人工知能に対して広範な企業を快適にするための7つの方法
課題は、すべてのAIプロジェクトにおいて人々を最優先にすることです。AIの実践者は、人中心でありながらAI主導の文化を構築するための推奨事項を提供します。
人工知能の設計、構築、展開を担当する人々、データエンジニアから開発者までが認識しているように、AIは人間の知識、スキル、効率を増幅するための強力なメカニズムです。しかし、AIの支持者は、衰退したり有害な企業文化を修正するためにAIをどのように活用できるのでしょうか？それがAIの導入における最も厄介な課題かもしれません。
Assisted Living Centerの創設者であるStephan Baldwin氏は、AI革命の最前線にいる起業家や専門家は、これがテクノロジーだけでは解決できないハードルであることを認識しており、「AIは、企業文化や顧客ベースからの信頼の欠如など、すでに根本的な問題がある問題を解決することはできません」と述べています。
バルドウィンが指摘するように、課題の一つは「人工知能モデルが歴史的データに基づいて動作するため、情報を収集する際に私たち人間が持っていたバイアスに影響されやすいということです。時には、自動化されたプロセスがその支配下にある人々を考慮に入れないことがあります。」
したがって、課題はすべてのAIプロジェクトにおいて人々を第一に置くことです。AIの実践者は、人中心でありながらAI主導の文化を構築するための以下の推奨事項を示しています。
AIの所有権と責任をIT部門を超えて拡張すること。 AIは企業全体の取り組みであり、すべての関係者が関与する必要があります。"AIの成功かつ生産的な展開は、データサイエンスだけにとどまらないクロスファンクショナルな努力です"と、PROSのチーフAIストラテジストであるマイケル・ウー博士は述べています。"拡張されたチームは、セキュリティとデータガバナンスのためのITおよびクラウド運用を含む技術的側面から、変革管理、教育のためのトレーニング、採用、ベストプラクティスを含むビジネス側まで多岐にわたる必要があります。"
AIは単なるコードであることを認識してください。それは人間を出し抜くことができる神秘的な暗い技術ではありません。"AIはもはや魔法ではなく、企業はこれを理解しているようです"とGupshupの共同創設者兼CEOであるBeerud Shethは言います。"AIは人間を置き換えようとしているのではなく、機械が持つ自動化と知性の力を持ったより人間らしい会話を可能にしようとしています。"
AIを最も影響力のある分野にターゲットを絞ること。 AIを促進し立ち上げるための企業の最良の部分は、業界によって大きく異なるとウーは指摘します。「しかし、共通のテーマは、組織が通常のビジネス運営の副産物として、信頼できるクリーンで豊富なデータソースを持たなければならないということです」と彼は言います。「例えば、大規模なサポートセンターを持つ企業は、発生した事例と解決策の良好な運用記録を保持することが多いです。販売組織の取引データは、良好な会計慣行に必要なため、かなりクリーンである傾向があります。このデータは、AI&47;MLが学習するにつれて、引き続きその燃料となります。一方、マーケティング組織も多くのデータを持っていますが、それはしばしばノイズが多く、プロダクションAIやMLで使用する前にクリーニングが必要なことが多いです。
Sheth は、顧客組織のカスタマーサポート、製品発見、従業員対応の各部門で最も多くの活動を行っていると考えています。「言語解析と機械学習の大幅な進歩により、サポート問い合わせの所要時間が短縮されました」と彼は言います。「AIベースの予測とコンテキスト管理により、チャットなどのシンプルなインターフェースを通じて正確な検出メカニズムを公開できます。機械学習ベースの認知エンジンにより、クエリ解決とポリシー関連のサポート問題解決を、MS TeamsやプログレッシブWebアプリなどの安全なチャネルに正確かつ簡単に展開できます。」
最も影響力のある技術を調査し推進する。「価格最適化、予測保守、会話型AI技術は、学習を続けるために必要なデータが豊富であるため、最も影響力があります」とウーは言います。「これらの技術の導入には、ビジネス運営に大きな変更を必要としません。また、これらのソリューションを提供するベンダーが多いため、これらの技術がもたらす収益影響に比べて、総所有コストは比較的低いです。」シェスは、多言語NLP、機械学習、予測AIに最も大きな可能性を見ています。
透明性の向上によるAIの公平性の確保「AIの成功には、透明性と公平性が不可欠です。なぜなら、AIは従業員と顧客の両方に自分たちがどのように管理されているかを知らせることで信頼を生み出すからです。AIが正しく機能していない例は数多くあります。 そして、企業として最も避けたいのは、なぜミスが起こったのかを説明できないことです。 「それでも、これらの線に沿ってさらに多くのことを行う必要があります」とWu氏は言います。「AIを活用し始めている多くの業界では、AIを機能させ、限られたデータでまずプラスのROIを達成することに重点を置いています。これらの業界では、公平性は企業の物語の一部であり、すぐには優先事項ではありません。誰もがAIの倫理と公平性を優先することについて話していますが、誰もが偏見と戦うためにその後の行動をとるわけではありません。」
ITマネージャーとスタッフの間で、公正で実用的なAIに対する認識とトレーニングを奨励します。 ITリーダーとスタッフは、AIバイアスを軽減するために、より多くのトレーニングと認識を受けるべきであるとSheth氏は強く求めています。トレーニング データは人間が担当するため、AI アルゴリズムが人間のバイアスによって破損したり、時間の経過とともに検出された他の好ましくないパターンを反映したりする可能性が高くなります。私たちは、より適切で公正な決定を下すのに役立つさまざまなモデルを決定することができますが、それとともに、ビジネスリーダーはそのような課題を認識し、データに関する偏見を排除するために正しい決定を下す必要があります。」
組織のすべてのレベルで、公正で実行可能なAIに対する意識とトレーニングを促進すること。 AIは企業の取り組みかもしれませんが、ITリーダーはAIが本来の役割を果たすことを確実にするための道を切り開くことができます。"ITリーダーとスタッフのためのトレーニングと教育は良いスタートですが、しばしば不十分です。"とウーは言います。"AIのバイアスを軽減することは、データセキュリティと同様に、会社のビジネス倫理に似ているため、誰もが行うべき仕事です。"
同時に、「従業員は、新しいプロフェッショナルな行動を示すように動機付けるために、彼らが第二の天性になる前に、何らかのインセンティブを持つ必要があることがよくあります」と彼は付け加えます。これらのインセンティブは、必ずしも金銭に関連している必要はありません。たとえば、エンタープライズゲーミフィケーションを使用して、AIバイアスの軽減に対する認識と関心を高めることができます。AIバイアスの問題に対する認識をゲーム化し、これらのバイアスを特定するのに役立つ前向きな行動を促進し、さらには潜在的な解決策をクラウドソーシングするために、企業内で活用することができます。」
シェスは、AIの結果の定期的なレビューも成功のために必須であると言います。「実際、これはAI企業にとって常に人間をループに入れるという厳しい教訓の一つでした。」彼は「ランダムに選ばれたAIの結果の定期的なレビューを推奨し、すべての層がランダムサンプリングで適切に表現されていることを確認します。エンドユーザーは、最適でないAIの結果に対してフィードバックを提供する時間や意欲がない場合があります。モデルのパフォーマンスを積極的かつ定期的に評価してください。レビュアーからのフィードバックは自動的に次のモデルトレーニングのラウンドにフィードバックされます。この実践により、モデルが古くなったり無関係になったりするのを防ぎます。