Rameez Ansar氏は、グローバルアクセス、低コスト、スムーズなユーザー体験でローミングを再発明するJetpac Travel eSIMを運営するCirclesのグループCEOである。
私が知る限り、すべての大手通信企業が同じプレッシャーにさらされている。AIでもっと多くのことを、もっと速く実現せよ、というものだ。取締役会はより迅速な変革を求め、現場チームはより多くのワークフローの自動化、顧客体験の改善、サービス提供コストの削減、新たな収益機会の発見を求められている。本能的な反応は、多くの場合、新たなパイロットプロジェクトを立ち上げたり、新たなツールを追加したり、新たなユースケースをテストしたりすることだ。しかし、私が見てきた限り、それが真のボトルネックであることはほとんどない。より大きな問題は、多くの組織がAIをサポートするように設計されていないデータ環境の上にAIをスケールさせようとしていることだ。
言い換えれば、問題はアイデアの不足ではない。それらのアイデアの基盤となるデータが断片化され、一貫性がなく、利用しにくく、互いに連携しないシステムに閉じ込められていることが問題なのだ。だからこそ、多くの通信事業者がまず必要としているのは、より多くのAIパイロットプロジェクトではないと私は考えている。彼らに必要なのは、よりクリーンなデータなのだ。
AIの成熟度が異なる段階にある通信事業者と協働する中で、私はデータの準備状況が、価値を複利的に増やしビジネス成果を生み出す企業と、パイロットサイクルに行き詰まる企業を一貫して分けていることを発見した。リーダーが知っておくべきことは以下の通りだ。
通信業界がデータ問題を抱える理由
もちろん、これは通信業界だけの問題ではない。すべての大企業が何らかの形でこの問題に直面している。しかし、通信業界では特にこの問題が顕著になる。なぜなら、通信事業者は複雑なレガシー環境全体にわたって、顧客、ネットワーク、製品、サービス、チャネルに関する膨大な量のデータを保有しているからだ。これは戦略的優位性となるはずだ。しかし、あまりにも頻繁に、これがAIの進展を遅らせる理由となっている。
データがサイロに存在する場合、AIは規模を拡大しても賢くならない。単に狭くなるだけだ。あるチームは顧客ケアデータから有用な洞察を得るかもしれない。別のチームはネットワークワークフローを改善するかもしれない。3番目のチームはマーケティングのユースケースを最適化するかもしれない。しかし、これらのシステムが断片化されていれば、インテリジェンスも断片化されたままになる。
これにより、多くのリーダーが今認識しているパターンが生まれる。実験は強力だが、スケールは弱い。私は大規模な変革環境や移行において、これを直接目にしてきた。最も困難だったのは技術ではなく、加入者データを、規模を拡大した自動化されたリアルタイムの意思決定をサポートできるほど十分にクリーンで一貫性のある状態にすることだった。多くの場合、AIの能力はデータ基盤よりも先に準備が整っている。
断片化されたデータがAIの価値を制限する理由
AIは、変革的になる前に高コストになる可能性がある。新しいユースケースごとに新しいデータ作業、新しいガバナンスの決定、新しい統合、新しい文脈構築が必要になると、パイロットプロジェクトは企業価値よりも速く増殖する可能性がある。勢いのように感じられるはずのものが、オーバーヘッドのように感じられ始める。
これは、初期のAIエネルギーがどこに向かうかに現れる。顧客ケア、ワークフロー自動化、効率性だ。これらは目に見える痛点であり、合理的な出発点である。しかし、これらはまた、AIを局所的に展開することと、ビジネス全体で複利的に機能する方法で運用化することの間のギャップを明らかにする。
私の見解では、問題はしばしば1つのシンプルな質問に集約される。あなたのデータは実際に再利用可能なインテリジェンスをサポートできるか？これは、情報をデータレイクに集約して近代化したと呼ぶこと以上のものを意味する。クリーンなデータとは、単なる保存の問題ではない。構造、アクセス性、一貫性、ガバナンス、そして文脈の問題だ。データが実際の意思決定に使用可能な形式で機能間を移動できるかどうかの問題だ。
これが重要なのは、AIが曖昧さの中ではうまく機能しないからだ。AIはパターン、シグナル、文脈に依存する。基礎となる入力が不完全で、ラベル付けが不十分で、重複しているか、接続されていないシステムに閉じ込められている場合、出力はデモでは印象的に見えるかもしれないが、本番環境では苦戦するだろう。これが「ゴミを入れればゴミが出る」という決まり文句が持続する理由の1つだ。使い古されているかもしれないが、依然として真実である。AIのパフォーマンスとAIのスケールは、どちらも基礎となるデータの品質に大きく依存している。
クリーンなデータが技術的問題だけでなくリーダーシップの問題である理由
より有用な質問は、「次にどの新しいAIユースケースを立ち上げるべきか？」ではない。「どの基礎的なデータ作業が、複数のAIユースケースをより簡単に、より速く、より信頼性の高いものにするか？」だ。この転換が会話を変える。
AIを一連の孤立した実験として扱う代わりに、リーダーはデータの準備状況を乗数として扱い始めることができる。統一されたクロスドメインのデータ基盤は、1つのアシスタント、1つのワークフロー、1つのダッシュボードをサポートするだけではない。インテリジェンスがビジネス全体で再利用可能になる条件を作り出す。これがAIが局所的な成功から組織的能力へと移行し始める場所だ。
これはまた、変革のためのより健全なシーケンスを作り出す。初期の成功は依然として重要だ。パイロットプロジェクトには依然として役割がある。しかし、それらはAIをスケーラブルにするために必要なより深い作業から注意をそらすべきではない。大企業、特に通信事業者において、長期的に最も速く前進する企業は、多くの場合、最も多くのパイロットプロジェクトを立ち上げている企業ではない。それらの下の摩擦を減らしている企業だ。だからこそ、真の課題は技術的なものだけでなく、組織的なものなのだ。
データの断片化は、しばしば組織の断片化の結果である。異なるシステム、異なる所有者、異なる定義、異なるインセンティブ。これを修正するには、プラットフォームへの投資以上のものが必要だ。ビジネスが何を可能にしようとしているのか、誰がデータ基盤を所有するのか、ガバナンスがどのように機能するのか、チーム間で「使用可能」が実際に何を意味するのかについての整合性が必要だ。
AIは触媒かもしれないが、それが要求する規律はAIよりも広範だ。本当に先を行くために、通信事業者に必要なのは最も大胆なAIの野心や最大の予算ではない。彼らが答える必要があるのは、より困難で、あまり目に見えない質問だ。私たちのデータは実際に準備ができているか？今日この作業を静かに行っている企業が、明日最も速くスケールする企業になると私は信じている。別のパイロットプロジェクトではなく、よりクリーンなデータで。
