5人のエグゼクティブがAI導入に関する最大の教訓とベストプラクティスを共有
によって クリスティ・メイバー 、 アリー・マギュー による投稿
Dee Fitzgerald（Danone CDO）、Prem Natarajan（Capital One EVP、Chief Scientist）、Ratheesh Kamoor（Warner Bros. Discovery グループVP、データ＆アナリティクス責任者）、Razal Minhas（Ford Credit VP、データ・エンジニアリング・MLプラットフォーム責任者）、Murali Vridhachalam（Gilead Sciences VP、ITクラウド・データ・AI責任者）、そしてArsalan Tavakoli（Databricks共同創業者兼フィールドエンジニアリングSVP）が、Leading the AI-Ready Enterpriseでエグゼクティブの洞察を共有します。
AIへの野心を測定可能なビジネス成果に変えるには何が必要でしょうか？私たちは、主要ブランドのAI主導のエグゼクティブと話をし、ガバナンスを最優先事項としながら、AIイニシアチブにおけるROIと具体的な価値についてどのように考えているかを理解しました。
議論から明らかになったのは、経営幹部が信頼、ガバナンス、コスト管理を犠牲に することなく、エージェントを迅速に展開するというプレッシャーを感じているという共通の緊張感でした。
私は今、展開が「天国へのAIへの階段」の最初のステップであると信じるようになりました…そして、その後の監視、オブザーバビリティ、パフォーマンス評価、継続的な学習など、すべてが付加価値のあるステップです。 — Prem Natarajan, EVP, Chief Scientist at Capital One
リーダーたちは、技術の進歩が創造性を解き放ち、エンタープライズ全体でチームを動員する「可能性の瞬間」について説明しました。AIがCEOレベルの優先事項となった今、組織は単純な実験を超えて影響力のあるユースケースを承認し、モデル精度の急速な向上により、展開可能な範囲がほぼ毎月拡大しています。エージェントが複雑な複数ステップのワークフローをオーケストレーションするにつれて、企業は厳格なガバナンスがイノベーションの基盤となることを見出しています。
彼らの議論は、組織がAIエージェントを責任を持って効果的にスケールさせるために採用できる5つの実践方法を明らかにしました。
リーダーたちは、データとAIガバナンスは、事後チェックポイントではなく、エージェントのライフサイクルの一部でなければならないと強調しました。
Murali Vridhachalam、Gilead SciencesのVP、ITクラウド・データ・AI責任者は、すべてのエージェントが正式なリスクレビューを受けると共有しました。
エージェントが開発される前に、リスク評価を経なければなりません。そして、リスクレベルに応じて、適切な承認が得られます。私たちにとって非常に重要なことは、リスクフレームワークがユーザーエクスペリエンスとどのように統合されているかということです。
包括的なエンタープライズガバナンス戦略の一環として、一部の組織はガバナンス評議会を設立しています。これらの評議会は、データ所有権と説明責任、コンプライアンス、データ品質、リスクなどのトピックに関する戦略的方向性とポリシーを設定するのに役立ちます。
Ratheesh Kamoor、Warner Bros. DiscoveryのグループVP、データ＆アナリティクス責任者は、彼の組織が専門の評議会を利用して、従業員が機密性の高いPIIをAIツールに誤って貼り付けるのを防ぎ、すべてのユースケースでCレベル、法務、技術リーダーからのクロスファンクショナルな「グリーンライト」を必要とする方法を共有しました。AIは基本的に確率的であるため、Ford CreditのVP、データ・エンジニアリング・MLプラットフォーム責任者であるRazal Minhasは、外部環境要因によってモデルのリスクプロファイルが変化していないことを保証するために、ガバナンスは「一度限りの承認」であってはならず、継続的な再評価を伴う必要があると強調しました。
最終的に、この中央集権的な監督は、Databricksの共同創業 者兼フィールドエンジニアリングSVPであるArsalan Tavakoli-Shirajiが「競合するメトリクスの乱発」と呼ぶものを防ぎ、エージェントを「真実の6つの異なるバージョン」で運用することを許可するのではなく、「認定された定義」と標準化されたデータに固定します。
リーダーたちの間で繰り返しテーマとなったのは、専門エージェントを通じた複雑なタスクのオーケストレーションへの戦略的シフトでした。単に仕事を単純な部分に分解するのではなく、組織は現在、エンタープライズ全体で洗練された複数ステップのワークフローを自律的に管理するマルチエージェントフレームワークを通じて、ハイレベルな成果を推進することに焦点を当てています。
AIエージェントにより、単一タスクベースのアプローチから、よりオーケストレーションされた成果ベースのアプローチに移行しています。例えば、従業員のオンボーディングには複数のタスクがあります…ラップトップの発行やWorkdayでの従業員の登録などです。今では、異なるシステム間で自律的にタスクを個別に実行しようとする、成果ベースの従業員オンボーディングとなっています。 — Murali Vridhachalam
Natarajanは、これらのタスクを自動化できる場合に真のメリットが得られると指摘しました。「特定の専門タスクを自分で処理できるAIモデルを導入できるなら…複雑なタスクを、専門AIモデルを導入して…複雑なワークフローを実際に自動化できる、より小さな達成可能なタスクに分解できるとしたら、可能性は無限大です。」
チームがAIツールの使用と好奇心を拡大するにつれて、慎重なサンドボックスと管理された環境の必要性が高まっています。これらの環境は、ライブオペレーションを危険にさらすことなく、レガシーシステムに対するエージェントのパフォーマンスを監査するための、承認されたスペースとなります。
Ford CreditのRazal Minhasは、彼の組織が「本番環境で実行されているシャドウ機能…しかし…バックグラウンドでサイレントにチャレンジャーとして実行されている」と説明しました。
このアプローチにより、エージェントが顧客ワークフローに触れる前に、組織は精度を検証できます。実験のためのスペースを確保することで、リーダーは「ブラスト半径」をしっかりと封じ込めながら、労働力に大胆な仮説をテストし、新しい価値を発見することを奨励できます。
すべてのエグゼクティブは、初期の成功事例が具体的で反復可能であれば、導入が加速すると同意しました。
このアプローチの具体的な例の1つはCapital Oneからで、チームは自動車ディーラー向けの顧客向けツールである「Chat Concierge」を優先しました。このアプリケーションは、エージェントソフトウェアを現実世界で検証するための「低リスクだが有用な方法」を表しています。
この測定されたアプローチにより、Capital Oneのような組織は、初期の成功を確立すると同時に、より複雑なアプリケーション に必要な制度的信頼を構築できます。Natarajanが述べたように、これらのツールが実際に機能するのを見ることは、「誰もが経験主義者になった場所で創造性を解き放ちました。」
責任ある展開には、従業員がエージェントと効果的に協力できるように準備することが必要です。Danoneの最高データ責任者であるDee Fitzgeraldは、90,000人以上の従業員、特に工場や最前線にいる多くの人々がAIでどのように仕事を変革しているかについての洞察を共有しました。「私たちは、プロンプトの方法をトレーニングし、スキルアップに多くの時間を費やしています。」
プラットフォーム内の自然言語インターフェースは、SQLやPythonの専門知識を必要とせずに、非技術ユーザーが安全にデータやAIを扱えるようにするための鍵となります。
ラウンドテーブル全体で共通のメッセージは1つでした。エージェントAIは、データ、ガバナンス、オーケストレーション、およびコンピューティングが単一の安全なアーキテクチャ内に存在する場合にのみ機能します。リーダーたちは繰り返し、認定されたデータ製品、一貫したガードレール、そして多様なワークフローにわたってエージェントを展開および監視できるプラットフォームの必要性を指摘しました。
HR、財務、サプライチェーン、およびクリエイティブワークフロー全体でリーダーがエージェントをどのように運用しているか、そしてあなたの組織が責任を持ってエージェントを展開し、ビジネスインパクトを加速するために今後90日間でどのようなステップを踏むことができるかを学ぶために、完全な議論をご覧ください。
(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。