翻訳:Ryo Hasegawa. - Original Blog Link
ビジネスリーダーは皆、同じ質問をしています: データとAIに関する自社の計画を加速させるにはどうすればいいのか?ビジネスをリスクにさらすことなく、大規模な言語モデル(LLM)を活用するにはどうすればいいのか?そして、これらのシステムからできるだけ早く価値を得るにはどうすればいいのか?
誰もが、誇大広告による混乱を回避し、自社のデータをどのように収益化し、前例のないスピードのテクノロジーを活用できるかを把握したいと考えています。より多くの業務を自動化し、より付加価値の高い業務に集中できるようにしたいからです。古いデータの照会にとどまらず、より良い未来像を得たいと考えています。セキュリティ・リスクを最小限に抑えながら、可能な限りコストを削減したい。そしてもちろん、今すぐ結果を出したいのです。
しかし、データとAIに関しては、成功のための戦略は企業ごとに異なるでしょう。私たちはDatabricksのフィールドCTOとして、データスタックをモダナイズし、AIを活用して効率性を高め、財務的な成果を上げ、顧客により良いサービスを提供するために、何千もの企業をガイドしてきました。
私たちの経験では、テクノロジーおよびビジネスリーダーは、データとAIを実際に活用するために必要な変更の範囲を過小評価しがちです。それは、単にいくつかの新しいITツールを採用したり、AIアプリケーションをテストしたり、クラウドに移行したりするだけのものではありません。
では、データとAI戦略を成功させる方程式は何でしょうか? 多くのことがそうであるように、すべては「適切な人材」、「プロセス」、「プラットフォーム」に行き着きます。
最終的に、データとAI戦略の成功は、提供される洞察と効率性を従業員がどれだけ受け入れ活用し、自らの行動を変化させて仕事を完了させるかにかかっています。
つまり、第一線のスタッフからCXOに至るまで、データとAIの活用を強化し、リスキルし、支持する必要があるということだ。
そのゴールは、データへのアクセスを民主化し、責任ある従業員であれば誰でも簡単に正確でタイムリーな情報を入手し、成果を上げることができるようにすることです。しかし、データをビジネスの基礎とし、その基礎となるデータによって可能になる文化を構築することは、組織構造を変えるかもしれません。また、機械学習とAIが解き放つ利点とイノベーションを活性化することで、各部門に新たな業務プロセスが生まれることは間違いありません。多くのチームは、この変革を導くAI コパイロットや信頼できるアドバイザーを必要とするでしょう。
生成系AIのような分野で起こっている急速な進歩に伴い、企業は次のような重要な質問を自問自答し始める必要があります:
どのような企業にとっても最初のステップは、なぜデータとAIへの投資を選択するのかを明らかにすることです。当たり前のことのように思えますが、多くの企業はこの部分を飛ばしてしまうため、道半ばで失敗してしまいます。できるだけ早くモダナイズしようと急ぐあまり、長期的には役に立たない近道を選びがちです。スピードは重要です。しかし、長期的な目標を中心とした強固な基盤を構築することが重要です。
企業は、「データとAIの北極星」と言える戦略を確立し、収益、コスト、リスク、または持続可能性のトレードオフというあなたなのスタックに優先順位をつける方法を知る必要があります。収益に焦点を当てれば、コスト削減やリスク削減のゴールとは全く異なるテクノロジースタックを考えなければなりません。
我々は、データ戦略が会社の成果をなかなか促進できていない例や、すべての取り組みが同程度に重要な優先事項(何も優先事項がないことを意味する)といった例をしばしば目にします。データアクセス、仕事の進め方の変革、本番化と拡張計画、プラットフォームアーキテクチャの決定に関するポリシー策定の基となる原理原則は、すべて「データとAIの北極星」戦略を反映したものでなければなりません。
例えば、すべての従業員にすべての顧客データへのアクセスを許可する場合、考慮すべきことは多岐に渡ります: どのようなセキュリティ管理が必要か?どのようなガバナンスが必要か?新たなコンプライアンスポリシーやトレーニングは必要か? それは組織設計やテクノロジーの選択にも影響を与える可能性があります。プロセスの変更管理や成功尺度の管理方法は言うまでもありません。
長期的なビジョンが確立されれば、本当の変革が始まる:
テクノロジーの進歩は無視できないほど速い。そして、何が起こるかは誰にもわかりません。
考えてください: ほんの数ヶ月前まで、ChatGPTやDollyのようなLLMをどのように利用できるかを考えていた企業のリーダーはほとんどいませんでした。今、エグゼクティブ・チームは、独自のデータに基づいて社内でチャットボットを構築する方法を見つけようと急いでいます。そして多くの場合、最大の障害は自社のIT環境です。
だからこそ、企業はオープンなインターフェースとデータフォーマットを採用する必要があるのです:
私たちは、今後数ヶ月の間に、あらゆる業界の企業がAI戦略を推進し、データからより多くのものを得るのを支援するために、より多くの洞察を共有することを楽しみにしています。
またDatabricksのフィールドCTOであるRobin SutaraとDael Williamsonによる月刊シリーズ「Executive Edge with Data and AI」でも、より多くのベストプラクティスをご紹介しています。