フロリアン・ドゥエトー、Dataiku
人工知能は日常業務において大きな可能性を秘めているにもかかわらず、今日の大多数の企業は、この技術への投資から価値を引き出すことに苦戦しています。巨大企業はほぼ無限のリソースを活用し、強力なアルゴリズムを自社プラットフォームに組み込んでいますが、ほとんどの企業は独自の判断に委ねられており、様々なサードパーティ技術を複雑に組み合わせて実装するか、不完全または不正確なデータに基づく、最適とは言えない独自のモデルを構築しています。
Dataikuでの8年間で、真の価値を提供するAIシステムを構築しようと、非現実的または非効率的な試みによって、何千もの有望な企業が頓挫していくのを見てきました。現実には、AIはあらゆる業界のビジネスに役立ちますが、よくある落とし穴への備えを怠った企業は、コストの急騰、潜在的なバイアス、あるいは誤った収益といった困難な状況に陥ることになります。企業におけるAI導入には考慮すべき点が数多くありますが、ここでは、組織がAI導入で失敗している可能性のある5つの主な理由と、手遅れになる前に軌道修正する方法をご紹介します。
ユースケースを賢く選択する（車輪の再発明はしない）
企業は往々にして、アルゴリズムをあらゆるプロセスに導入すればすぐに成果が得られると思い込んでしまうという罠に陥ります。AIへの投資を検討している経営陣やチームは、プロジェクトを社内で構築する場合でも、外部ベンダーにアウトソーシングする場合でも、プロジェクトを開始する前に、どのような成果を得たいのか、そしてAIでどのようにそれを達成したいのかを検討する必要があります。あなたの会社では、より優れた顧客推奨エンジンを構築する必要があるのでしょうか、それとも不正検出システムを改善する必要があるのでしょうか？これらは全く異なる質問であり、答えも全く異なります。組織が何を達成しようとしているのか明確なビジョンを持つことは、コスト、期限、方法論について企業全体で足並みを揃えるのに役立ち、将来の落とし穴を回避する上で重要な役割を果たします。
優れた企業は、単に計画を立てるだけでなく、既存のアルゴリズムやモデルを活用して進捗を加速させ、コストを削減します。AIに携わったことがある人なら誰でも、モデルのトレーニングと開発にはコストがかかることを知っています。ある推定によると、GPT-3のトレーニングコストは約500万ドルとされています。これは、ほとんどの組織にとって夢にも思わないような投資であり、優れたモデルの開発に伴う試行錯誤を無視した金額です。
AI開発の経済性を考えると、企業は既に運用されている既存の資産、例えばクリーニング済み・準備済みのデータセットなどを再利用できる、そして再利用すべきです。ほとんどのプロジェクトでは、ゼロから始める必要はありません。オープンソースプロジェクトと同じように考えてみてください。必要な機能を実行する既存のコードがあるのに、なぜソフトウェアをゼロから開発する必要があるのでしょうか？
常にデータに疑問を持ちましょう。しかし、疑問に思うことで立ち止まってはいけません。
「アルゴリズムの良し悪しは、それを供給するデータの良し悪しで決まる」というよく言われることには十分な理由があるが、多くの組織はデータの品質を確保するための明確な戦略を持たずに AI プロジェクトを開始している。データ品質は一度考慮すれば済むことではない。モデル開発の前、最中、後に広範な作業を実施し、使用するデータセットが包括的かつ最新で正確であること、また可能な限りのバイアスを取り除くか考慮に入れる必要がある。もちろん、「完璧な」データセットを待っていたのでは、おそらくプロジェクトを開始できないだろう。変化する可能性のある変数や導入される可能性のある外れ値が多すぎるからだ。最近のDataiku 9のリリースには、Smart Pattern BuilderやFuzzy Joinsなどのツールが含まれており、ビジネスアナリストはコードを書いたり、手動でデータをクリーニングして準備したりすることなく、より複雑な（または不完全な）データセットを処理できる。
これは、データガバナンス戦略の成功と、ガバナンスを容易に実現できるツールの選択にかかっています。経営幹部のリーダーシップも不可欠です。トップダウンの賛同がなければガバナンスは機能せず、甚大な悪影響が生じる可能性があります。欧州の一般データ保護規則（GDPR）は、わずか4年足らずで、データガバナンスとプライバシーの問題に関連する6億ドル以上の罰金をもたらしました。Dataikuのプラットフォームは、あらゆるグローバル規制に準拠する広範なガバナンス機能を組み込んでおり、この点で大きな助けとなります。これは、データプライバシー法が大きく異なる地域で事業を展開するお客様にとって特に重要です。
透明性と明確なコミュニケーション（そして調整への意欲）が鍵となるだけでなく、企業のあらゆる部門が遵守できる包括的かつ持続可能なガバナンス・フレームワークの構築も重要です。近年、AIガバナンスの考え方はますます一般的になり、2019年にはシンガポールがAIガバナンスのための包括的なフレームワークを採用した最初の国となりました。今後、より多くの企業（そして国）がシンガポールに倣い、継続的なガバナンス戦略を優先するようになることを期待しています。そして、企業はガバナンスをあらゆるAIイニシアチブに不可欠な要素として組み込む方法を模索し続けるでしょう。
誰のために作っているのかを忘れないで
企業運営の中核を担うコンテンツ推奨エンジンや顧客離れ予測モデルは、データサイエンティストのノートブックからAPIを公開するだけでは不十分です。初期設計後、完全な運用化が必要です。AIプロジェクトが業務プロセスに効果的に組み込まれておらず、担当事業部門と整合したKPIが設定されていない場合、ROIの達成は困難です。最新のプラットフォームアップデートであるDataiku 9.0では、AIプロジェクトとビジネス目標のさらなる統合を支援する新機能が数多く導入されました。特にMLアサーションは、真の専門分野の専門家が既知のサニティチェックをモデルに組み込むことで、一般的なモデルメトリクスが誤った安心感につながる可能性のある事例を捉えることを可能にします。
運用化には計画と実行に加え、AIプロジェクトの成功には構築と展開に時間がかかることを全社的に認識することが必要です。開発と運用化のプロセスには、事業部門と各分野の専門家が関与する必要があります。事業部門からの意見を一切聞かずに運用化を進めても、真のニーズに対応していない、あるいは表面的な対応にとどまるプロジェクトしか実現できず、失敗する運命にあります。
メンテナンスは決して止まらない
多くの組織、特にAI導入に不慣れな組織は、AIテクノロジーを「ポイントアンドクリック」型のソリューションと捉えています。つまり、ユーザーはAIモデルを「オン」にするだけで、完璧に永続的に動作するのを観察できるのです。しかし、現実は全く逆です。強力なAIモデルは、モデルの信頼性、透明性、正確性を確保するために、継続的なメンテナンスと監視、そして入出力の頻繁な監査を必要とします。「モデルドリフト（またはモデルディケイ）」という概念は、かなり専門的に聞こえますが、実際には非常に単純です。時間の経過とともに変数が変化すると、AIモデルの予測力は弱まります。これは、モデルを微調整し、データを取得する現在の環境を反映するように更新しない限り、その効果は持続的に薄れていくからです。
新型コロナウイルス感染症の流行により、モデルドリフトはある程度主流となりました（Appleストア300店を突然閉鎖すると、アルゴリズムが実店舗での売上を予測できなくなる理由は容易に理解できます）。しかし、多くの組織では、モデルドリフトに対抗するための具体的なプロセスと手順が未だに不足しています。ここでMLOpsが重要になります。変数の変化を確実に考慮するには、関係するすべてのチーム間の連携が不可欠です。エンジニアが積極的な監視を必要とせずにモデルドリフトを管理するのに役立つツールも市場に数多く存在します。Dataiku のモデルドリフトモニタリング機能は、機械学習モデルの潜在的なドリフトを分析するためのビューを提供し、すべてのエンタープライズユーザーに無料で提供されています。
サイロ化しない
「AIの民主化」は流行語となっていますが、だからといって組織がAI開発により多くの人材を関与させようとする努力を止めるべきではありません。多くの企業が、AIモデルの構築や操作はデータサイエンティストのみに委ねていますが、この考え方には限界があります。データサイエンティストは優秀な人材ですが、彼らが担当するすべての業界の専門家になることは期待できません。開発プロセスには各分野の専門家を関与させるべきであり、ビジネスアナリストや経営幹部も同様に、KPIの定義や本番環境でのモデルの運用化に役割を果たすべきです。将来的には、Dataikuのwhat-if分析のようなツールが、意思決定者がAIモデルを操作（および変更を要求）する上で重要な役割を果たし、経営幹部が入力データへのリアルタイムの変更が及ぼす潜在的な影響を把握できるようになります。
AIはかつて、使いやすくプラグアンドプレイの技術と考えられていましたが、今ではサードパーティ製ツールが断片化され、価値を提供するには多大な人的介入を必要とするようになりました。企業はオールインワンソリューションを求めるか、複数のベストオブブリードツールを導入するかで揺れ動いていますが、AI導入の成功はテクノロジーだけでなく、企業文化にも大きく依存しています。収益に具体的なメリットをもたらす特定のプロジェクトに注力し、チームや地域を越えたコラボレーションを促進し、透明性と責任を常に意識することが、企業の成功につながります。
企業へのAI導入、あるいは新たな役割を担う人材がデータを効果的に活用できるよう支援することにお困りではありませんか？Dataikuがお手伝いします。Dataikuのプラットフォームの詳細や無料トライアルについては、www.dataiku.comをご覧ください。
