企業は、独自のデータと複数のモデルを活用し、効率性を高め、高度な自動化を可能にする、より賢く状況に即したソリューションを提供し始める必要があります。
堅牢なガバナンスは、機密情報を保護し、データ品質を高め、損失につながるミスを防ぎ、信頼性を確保することで、信頼できる企業向けAIの利用を実現します。
具体的な価値を生み出すには、AIを効果的に拡張できるよう設計する必要があります。性能、精度、コスト管理を維持しながら、実験段階から全社的な導入へと移行しなければなりません。
OpenAIがChatGPTを公開し、生成型人工知能（GenAI）の熱狂的なブームに火を付けてから、2年以上が経ちました。しかし、企業はGenAIの可能性を実際のところどう見ているのでしょうか。また、現在どのように活用しているのでしょうか。
Economist Impactが実施した最近の調査によると、技術担当役員および技術者1,100人のうち、企業の73%がGenAIは長期的な戦略目標に不可欠だと考えています。
実際、85%はすでに少なくとも1つの業務機能でGenAIを利用しています。こうした期待の一方で、精度は依然として大きな課題です。GenAIプロジェクトが本番運用の準備を整えていると考える役員は、わずか37%です。
期待を実際の成果につなげるには、企業はGenAIの導入と信頼を損なっている精度、リスク、アクセスの問題に対処する必要があります。独自データに基づく専門システムと堅牢なガバナンス戦略を組み合わせれば、組織はAIの性能問題を解決し、コスト効率よくこの技術を活用して事業全体の成長を促進できます。
信頼できる企業向けAIに向けて
2025年に、より正確で信頼できる企業向けAIを実現するため、すべてのリーダーが取り組むべき3つのステップを紹介します。
1. 単一モデルの利用を超える
銀行が不正を検知しようとする場合も、製薬会社が創薬の加速を目指す場合も、企業の各業務には固有のニーズがあり、単一の商用大規模言語モデルでは対応できません。むしろ、より良いデータがより賢いAIにつながることを、組織は急速に学びつつあります。
企業独自のデータには、顧客、従業員、パートナー、サプライヤーとのやり取りに関する重要な情報が含まれています。こうした企業資産を使って、組織独自の文化、専門用語、社内プロセスを理解するモデルを訓練できます。これらのシステムは、従業員がより良く、より速く、より賢く仕事をするために必要な、より深いインテリジェンスと高度な自動化を提供します。
複数のAIモデルやシステムを使えば、全体的な性能も向上します。この種のアーキテクチャによって、従来のチャットボットより複雑で変化に富む問い合わせに対応し、従業員に代わって行動することもできる企業向けAIエージェントシステムを構築できます。たとえばMastercardは最近、立ち上げました顧客のオンボーディングを簡素化するAI搭載エージェントを。
このシステムは定型業務を自動化し、顧客からの重要な質問に答え、専門家のフィードバックを通じて継続的に改善します。Mastercard独自のデータで訓練されており、正確で最新の、Mastercardに特化した回答を提供します。このようにエージェントと人間が介在する設計を組み合わせることで、組織は「質の悪いAI」によるリスクを避けられます。
2. データガバナンスを優先する
組織全体でデータの利用が広がるにつれて、企業は機密情報へのアクセスを提供し、管理する必要があります。効果的な統合ガバナンスにより、責任あるAIツールを維持しながら、データへのアクセスを選択的に広げ、組織の効率性と成長を促進できるという確信を企業は得られます。
データガバナンスは、適切な権限を設定するだけにとどまりません。適切な管理策があれば、ガバナンスはAIシステムへの信頼を高めるのに役立ちます。データに関する基準、資産の利用方法に関する方針、出力に対する管理策を定めることは、いずれもデータ全体の品質と信頼性の向上につながります。
たとえば、適切なガバナンスの手順があれば、Chevyは防げたかもしれません同社のAIエージェントが、見込み顧客に競合車種のFord F-150を勧めることを。
3. 拡張を見据えて計画する
テスト環境でうまく動作するAIシステムでも、何千人もの従業員や何百万人もの消費者が使うと、同じように機能するとは限りません。たとえば、企業は管理された環境で技術を運用すればコストを抑えられるかもしれませんが、全従業員や顧客がアクセスできるようになると、コスト管理ははるかに難しくなります。
その結果、多くのAIプロジェクトが実験段階にとどまり、事業価値をほとんど、あるいはまったく生み出せていない可能性があります。AIを大規模に効果的に導入すれば、組織は現在の事業戦略を強化し、新たな市場機会をより迅速に追求して、全体的な成長を促進できます。
たとえば、GraingerはカスタムAIシステムを構築しました工業製造設備の販売代理店である同社が扱う250万点以上の商品を、サービスチームが把握し、管理できるようにするためです。現在、サポート担当者は自然言語で質問し、重要な情報をすばやく見つけられます。その結果、対応時間の短縮と顧客満足度の向上につながっています。
さらにこのシステムは、1日あたり約40万件の商品情報の変更を即座に処理できるため、利用者は常に最も正確で最新の情報を得られます。
現実の価値を生み出す
こうしたユースケースを現実の業務に導入するには、より広い利用者層全体でシステムの性能を追跡できなければなりません。データガバナンスを活用すれば、モデルの利用状況を監視してコストを管理できます。
一方、継続的なトレーニングによって、GenAIシステムの性能が時間の経過とともに低下するのを防げます。さらに、従業員からのフィードバックを繰り返し取り入れることで、システム全体の精度を高められます。
最終的には各企業が独自の導入プロセスをたどりますが、次のステップは、正確でコスト効率に優れ、従業員と顧客に実際に役立つ企業向けAIシステムを構築し、拡張するうえで欠かせません。こうして組織は、変革をもたらす技術への信頼を築きます。
