AI対応の基盤構築がテクノロジーだけで完結しない理由
によって アリー・マギュー による投稿
世界最大級の公益事業者のいくつかを支えるAI搭載オペレーティングシステムであるKrakenは、EDF、E.ON、National Grid、東京ガスなどのクライアント向けに、27カ国で9,000万を超える顧客アカウントを管理しています。KrakenはDatabricksを社内データプラットフォームとして利用し、Databricksと提携して、安全でスケーラブルなデータ配信を通じてクライアントが受け取るデータの価値を最大化できるよう支援しています。
Kristy Mayer-MejiaはKrakenのデータトランスフォーメーション担当グローバルヘッドであり、彼女のチームは公益事業クライアントがKrakenが提供するデータを理解し、採用し、そこから価値を引き出すのを支援しています。彼女の任務は2つあります。クライアントがデータを使用するまでの時間を短縮することと、データから得られる価値を高めることです。
私はKristyと座って、データがどのようにビジネス資産として機能し、成功するAI戦略の基盤となるかを理解しました。 私たちの会話の重要な点は、データドリブンになることは、クリーンで統合されたデータだけでなく、深いビジネスコンテキストと所有権にも深く関係しているということです。KrakenやDatabricksのようなプラットフォームは、Kristyが「基盤となる統合問題」と呼ぶものを解決します。これは、他のすべてを可能にする前提条件です。しかし、その基盤が整った後、ほとんどのリーダーが見過ごしがちなのは、統合されたデータを使いこなすためのビジネスコンテキストです。
Aly McGue: あなたの経験から、サイロ化されたデータと断片化されたシステムが、投資から価値を引き出そうとする組織にとって大きな障害であり続けるのはなぜですか？
Kristy Mayer-Mejia: クライアントで繰り返し見られるのは、品質の低いサイロ化されたデータが、他のあらゆる投資から価値を得る上での最大の障壁となっていることです。データが一箇所に集まるまでは、何も大規模には機能しません。それを解決することこそ、Krakenのプラットフォームが対処するために設計された問題です。私もこれまでのすべての役割でデータリーダーとしてこれを経験してきました。あなたのチームは時間の80%をデータのクレンジングに費やしていますが、それは価値のある作業ではありません。必要ないのです。
真のブレイクスルーはセルフサービスですが、それは基盤となるデータがクリーンで統合され、アクセス可能になって初めて可能になります。特にAIの時代においては、セルフサービスは大規模に実現可能です。すべての質問にデータチームが答えなければならないようでは、ビジネスとして迅速に動き、革新したり、日々のデータドリブンな意思決定を行うことは決してできません。しかし、データがシステム全体に散らばり、ドキュメントもなく、結合する明確な方法もない場合、セルフサービスは不可能です。統合は、アナリティクス、AI、意思決定のスピードなど、他のすべてを可能にする基盤となるブレイクスルーです。これは不可欠なものです。
Aly: 私たちは皆、リーダーシップが実際に意思決定を行うよりも「どの数字が正しいか」を議論するのに多くの時間を費やす会議に参加したことがあります。データに対する信頼の欠如がもたらす隠れたコストは何ですか？
Kristy: 私はいつもこの例を挙げますが、これは私がこれまで働いてきたすべての会社で当てはまりました。データが統合される前は、典型的な質問は「顧客は何人いますか？」です。そして、誰も正確には知りません。おおよその規模は分かります。しかし、私がこの例を挙げると、人々はそれが真実だと知っているので、いつも笑います。
それがもたらすのは、データに対する信頼の欠如です。そして、統合されたデータが提供する主要な初期価値の1つは、意思決定のスピード、つまりデータドリブンな思考を企業のDNAに組み込む能力です。数字を出すたびに「これで本当に合っているのか？」と考え、「他の5つの場所を確認しよう。誰かに聞いてみよう」となるようでは、迅速に動くことはできません。そして、それが異なると、なぜ異なるのかを突き止めなければなりません。突然、2週間後や1ヶ月後になり、それなら適当な方向を選んで進み続けた方がましだったということになりかねません。
Aly: 私たちはよくデータがAIを動かすと話しますが、あなたはAIがより良いデータのための「強制力」になり得ると示唆しました。AIへの推進は、組織がドキュメントとコンテキストにアプローチする方法をどのように変えていますか？
Kristy: AIは実際に強制力となってきました。AIが必要とする入力は、人間が必要とする入力と同じです。つまり、明確なデータ、ドキュメント、列の意味に関するコンテキスト、そして物事がどのように結合されるかです。データが使いにくい場合、セルフサービスアナリティクスは「あればいいな」程度に感じられます。なぜなら、その価値を特定するのが難しいからです。個々の意思決定で数時間が節約される程度では、単独では説得力があるとは感じられません。しかし、組織全体で蓄積されると、それは非常に大きいです。ただ、目に見えにくいだけです。
AIはその価値を可視化し、クリーンなデータとドキュメントを不可欠なものにしました。誰もが必要だと常に知っていたことを、交渉の余地のないものにします。そしてもう一方では、AI自体がアナリティクスを解き放つツールを提供します。SQLを書かずにデータをクエリできる会話型インターフェースのようなものです。つまり、統合を推進する強制力であると同時に、そこから得られる成果でもあるのです。
Aly: データの統合とドキュメント化の必要性について話されました。しかし、特にAIに関して言えば、ナレッジベースやPDFでのドキュメント化で十分なのでしょうか？
Kristy: 以前はそうでした。私たちはほとんどの企業と同じようにデータドキュメントを共有していました。つまり、データアナリストがコンテキストが必要なときに参照できるPDFやウェブサイトのページです。それは人間にとっては十分機能します。しかし、AIには機能しません。
私が今話すクライアントは皆、同じ質問をしています。「メタデータをコンテキスト内で、データ自体と一緒に共有できますか？そうすれば、実際にモデルに供給して、モデルが何を扱っているかを理解させることができます」。ドキュメントを参照アーティファクトとしてではなく、ライブ入力として扱うこの変化は、AIが強制している、あまり認識されていない変化の1つです。Unity CatalogとDelta Sharingを使用すると、そのコンテキストをデータとは別にではなく、データと一緒に共有できます。当社のクライアントにとって、これはデータについて推論できるAIとできないAIとの違いとなることがよくあります。
Aly: 「データ統合」は実際にはどのようなものですか？ニアリアルタイムの可視性は、日々の業務をどのように変えますか？
Kristy: クライアントからのいくつかの例が際立っています。1つはコールセンター業務で、これは公益事業者にとって非常に重要な機能です。あるクライアントは、作成に非常に手間がかかっていた月次の通話量レポートから、数時間ごとに更新されるダッシュボードに移行し、さらに今後発生する可能性のある通話を予測するモデルを重ね合わせました。月に一度過去を振り返るのではなく、ニアリアルタイムで業務を微調整できるこの能力は、ビジネスの運営方法を完全に変えるものです。
もう1つの分野は製品イノベーションです。公益事業分野では、クライアントは顧客を引き付け、維持するためにどの製品や料金プランを提供するかを決定しています。これはデータによって深く最適化できる意思決定です。クリーンで明確なデータは、クライアントに容易な洞察と、製品提供を最適化するための迅速なテスト＆学習サイクルを提供し、Krakenのプラットフォームはそれらの新しい料金プランを迅速に開始することを可能にします。
Aly: 「アナリストのボトルネック」は、リーダーシップにとって古典的な課題です。Databricks Genieのような自然言語インターフェースは、レポートを数週間待つ文化から、数分で答えを得る文化へとどのように変革しますか？
Kristy: 当社のGenieクライアントのほとんどはまだ初期段階にあります。しかし、私たちが目にしているのは、開始までの時間を数週間以上短縮していることです。従来のBIツールにデータを供給するように、深くデータをモデリングする必要はありません。明確なドキュメント、コンテキスト、そしてデータが一箇所にあることは必要ですが、ユーザーが厳格なインターフェースを通じて探索できるように、そこまで厳密に構造化する必要はありません。
しかし、スピードを超えて、非常に明確な文化的な波及効果があります。デ ータ価値への大きな障壁の1つは、データをDNAの一部にするという文化的な変化です。そして、その鍵の1つは、それを信じられないほど簡単で直感的にすることだと私は固く信じています。障壁が低く、人々が迅速にアクセスできるようになれば、文化と複利的な価値がそれに続きます。
Aly: CレベルのリーダーがIT部門にAIのための「データ準備」を指示する際に、最も大きな誤解は何ですか？
Kristy: データはビジネス資産です。そして、リーダーが犯す最大の過ちは、それをITプラットフォームのように扱うことです。彼らはそれをビジネスから切り離し、「よし、IT部門、我々のデータを準備してくれ」と言います。しかし、強固なデータ基盤を構築する鍵は、深いビジネスコンテキストです。データはどのように生成されるのか？どのように使用されるのか？人々はそれをどのように解釈するのか？このフィールドは実際に何を意味するのか？技術的な基盤が整った後、最も難しい部分は、その深いビジネスコンテキストになります。そして、その作業の大部分はデータチームではなく、ビジネス部門にあります。
ですから、私の助言は、データをビジネスに組み込むことです。AIのためにデータを準備するためのロードマップは、共有されたロードマップです。それは技術的なロードマップであると同時に、ビジネスのロードマップでもあります。
Aly: Krakenは公益事業業界のデータの大部分を網羅しています。今後3～5年間で、AIとデータがクライアントをどこへ導くとお 考えですか？
Kristy: 私が最も興味深いと感じるのは、堅固なデータ基盤があれば、クライアントができることの可能性をAIがいかに急速に広げているかということです。長い間、課題は「どうすればデータを活用可能な状態にできるか？」でした。その作業は今も重要であり、時間もかかります。しかし、その問いは「基盤が整った今、何が可能になるのか？」へと変化しつつあります。そして、その答えは拡大し続けています。AIは、クライアントがどこからスタートし、何が成功と見なされるかを変えています。2年前には月次レポートの成功を考えていたクライアントが、今では予測モデルを重ね合わせた1時間ごとのダッシュボードを運用し、エージェントAIの広範な利用へと急速に目を向けています。
データ能力、つまりテクノロジーだけでなく、スキルや文化にも早期に投資した企業が、今最も速く進んでおり、彼らと他の企業との差は広がるばかりでしょう。
Kristyの視点は、データインフラに関する議論に、しばしば見落とされがちな側面を加えています。プラットフォームとそれが可能にする統合は、基盤となる突破口です。しかし、彼女がほとんどの組織が停滞していると見ているのは、その後に続く作業です。すなわち、データを活用可能にするビジネス知識、AIを可能にするドキュメンテーション、そしてセルフサービスを現実のものにする文化的な変革です。
組織や製品全体にAIを組み込むためのロードマップを策定する際には、投資のベンチマークに役立つDatabricks State of AI Agentsをダウンロードしてください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。