エンタープライズAIの運用モデル

AIが中核的なビジネスプロセスに組み込まれるにつれて、経営層の議論は持続可能性へとシフトしています。技術リーダーにとって、問題はもはやAIが価値を提供できるかどうかではなく、組織が長期的にそれをサポートできる構造になっているかどうかです。

EMEAの最高技術責任者であるDael Williamson氏と対談し、AIに真剣に取り組んでいる企業と、単にエクスペリメントしているだけの企業とを実際に区別するものは何かを探りました。

明らかになったのは、エンタープライズAIの運用モデルという視点であり、テクノロジーの選択よりも構造とオーナーシップが重要であることが浮き彫りになりました。

組織がAIに真剣に取り組んでいることを示すシグナル

キャサリン・ブラウン：AIに本格的に投資している組織に入ったとき、そのオペレーティングモデルとプラットフォームの選択において、まず何に注目しますか？

Dael Williamson: 今日のほとんどの組織は、AIが現実のものであり、重要であることを認識しています。異なるのは、そのコミットメントが運用モデルにどれだけ明確に現れるかです。

私が最初に注目するのはオーナーシップです。データのオーナーは誰で、AIのオーナーは誰なのか、そしてそのオーナーシップがCEOにどれだけ近いかということです。データとAIのオーナーシップがCEO直下、またはそれに近い位置にある場合、それは戦略的重要性が高いことを示しています。多くの場合、オーナーシップは数階層下にあり、データとAIがまったく異なるグループによって所有されていることもよくあります。

AIが構造的にデータから離れている場合、結果として静的なユースケースや断片的なエクスペリエンスになりがちです。しかし、組織が活動する世界は動的です。トラフィックは変化します。市場は変動します。サプライチェーンは変動します。データとAIが分離されていると、その現実にリアルタイムで対応することが非常に困難になります。

私が次に注目するのは、組織がデータ資産のインベントリを保有しているかどうかです。金融資産や物理的資産は十分に文書化されていますが、多くの組織ではデータ資産のカタログ化と理解の方法がまだ成熟していません。多くの場合、組織はどのようなデータを保有しているか、どこに存在するか、あるいはどれほどの価値がある可能性があるかを完全には把握していません。

3つ目のシグナルは、組織がデータをどれだけ広く定義しているかです。多くの組織は、今でもデータを主に構造化されたテーブルやログとして考えています。しかし、画像、Eメール、コラボレーションツール（ドキュメント、スプレッドシート）、コードのすべてに、運用に関する豊富な知見が含まれています。データの定義を拡大する組織は、時間の経過とともにはるかに大きな価値を引き出す傾向があります。

データとAIの近接性が重要な理由

Catherine: あなたが説明されたことの多くは、データとAIがいかに密接に結びついているかという点に帰着します。なぜその近接性が実際にそれほど重要なのでしょうか？

Dael: データとAIが同じ基盤上で動作することで、組織はより動的なユースケースに対応できます。これらが分離されていると、AIはより遅く、より静的な入力に依存する傾向があります。

従来のガバナンスツールやカタログツールは、構造化データの管理には非常に効果的ですが、非構造化で急速に変化するソースには苦労します。これが、データガバナンスの範囲を拡大することが困難であり、包括的なデータインベントリがまだ稀である理由の1つです。

流動性モデリング、信用リスク、あるいはサプライチェーンのレジリエンスといった問題を解決しようとする場合、AIがタイムリーで継続的に更新されるデータを直接扱う必要があります。さもなければ、意思決定は常に遅れ、知見は最も有用な瞬間を過ぎてから得られることになります。

Catherine: 先進的な企業は、中央チームとビジネス部門との関係をどのように構築していますか？

デール: データとAIを担当するリーダーは経営陣の一員となる必要があり、これらのシステムが実際にどのように機能するかを深く理解する必要があります。AIは従来のソフトウェアとは異なる振る舞いをするため、リーダーシップがその現実を反映すれば、組織は恩恵を受けることができます。

ツールに関して言えば、先進的な企業は、多数のSaaSツールに組み込まれているAI機能のみに依存したいという誘惑に抗います。それらのツールは個人の生産性を向上させることはできますが、チームが部門の垣根を越えて一体となって機能するためには、ほとんど役立ちません。時間が経つにつれて、そのアプローチは定義、メトリクス、プロセスにおける既存の不整合を助長する傾向があります。

同時に、これらの組織は、構築か購入かという方程式を再考しています。すべてを内製することを目指してはいませんが、過度なロックインも避けています。データおよびAI資産に対するポータビリティ、透明性、および制御がますます重要になっています。

成功している組織は、AIイニシアチブをポートフォリオとして管理しています。すべてのプロジェクトが成功するわけではありません。一時停止する必要があるものもあります。追加の投資を必要とするものもあります。AIを直線的なロードマップではなく、賭けのポートフォリオとして扱うことで、組織はテクノロジーとビジネス状況の進化に適応できます。

3年後のエンタープライズAI運用モデルの姿

キャサリン: 今後を見据えて、エンタープライズAIの運用モデルは、これからの3年間でどのように変化していくとお考えですか？

Dael: ほとんどの組織は依然として変革のいずれかの段階にあるでしょうが、最大のシフトの1つは、IT部門とビジネス部門の間の従来のギャップが狭まることです。ビジネスチームは技術的により精通するようになり、技術チームはビジネスの成果とより密接に連携するようになります。そのシフトはすでに始まっており、今後も続くでしょう。

その結果、IT組織の規模や形態は変化する可能性があります。従来、ITはリスク管理、ガバナンス、そして運用の複雑さに重点を置いてきました。AIはこれらの分野、特にサイバーセキュリティ、ITサポート、コンプライアンスにおいて、ますます効果を発揮しています。

組織がレガシーの複雑さを軽減し、サイロ化したベンダー エコシステムから脱却すると、運用モデルはより根本的に変化し始めます。チームは、使用するシステムによって定義されるのではなく、提供する成果によって定義されるようになります。

時間の経過とともに、これは組織のスリム化や、新しい形の価値創造に特化したまったく新しい部門の創設につながる可能性があります。それが具体的にどのように展開するかは、企業によって異なります。

AI主導の企業におけるスキルと役割の進化

キャサリン: そのようなオペレーティングモデルの転換は、人材に大きな影響を与えます。最後の質問ですが、スキルや役割はどのように進化していくとお考えですか？

デール：多くのIT組織は今後も縮小し続けるでしょう。その主な理由は、非常に多くのエンタープライズテクノロジーが、維持にコストのかかる何十年も前のシステム上にいまだに構築されているからです。同時に、ソフトウェア開発ライフサイクルも変化しています。手作業でのコーディングなど、かつては労力の大部分を占めていたタスクが、ますますAIによって支援されるようになっています。現在では、評価、振る舞いテスト、ガードレール、継続的なモニタリングにより多くの時間が費やされています。

その変化によって、ビジネスチームと技術チームの連携がより緊密になります。ビジネスチームは、振る舞いの定義と検証への関与を深めます。技術チームは、成果、信頼性、ガバナンスをより重視するようになります。可観測性、オーケストレーション、システム監視に関する新しい役割が登場しています。これらの役割では、多くの場合、技術的、運用的、組織的なスキルが融合されており、その担い手は必ずしも従来のエンジニアリングのバックグラウンドを持っているとは限りません。

マネジメント自体も進化しています。AIがより多くの管理業務を担うようになるにつれて、マネジメントは分析、判断、業務フローの改善へと回帰していきます。クリティカルシンキングが不可欠になります。エクスペリメントし、学び、適応することに抵抗のない人々は、うまくやっていけるでしょう。そして、組織がこの移行期を乗り越える中で、分析的および科学的な考え方はますます価値を持つようになるでしょう。

おわりに

エンタープライズAIの準備態勢は、最終的には運用モデルの決定事項です。持続的な進歩を遂げているリーダーは、データとAIに対する明確な経営陣のオーナーシップを持ち、データを既知の管理された資産として扱い、AIが断片的な引き継ぎを介するのではなく、タイムリーに共有されたデータと直接連携することを保証します。彼らはAIイニシアチブをパイプラインではなくポートフォリオとして管理し、どこに投資し、一時停止し、または中止するかについての規律を持っています。そして、ツールやプロジェクトではなく、評価、監視、成果を中心にチームを編成します。成功する組織とは、AIの未来を最も正確に予測する組織ではなく、AIの変化に適応できるように構築された組織です。

効果的なオペレーティングモデルの構築についてさらに詳しく知るには、Databricks AI成熟度モデル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