ポイント: AI成熟度モデルは、組織がAI能力を評価し、戦略的な実装を通じてビジネスへの影響を高めるためのフレームワークを提供します。これは、企業がAI技術を効果的に統合するための5つの成熟度レベルを定義しています。
- AIは高度な情報処理として見られ、意思決定を強化します。
- ガートナーのモデルは、AI統合の段階に基づいて組織を分類します。
AIは人工知能として知られています。その価値を評価することは、さまざまな理由から非常に難しいです。これを行うには、AIを人工知能としてではなく、高度な情報処理として考える方が良いでしょう。それは、誰もが知っているAIですが、情報処理として考えることで、私たちはこの技術を別の思考する種ではなく、ツールとして見ることができます。ツールを使うことで、新しいものを創造する自由を得ます。
この記事では、企業が異なる段階でAIをどのように使用しているか、つまりAI成熟度モデルを探っています。また、AIが解決できる問題や、AIを採用する方法についても見ていきますので、AI戦略とアプリケーションを成熟させることができます。
AIはビジネスに価値を加える
機械学習アルゴリズムは、従来不可能だった新しい方法でデータを処理するのに役立ちます。数学は何年も前から存在していましたが、データとコンピュートパワーの不足がそれを実現不可能にしていました。
もちろん、今日ではそれが変わりました。機械学習は、次の2点を可能にするために、膨大な量のより多くのデータを収集する可能性を開きます。
- 多くのデータポイントから因果関係を見つける（以前は不可能だった）
- エンジニアが決定木を構築することなくデータの断片を特定する
高度な情報処理は、戦略的にAIを測定するためのツールであり、企業に新しい価値をもたらします。覚えておくべき重要な点は、AIは高度な情報処理であるということです。異なる企業はそのツールを異なる方法で使用します。すべての企業が同じようにそれを活用できるわけではありません。例えば、AIは多くの情報を管理する企業にとってはより大きな価値を持ち、少ない企業にはあまり価値を持ちません。
だからこそ、企業が入っていくAIの異なる段階が存在するのです。IT運用のための人工知能が世界中の組織のIT運用を合理化する波を生み出している方法について、詳細を学びましょう。
成熟度モデルとは何ですか？
データ成熟度モデルは、組織が特定の領域での能力を評価するために使用できるフレームワークです。それは、能力の発展、効率、または洗練の段階を説明します。企業は成熟度モデルを使用して、投資を計画し、プロセスや能力の改善を行い、戦略的な変更を行います。
すべてのモデルは異なりますが、一般的にはほとんどが次のような典型的なレベルに従います：
- 初期: プロセスは定義されていません。活動は計画されず、アドホックで反応的です。能力は定義されていません。制御がなければ、結果は予測不可能です。
- 再現可能:基本的なプロジェクト管理が整っています。プロセスが現れ始め、主要なパフォーマンス指標（KPI）が使用されます。結果は特定され、予測可能で一貫した結果が達成されます。
- 定義済み: 文書化され、標準化されたプロセスが組織の目標に沿っています。チームメンバーはトレーニングを受け、ガイドラインがあり、一貫した結果を保証するためのメトリクスに向かって働きます。
- 管理済み: 測定と制御が完全に発展しており、継続的改善のためのデータ駆動型アプローチが確立されています。
- 最適化: プロセスは明確に定義され、テストされ、効率的です。焦点は革新、回復力、適応性に置かれています。
成熟度モデルアプローチを採用した業界は、技術およびIT、ヘルスケア、製造、金融サービスなどです。
AI成熟度モデル
企業はさまざまな方法でAIを使用します。ガートナーは、組織のAI利用に関する成熟度の5つのレベルに企業を分けるAI成熟度モデルを発表しました。
だからこそ、企業が入っていくAIの異なる段階があるのです。生成AIソリューションを提供することで、組織のAI成熟度を向上させる方法を確認してください。
今日、多くの企業はレベル1の認識に該当しています。彼らのビジネスはAIからわずかに利益を得ているだけです。レベル5にいる企業は少なく、すべてのプロセスにAIを統合する準備ができている企業も少ないです。
ガートナーの成熟度モデルの各段階では、企業はAIに対して異なるアプローチを持っています：
レベル1. 認識
この段階の企業はAIについて知っていますが、まだ使用していません。これらの企業はAIの導入に興奮しているかもしれません。彼らはしばしばそれについて知っている以上のことを話します。彼らはアイデアを形成しますが、ビジネスでAIを使用する方法についての戦略は持っていません。
レベル2. アクティブ
これらの企業は非公式にAIを扱っています。彼らはJupyterノートブックでAIを試しており、いくつかのモデルをTF.jsライブラリからプロセスに導入しているかもしれません。
レベル3. 操作的
これらの企業は日常の機能に機械学習を取り入れています。おそらく、彼らはMLエンジニアのチームを持っています。彼らはモデルを維持したり、データパイプラインを作成したり、データのバージョン管理を行っています。彼らはMLインフラストラクチャを整備しており、情報処理タスクを支援するためにMLを使用しています。これがAIの価値を測定するための人工情報処理アプローチです。
レベル4. システム的
これらの企業は、ビジネスモデルを破壊するために機械学習を新しい方法で使用しています。認識段階での誇大広告は、彼らが破壊的であると言うことがありますが、レベル1とレベル4の企業の違いは、レベル4の企業がしっかりとした足場を持ち、MLインフラストラクチャを整備していることです。
レベル5. トランスフォーメーショナル
ガートナーのデータ成熟度モデルのこのレベルの企業は、広範にMLを使用します。機械学習と情報処理は顧客への価値提供となります。
この段階の企業は、ビジネスのために重要な重作業を行うためにAIに依存しています。Googleは情報処理会社です。Facebookはステータス投稿や広告をランク付けします。Amazon、Netflix、Yelpは、ユーザーに製品、映画、レストランを推奨します。これらすべての企業は、機械学習を使用して自社のアルゴリズムを調整し、製品提供を最適化しています（例えば、Netflixは特定のタイムゾーンで低遅延を経験します）。
ビジネス価値を高めるためのAIの採用方法
AIを採用することは、組織が単に流行だからといって行うべきことではありません。AIの採用は、ビジネスに戦略的かつ測定された価値を提供する必要があります。考慮すべき質問：
- 私の会社はどのような決定を行っていますか？
- 私の会社はどのようなデータを収集していますか？
AIはデータ駆動型の意思決定を行う際に役立ちます。会社は、AIから最大限の利益を得るためには、この単一のことを非常に、非常にうまく行う必要があります。
AIの採用は、現在の慣行を探求し、企業の価値を高める新しい決定をブレインストーミングするという継続的な2段階のプロセスです。データが収集され、決定を下す必要があるときに機能します。データがあれば、そこからどのような決定を下すことができますか？決定を下す際には、どのデータが必要ですか？最後に、毎日の活動をデータ駆動型の決定として見る方法をどのように始めますか？
1. 現在のビジネス慣行を探る
AIを使用できる分野を探るためにビジネスを探求することから始めます。タスクが修復的で自動化が必要ないほど簡単だと思われる場合でも、長期的には自動化の方が価値があります。
同じ決定を繰り返し行わなくて済む人がいると、他の決定を下すために精神的に解放されます。時が経つにつれ、自動化を実践することで、同じ問題を繰り返すことなく、同じチームが多くの異なるプロセスを運営できるようになり、成長が続きます。自動化がなければ、成長の唯一の選択肢は、より多くのチームメンバーを雇うことです。
2. 企業の価値を高める新しい決定をブレインストーミング
現在のビジネスプロセスを調査した後、組織がビジネスを行う新しい方法を考え始める時です。それを考える際には、中心となるのはデータ駆動型の意思決定です。
AI採用の事例研究
例えば、営業チームを見てください。AIは、営業チームが顧客をタイプにセグメント化するのに役立ちます。営業担当者は、顧客のタイプを選択して、より良い交渉を行ったり、適切なサービスを提供したりすることができます。AIは、顧客の年齢、メール、場所、購買習慣、ユーザー習慣などのデータを取り入れ、ユーザーをタイプに配置するためにK-meansクラスタリングアルゴリズムを使用します。しばしば、物語が進む中で、AIは営業担当者よりもこれをうまく行うことができます。マネーボールのタレントスカウトは、良い選手を見分けることができると思っていましたが、データに関しては、アルゴリズムがそれをより良く行うことができました。
AIはこれをより良く行うだけでなく、営業チームの時間も解放され、他のことに注意を向けることができます。チームの精神的な能力が顧客のさまざまなタイプと周囲の礼儀を巡って踊る必要がなくなれば、AIを利用してタイプの認識を支援することができ、そして他の高レベルのタスク、特定のタイプに対する製品提供の改善などに注意を向けることができます。それが自動化されると、営業チームは他のことに注意を向けることができ、自動化が進みます。
営業チームは、AIを活用することで開発者になることができます。彼らはプロセスを重ねて、AIを自分たちの個人的な営業アシスタントにします。怠けて、ソフトウェアにもっと多くの作業をさせましょう。
AIは組織が意思決定を行うのに役立ちます
AIはあらゆる組織が意思決定を行うのに役立ちます。以下はその例です：
- アイテムのリストをランク付けする。 例えば、一人の人のステータスが他の人よりも価値がある場合。この特定の色が他の色よりも好まれる場合。
- アイテムを推奨する。 この人がXを気に入れば、Yも気に入るでしょう。
- 異常を発見する。 どのサプライチェーンが非効率的に運営されているかを検出します。どの顧客が再度戻ってくる可能性が高いか特定します。どの顧客が他の自社製品を欲しがる可能性が高いか特定します。
- 人口をタイプに分ける。 顧客の人口をトップユーザー、偶発ユーザー、一度きりのユーザーにセグメント化します。人口をリスク回避型またはリスク追求型に分類します。製品の特徴をセットにまとめて製品提供を改善します：基本プランにはこれらの5つの特徴が含まれ、中間プランにはこれらの8つの特徴が含まれ、進化したプランにはこれらの15の特徴が含まれます。
追加リソース
このトピックについての詳細は、BMC機械学習＆ビッグデータブログを参照するか、次の記事をお読みください：
- AIの民主化がエンタープライズITに意味すること
- 機械学習、データサイエンス、人工知能、深層学習、統計
- 機械学習：誇大広告と現実
- 機械学習パイプラインの作成方法
- TensorFlowとKerasによる機械学習、チュートリアル付きのマルチパートガイド
- scikit-learnによる機械学習、チュートリアル付きのマルチパートガイド
これらの投稿は私自身のものであり、必ずしもBMCの立場、戦略、または意見を代表するものではありません。