組織に人工知能を導入するには、AI に関する実用的な知識以上のものが必要です。これは最初のステップにすぎません。最近の調査によると、ほとんどの組織とその IT 部門、特に物事を進めるためのリソースを管理するマネージャーや幹部は、AI を扱う準備ができていません。さらに、必要なスキル、ツール、ソリューションもまだ整っていません。
IT部門のリーダーでさえ、AIの影響をまだ理解していないと、ある調査では指摘されている。 調査 SAS が発表した 1,600 人の IT 意思決定者を対象とした調査では、上級技術意思決定者の 10 人中 9 人 (93%) が、生成型 AI (GenAI) やそれがビジネス プロセスに及ぼす潜在的な影響について十分に理解していないと認めています。
また： 最高 AI 責任者とは何か、そしてどうすればなれるのか?
経営幹部は、最新の情報を把握する必要があります。調査対象の CIO の半数未満 (45%) と CTO の 3 分の 1 強 (36%) が、自社の組織における GenAI の導入について「非常によく知っている」と考えています。さらに悪いことに、最高デジタル責任者のうち、AI に精通していると認めているのはわずか 13% です。
さらに悪いことに、IT 部門または情報システムの責任者のうち、AI に非常に精通していると主張するのはわずか 4% で、IT マネージャーまたはディレクターのうち AI に精通していると主張するのはわずか 2% です。
全体として、AI ガバナンスと監視全般に関する高度なトレーニングを提供しているのはわずか 7% で、生成 AI に関する支援を提供しているのは 15% です。回答者の 75% が組織内で GenAI を使用する場合のデータのプライバシーとセキュリティを懸念しているため、これは非常に重要です。
これは、AIの実装を阻害する可能性のある問題を克服するには、多くの教育と分析に加えて、時間が必要になる可能性があることを意味します。たとえば、大規模な言語モデルにおけるバイアスとプライバシーのリスクを測定するための信頼できるシステムを導入しているのはわずか5％です。他の42％は 考慮して プライバシーリスク検出のための社内機能を開発している企業があり、32% がバイアス検出のための社内機能の開発を検討しています。
生成 AI 実装の継続的な自動監視を行っているのはわずか 29% です。AI 出力の定期的な手動監査を実施しているのはわずか 25% です。
また： 2024 年の最高の無料 AI コース (そして AI 認定資格を取得する価値があるかどうか)
「理想的な GenAI 投資は、効率性と顧客体験の向上という明確な機会を提供しますが、多くの組織は、戦略的思考のギャップが導入の成功に影響していると報告しています」とレポートの共著者は述べています。「私たちの調査では、企業は適切なガバナンス システムを確立する前に GenAI に突入しており、それが後になって品質とコンプライアンスに関する深刻な問題を引き起こす可能性があることがわかりました。」
AI を既存のプロセスやシステムに統合することも問題の原因です。「多くの企業が、このテクノロジーを既存のタスクやツールに統合するのに苦労しています」と調査の著者は述べています。さらに、意思決定者のほぼ半数 (47%) が、GenAI を実装するための適切なツールを持っていないと報告しています。
AI を使用する組織が経験している主な問題は次のとおりです。
- 48% の回答者が、公開データセットと独自のデータセットの両方を効果的に活用する際に問題が発生していると報告しています。
- 45% が適切なツールがないと報告しています。
- 42% は、Generative AI を概念段階から実用段階に移行させる際に課題を経験していると回答しています。
- 39% が現在のシステムとの互換性の問題があると述べています。
調査によると、社内の AI 専門知識も非常に求められています。組織の半数 (51%) は、テクノロジーを効果的に使用するための社内スキルがないことを懸念しています。回答者の約 10 人中 4 人 (39%) は、社内の専門知識の不足が GenAI の実装の障害になっていると感じています。
調査の著者は、成功する AI プロジェクトに関連する以下の要件を指摘しています。
- AI統合: 「インテリジェントな意思決定などの意思決定フロー ツールを使用して、GenAI モデルを意思決定ワークフロー、AI および機械学習アプリケーション、既存のビジネス プロセスにシームレスに統合する」必要性。
- データ保護: 「機密情報を保護する合成データ生成、データ最小化、匿名化、暗号化などの堅牢なデータ品質対策により、ユーザーのプライバシーとセキュリティを確保します。」
- 信頼性が高く説明可能な結果: 「データの専門家は、自然言語処理技術を適用してデータを前処理し、生成された出力をわかりやすい言葉で説明し、幻覚を最小限に抑え、トークンのコストを削減できます。」
- 強化されたガバナンス: 「規制コンプライアンスからモデルリスク管理まで、LLM のライフサイクル全体を検証する組み込みワークフローを使用します。」
投資収益率の予測や計算も、満たすべき義務の 1 つです。調査によると、IT 意思決定者の 3 分の 1 以上 (36%) が、GenAI が強力な ROI をもたらすことを証明するのが難しいと予想しているか、証明するのが難しいと感じています。ほぼ半数 (47%) が、GenAI の概念から実際の使用への移行に課題を感じています。10 社中 4 社 (39%) は、GenAI の使用ポリシーを制定していません。
