ロバート・ローゼンバーグ氏はMoses & Singerのパートナーで、知的財産、エンターテインメント・メディア、AI・データ法を専門としている。
現在、あらゆる企業がAIをビジネスに組み込もうと競争している。
AIはメールを書き、会議を要約し、契約書をレビューし、スプレッドシートを分析し、報告書を作成し、まるで社内で最も優秀な人物から出てきたかのような自信に満ちた提案を行っている。
ただ1つ、小さな問題がある。時として、AIはあなたの企業が何について話しているのか、まったく理解していないのだ。
これは技術的な不具合のように聞こえるかもしれないが、そうではない。これは、会議で自信満々にうなずきながら、実は会話の半分を密かに誤解しているインターンを雇うことに等しい。
そして恐ろしいのは、AIがあまりにも洗練されているため、誰も気づかないことが多いという点だ。
AIがあなたの意味を理解していない時
AIに企業の最もリスクの高い顧客を特定するよう依頼したとしよう。数秒後、AIはチャート、ランキング、推奨事項を含む洗練された報告書を提供する。それは役員会議室にふさわしい出来栄えだ。誰もが感銘を受ける。
しかし舞台裏では、AIは「顧客」が何を意味するのか、「リスク」が何を意味するのか、あるいはどの社内規則が実際に重要なのかを誤解している可能性がある。洞察のように見えたものは、実際には非常に高価なスーツを着た自信に満ちた推測に過ぎないのだ。
これが起こるのは、企業が異なる人々にとって異なる意味を持つ言葉を使用しているためだ。「顧客」という単純な言葉を例に取ろう。マーケティング部門にとって、顧客とは広告をクリックした人、ニュースレターを購読した人、ホワイトペーパーをダウンロードした人を含むかもしれない。営業部門にとって、顧客とは契約締結に近い人を意味するかもしれない。財務部門にとって、顧客は実際に入金があるまでカウントされないかもしれない。銀行では、コンプライアンスチームは本人確認、マネーロンダリング対策審査、規制上のオンボーディング要件を通過した人を顧客と定義するかもしれない。
これらの定義はすべて技術的には正しい。人間は通常、文脈からこれを理解する。AIは多くの場合、理解しない。
ここで言語マップと言語グラフが登場する。
言語マップとグラフの力
SF映画やシリコンバレーのTEDトークから引っ張ってきたように聞こえるかもしれないが、これらの概念は実際には非常にシンプルだ。言語マップは基本的に、AI向けの企業固有の辞書である。重要なビジネス用語がその組織内で実際に何を意味するのかをシステムに教える。言語グラフはさらに一歩進む。概念を相互に結びつけ、それらがどのように関連しているかを説明する。
例えば、顧客はアカウントに接続されているかもしれない。そのアカウントにはリスクスコアがあるかもしれない。そのリスクスコアは特定のコンプライアンス義務を引き起こすかもしれない。
これらの関係が明確にマッピングされると、AIは即興をやめ、企業の実際のビジネスルール内で動作し始める。
これは、従業員が何年も頭の中に持ち歩いていた取扱説明書をついにAIに与えるようなものだと考えてほしい。これは、定義が規制されている銀行、医療、保険、会計などの業界で特に重要になる。
言語グラフがなければ、銀行のAIシステムは、大規模な取引や公開データから学習した一般的な詐欺シグナルのみに基づいて、高リスク顧客にフラグを立てるかもしれない。一見すると、これは完全に合理的に聞こえるかもしれない。問題は、銀行が通常、非常に具体的なマネーロンダリング対策規則、内部リスクモデル、管轄区域固有の規制の下で運営されていることだ。これらの詳細を見逃すことは、単なる小さな技術的ミスではない。深刻なコンプライアンス問題になる可能性がある。
適切な言語グラフが整備されていれば、AIはその銀行の実際の方針と規制上の義務の下で「高リスク」が正確に何を意味するのかを理解する。これにより、結果がより一貫性を持ち、説明しやすくなり、規制当局が質問してきた場合にはるかに防御しやすくなる。
同じことが会計事務所でも起こる。適切な定義なしにAIに財務諸表の重要なリスクを特定するよう依頼すると、システムは「重要」を一般人と同じように、つまり一般的に重要なものとして解釈するかもしれない。しかし、ほとんどの会計士は「重要性」が金額の閾値、開示基準、監査規則に結びついた非常に具体的な専門的意味を持つことを知っている。これらの定義がなければ、AIの分析は、印象的に聞こえるが特に有用ではない曖昧なナンセンスにすぐに漂流する可能性がある。
用語が正しくマッピングされると、出力はビジネスをテーマにした占星術のように聞こえるのではなく、実際の会計方法論と整合し始める。
この問題は、高度に規制された業界に限定されない。AIを使用するあらゆる企業は、異なるチームが同じ言葉を異なる方法で使用する場合に問題に遭遇する可能性がある。
• ある部門の「アクティブユーザー」は、別の部門の「元顧客」かもしれない。
• あるチームの「承認済み」契約は、まだ法務審査中かもしれない。
• あるグループの「ローンチ日」は一般公開を意味するかもしれないが、別のグループは内部テストを意味するかもしれない。
AIはこれらの不一致を魔法のように解決しない。それらを増幅するのだ。
用語を定義することのビジネス上の優位性
この問題を解決する企業は大きな優位性を得る。彼らのAIシステムはより信頼できるものになる。自動化がより安全になる。従業員は結果を疑うことに費やす時間が減る。人々が出力に対してより高い信頼を持つため、意思決定がより速く行われる。
一方、他の企業は、1つの間違った動きがすべてを犠牲にする可能性があることを知っているゲーム番組の出場者のように、AIが生成したすべての答えを二重チェックすることに囚われたままだ。
現在、ほとんどの企業は、どのAIモデルを使用するか、どのベンダーを雇うか、どの輝かしい新しいツールを購入するかに夢中になっている。これらのことは重要だ。しかし、それらは多くの場合、本当の問題ではない。
本当の問題は、企業自体が自社の言葉が実際に何を意味するのかを明確に定義しているかどうかだ。
結局のところ、AIがあなたのビジネスを誤解するのは、あなたが重要な用語の独自の定義を整理したことがないからだ。その混乱はAIが到着するずっと前から存在していた。AIは単にそれをより速く、より大きく、はるかに大規模に露呈させるだけだ。
そして一度それを見ると、見なかったことにするのは非常に難しくなる。洗練されたAI生成の答えはすべて、突然新しい質問を提起する。これは本当の洞察なのか、それとも美しいフォーマットに包まれた誤解に過ぎないのか。
これを最初に理解する企業は、他の誰よりも優れたAIを持っているように見えるだろう。実際には、彼らは単に自分自身をよりよく理解しているだけだ。そして彼らは、多くの企業が完全にスキップした1つのことを行ったのだ。つまり、自社の言葉が実際に何を意味するのかをAIに教えたのだ。
