ガートナー：AIの未来と課題

機械学習と人工知能は、誇大広告のサイクルで期待が膨らむピーク段階に近づいています。

ウェビナーでは、GartnerのディレクターアナリストであるPeter Krenskyが、機械学習と人工知能の現状、今後5年間、および採用、開発、導入に影響を与える可能性のあるいくつかの課題について概説しました。

Krenskyによると、MLとAIは、誇大広告サイクルのピークの膨らんだ期待段階に近づいています。拡張現実と仮想現実は、ピークに続く「幻滅の谷」にすでに到達しており、自動運転車とドローンはピークを過ぎていましたが、まだサイクルの底に到達していません。

とはいえ、AIとMLには未開拓の産業がまだたくさんあります。 「トップパフォーマーのわずか40％が、人工知能をゲームチェンジャーと見なしています」とKrensky氏は述べています。 「つまり、さまざまな種類の組織内に多くの緑地があり、機械学習で可能なことに足を踏み入れているだけの業界全体でさえあります。」

AIとMLの継続的な開発を支持する要因の1つは、学術的、科学的、および企業のコアコンセプト間の整合性です。業界の90％以上がPythonでAIとMLのアルゴリズムとプラットフォームを作成しており、その多くが同じオープンソースライブラリ（Apache、TensorFlow）と同じクラウドインフラストラクチャ（AWS、Azure）を使用しています。

この連携により、業界全体での相乗効果が高まり、将来的に人材を採用する際に役立つ可能性があります。

業界全体でクラウドへの移行は着実に進んでいますが、約30〜45％がオンプレミスでAIまたはMLを実行し続けています。多くの場合、Krenskyは、組織がAIまたはMLプログラムの構築に多額の費用を費やしており、結果が類似している場合は、事前にトレーニングされたモデルやクラウドインフラストラクチャなどの安価な代替手段を避けていると考えています。

「クラウド内にある機械学習インフラストラクチャと、進化し続ける独自のオープンソースコンポーネントのセットに慣れなければなりません」とKrensky氏は述べています。「毎年、私たちが話していなかった新しいオープンソースフレームワークがあります。約2年前、今はずっと話し合っています。」

AIの実装方法を見ると、Gartnerには4つのモデルがあります。

• バトンを渡す– AIはタスクの面倒な部分で動作し、人間のオペレーターが残りを完了します。
• 共生– AIは、たとえば大量のデータを数秒で処理することで、人間の弱点を補うことができます。
• 拡張分析– AIは、人間のオペレーターのトレーナーまたはガイドとして使用され、データから分析または洞察を提供します。この例としては、古代ギリシャの彫刻に欠落している単語や文を提案した最近のAIプロジェクトがあります。
• 健全性チェック– AIはほとんどの機能を実行しますが、ミスを監視するために人間のオペレーターが待機しています。たとえば、困難なケースを人間に渡すカスタマーサポートボット。

Gartnerの調査によると、ほとんどのビジネスリーダーは、スタッフのスキルがAIとMLの採用の主な課題であり、56％であると述べています。 Krenskyはウェビナーで、ほとんどのML開発者は若く、5年未満の経験があり、2年未満しか仕事をしていないと述べています。

それに加えて、Gartnerは、プロジェクトの成功を、さまざまな専門知識を持つ複数のスタッフがいると考えています。データサイエンティスト、データエンジニア、MLスペシャリスト、ドメインエキスパートはすべて、AIまたはMLプロジェクトの開発において明確な役割を果たしますが、多くの場合、組織は幅広い知識を持つデータエンジニアに依存しています。

2番目に大きな課題は、AIの利点と使用法を理解することでした。ウェビナーで、Krenskyは、組織がAIプロジェクトを正しく管理する必要があり、すべての分野に投資するのではなく、経済的に意味のあるいくつかの主要なゾーンに焦点を当てる必要があることを推奨しました。

データの範囲と品質は3番目に大きな課題であり、Krenskyはリストの一番上にあるべきだと信じています。適切なデータ管理、品質チェック、およびデータガバナンスがないと、AIまたはMLプロジェクトが失敗する可能性がはるかに高くなります。