たちが行ったことの多くは、リアルタイムのインタラクションを可能にし、パーソナリティを設定するために、その周りのプロンプト構造を構築することでした。そしてChatGPTで起こったことは、人々が決めた、あるいは私たちが正式に決めたのは、私たちが慣れている形式は...キャラクターのようなもの、声やテキストベースのインターフェース（または）人間との会話のようなものだということです。」
それが彼の会社での意図的な対応を生み出したと彼は述べた。
「私たちはスタックの下層に移動しました」と彼は言った。「テキスト読み上げモデル、言語認識モデル、そして知識のようなものにもっと焦点を当てました。そして私たちが最初に構築した方法は、誰もが同じ方法でキャラクターを構築できるこの種の単一ボックスでしたが、（異なるキャラクターは）実際には完全に異なるアーキテクチャを持っています。そして...それらは明確に完成したアーキテクチャを持っているため、私たちは本当に私たちがやっていることを開放する必要がありました。そして基本的に私たちの旅はそこに向かいました、スタックの下層に行き、それを開放することです。」
知識ベースの使用
グランス氏とギブス氏はまた、ギブス氏が「知識ベース」と特徴づけたメモリの使用についても話し合った。
「それから、会話中にそれらをどのように効果的に使用するかを決定することになります」とギブス氏は述べた。「常にそれらを持ち出すつもりですか？...誰かと話していて、その人があなたが言ったことをすべて覚えていたら、特にそれをあなたに繰り返したら、それは本当に奇妙になるでしょう。だから、そのメモリをどのように保存するかだけでなく、それをどのように処理するか、そして概念的な分類の問題でもあります。メモリを持つとき、それは必ずしもメモリのリストだけではありません。メモリの概念的な空間があります。」
パネルからのさらなる引用
「あなたが話す多くの人々は、一部のC級幹部を含めて、『まあ、私は週末でこれを作ったけど、それはかなり素晴らしい。なぜ私のチームがこれを出荷するのに6ヶ月もかかるのか？』と言います」 – 開発サイクルについてのカイラン・ギブス氏
「私たちの主な優先事項は、本当に本当に良い機能を作ることです。それが最初に来るもので、次に製品の反復速度について気にかけ、コストについては3番目にしか気にしません。とはいえ、それはかなり大きな請求書なので、コストについてはまだ気にしています。一つの方法は、待つことです。OpenAIがコストを削減するのを待つことができ、それが大きな部分でした。コストのためのファインチューニングについて、いくつかの興味深い学びがありました。私たちはそれに取り組んできましたが、ファインチューニングはかなり脆いことがわかりました。そのため、ある時点で機能をファインチューニングしてコストを5倍削減できたとしても、機能を少し変更すると...」 – コスト管理についてのナタリー・グランス氏
「誰もが自分のコーディングの世界を持っています」 – コーディングの民主化についてのカイラン・ギブス氏
起業家の世界
これらの情報が、AIの遊び場でリーダーたちが何をすべきかを示す上で役立つことを願っている。詳細については、ブログをチェックし続けてほしい。続報をお待ちください。
