AIパイロットは管理された環境では成功しても、実用規模では躓くことが多い。ラボでは変数が制御され、エッジケースは限定的で、開発者の楽観主義が支配的だ。しかし、実環境に導入されると、AIの概念実証は整理されていないデータ、変化するワークフロー、そして混乱なしに優れた結果を期待するステークホルダーとの間で苦戦することが多い。
以下では、フォーブス・テクノロジー・カウンシルのメンバーが、AIのサンドボックスから企業価値への飛躍を困難にする失敗について解説する。AIの移行をよりスムーズかつスマートにし、AIパイロットをビジネスを前進させる実際の成果に変える方法を学ぼう。
ROIではなく派手な技術を追求する
AIにおける最大の課題はイノベーションではなく、実行だ。多くの企業が、結果を生み出さないが魅力的に見える派手な技術を追いかけている。ヒューマノイドロボットを例に挙げると、魅力的ではあるが、スケーラブルな価値を提供するにはまだ遠い。我々は今すぐROIを生み出す自動化に焦点を当てている。リーダーの焦点と真の成功は、見せかけではなく価値の証明から生まれる。-エラド・インバー, RobotLAB Inc.
「実験から価値へのギャップ」を生み出す
今日の最大の課題は「実験から価値へのギャップ」だ—AIへの賭けが多すぎて、統合が少なすぎる。AIが中核的なビジネスプロセス、リーダーシップのスコアカード、組織のDNAに組み込まれない限り、測定可能なビジネスインパクトを妨げる。真の機会は価値のスケーリングにある：影響力の高いワークフローをいくつか選び、深く掘り下げることだ。初日からスケールを念頭に設計することが重要だ。-デバシス・パンダ,TransUnion Global Technology Center LLP
サイロ化され、古く、遅延したデータでの作業
大きな障壁の一つは、企業のデータシステムがリアルタイム運用向けに構築されていないことだ。モデルは提示されたデータと同じレベルの知性で動作するが、ほとんどの企業データはサイロ化され、古いか遅延している。これには、鮮度、レイテンシー、ライブオーケストレーションを中心にインフラを再設計する必要があり、すべてのAIシステムがビジネスの継続的に最新の視点から運用されるようにする。-ナレン・ナレンドラン,Aerospike
CAIOの下でAIパイロットを隔離する
一つの間違いは、最高AI責任者（CAIO）の下で実験を隔離することだ。ほとんどのAI専門家は、概念実証を本番環境に移行するために必要な、社内政治の操縦や経営陣の行動変化を導くことに長けていない。AIのスケーリングにはCEOのオーナーシップが必要だ。CEOは、AIのインセンティブを調整し、AIをワークフローに組み込み、パイロットをビジネス結果に変換するための説明責任を強制できる、企業全体の権限を持つ唯一の役職だからだ。-マーン・マーティン,Emburse
AIの精度を低下させる複雑なソリューションの構築
ソリューションが複雑になるほど、AIの精度は低下する。実世界の複雑さに対応するための機能やエッジケースを追加し始めると、AIは最も必要とされる時に崩壊し始める。良いニュースは、AIのワークフローに人間の専門家を関与させることでこれを解決できることだ。専門家はAIの出力を監査し、必要に応じて調整するなど、責任を持つことができる。-ジョシュ・ハース,Bubble
AIを万能薬ではなくツールとして扱う
多くのビジネスリーダーはAIをあらゆる問題の答えと見なしている。真の課題は、適切なユースケースを特定することだ。壊れたプロセスにAIを適用したり、信頼性のないデータを与えたり、訓練されていないチームに任せたりすると、変革は得られず、単に非効率性が速くなるだけだ。AIが実際に意味のある結果を提供できるよう、適切なデータ、人材、プロセスを組み合わせることが鍵となる。-ポール・マゲル,CGS (Computer Generated Solutions)
AIの出力に対する経営陣の不信感を見過ごす
最大の課題は説明責任のギャップにある—経営陣は、完全に理解できないまたは制御できないAIの出力を信頼することに苦労することが多い。これは、AIが支援するプロセスに人間の説明責任を組み込むことで克服できる。リーダーや専門家がインサイトを検証し、結果を解釈し、AIツールによってサポートされる成果に対して責任を持つのだ。-レーニン・メヘディ, Hashgraph Inc.
概念実証の範囲を狭く設定しすぎる
ほとんどのAIアプリケーションは、実世界で成功する可能性のない人為的に範囲を狭めた概念実証を持つ「おもちゃ」のアプリケーションとして考案されている。システムの最もリスクの高い部分がどのように機能するかを示し、厳格な評価（システムテストに類似）とパフォーマンス基準を満たすように概念実証の範囲を正しく設定すれば、AIアプリケーションが成功する可能性は高まる。-アビシェク・ルドレシュ, Meta Platforms, Inc.
エンドユーザーをプロセスから除外する
AIの概念実証は、人間を介在させる必要がある複雑で規制されたワークフローを対象とすることが多く、特にHITL（Human-in-the-Loop）レビューが変化に抵抗するために使用される場合、ROIを低下させ、採用を停滞させる可能性がある。先進的な考えを持つユーザーを早期に関与させ、採用を推進し監視を合理化する「変化の仕掛け人」を育成することで、ユーザーを巻き込もう。-ネイサン・チャールズ, Redwood Trust, Inc.
実世界のプロセスと行動を無視する
AIパイロットがスケールに失敗する最大の理由は、組織がモデルとツールから始め、実世界のユーザー行動、プロセスの摩擦、データの変動性を無視することだ。成功には、明確な成果から始め、データ品質を確保し、測定可能で再現可能かつスケーラブルなインパクトを提供するために、人、プロセス、テクノロジーを調整することが必要だ。-プラフル・カレ,Radiant Digital
導入後の評価をスキップする
欠けているのは導入後の評価だ。プロトタイプからオフラインテストへの移行は一つのことだが、次のステップ—ソリューションが実際に価値を提供することを示すこと—が重要だ。これをどう克服するか？トレーニングとテストの時点で実世界の評価を組み込むことだ。OpenAIは、ChatGPTの実際の出力を実際の人間にラベル付けさせることで、改善を支援し成功した。-サイフ・ファルーキ, Corgi Labs
明確で実行可能なユースケースの開発に失敗する
最大の障害は、AI実験と実世界のビジネスニーズの間のミスアラインメントだ。概念実証は単独では成功しても、不明確なユースケース、既存システムとの統合の不備、または運用準備の欠如により、スケールでは失敗することが多い。これを克服するには、単にAI機能を披露するのではなく、特定のビジネス問題の解決に焦点を当てることだ。-アニル・ジャイスワル,U.S. Bank
セキュリティ要件に足止めされる
政府契約の分野では、ミッション領域全体でのAIのより広範な採用に対する主な障壁はITセキュリティだ。独自のAIソリューションを持つベンダーは、製品をATO（Authority to Operate）プロセスにタイムリーに通過させるのに苦労し、長い遅延に直面する。AIプロバイダーは、ターゲットプラットフォームの要件が開発アプローチの重要な推進要因であることを確認する必要がある。テクノロジーではなく、インサイトの提供に焦点を当てよう。-エリック・ヴェルテ,ASRC Federal
顧客への影響を考慮せずにAIイニシアチブを追求する
一つの障害は、プロジェクトを「AIのためのAI」として取り組む傾向だ。これを克服するために、企業はまず顧客に利益をもたらすAIイニシアチブに投資すべきだ。CEOはこれらのイニシアチブを「所有」し、企業が全力で取り組むことを確実にすべきだ。AIは、製品管理や製品開発などの重要なビジネス機能の運営方法を今後変革する没入型の取り組みとして見なされるべきだ。-マヘシュ・ラジャセカラン,Cleo
テクノロジーに固執する
最大の障害は何か？企業は人材とプロセスについて考えるべき時に、テクノロジーに固執している。AIは指示された通りに正確に実行するが、組織は変化し進化する生きたシステムだ。-アーロン・ヴィック,AaronVick.com
重要なことではなく測定しやすいものを対象にする
ソフトウェア開発へのAI適用における大きな障害は、実験がコード生成速度のような測定しやすいものを対象にすることが多く、長期的な保守性や理解度という真に重要なことを対象にしないことだ。本当の問題は、「AIの加速を活用しながら、コードを健全に保ち、安全に進化させ、アーキテクチャに沿ったものにすることができるか—6ヶ月後でも？」ということだ。-アダム・トーンヒル,CodeScene
ビジネスインパクトではなく実現可能性を実証する
AIの概念実証は、ビジネスインパクトの検証よりも技術的実現可能性の実証に焦点を当てることが多い。成功する概念実証は2つのことを証明する必要がある：まず、意味のあるビジネス問題に対処すること、そして次に、実行可能な経済モデル内でそれを行うことだ。ソリューションがビジネス価値とスケーラブルなROIを提供しなければ、テクノロジーがどれほど印象的であっても、それは成功した概念実証ではない。-テランス・バーランド,Unicorn & Lion LLC
AIパイロットを孤立して構築する
AIパイロットがスケールで停滞することが多いのは、実際の運用を定義する乱雑なワークフローや断片化されたデータから切り離され、孤立して構築されるからだ。ヘルスケアでは、AIが臨床システムとコンプライアンスに出会うとすぐにそのギャップが明らかになる。鍵は最初から実世界の制約を念頭に設計することだ—エンドユーザーと共同創造し、実際のデータでテストし、ビジネスと同じ方法で影響を測定する。-ガネーシュ・パドマナバン, Autonomize Inc.
インサイトを日常業務に橋渡しできない
AIを実験から実世界の価値に移行するには、インサイトを日常業務に橋渡しすることを意味する。AIを深く統合し、生データをリアルタイムの意思決定インテリジェンスに変換する必要がある。このアプローチにより、高度な分析が直感的でアクセスしやすくなり、真の運用の俊敏性とイノベーションを促進する。-ロバート・クラーク,Cloverleaf Analytics
小規模パイロットに隠れたモデルの限界を見過ごす
多くのAI実証が規模で失敗するのは、基盤モデルの限界が小規模パイロットに隠れているからだ。私はクライアントに、小さく始め、速く動き、賢く失敗することをコーチしている—人間をループに入れながら。エッジケースを早期にテストし、実世界の摩擦を検証し、ハイプではなくユースケースに合わせて構築されたモデルを選択する。それがAIをROIに変える方法だ。-ティム・ベイツ, Godfather of Tech
