ビジネスにおけるAIの進化：私たちがどこまで来たか

今朝メールを開くと、送信した古いメッセージに関するアラートが表示されました。アラートには、「10日前に送信されました。フォローアップしますか？」確かに、私は同僚に応答するように思い出させる必要がありました。この経験から、私たちがどこまで進んだか、そしてビジネスにおける人工知能（AI）の将来について振り返ることができました。

私は約40年前、バークレー校のアリス・アゴギノ教授の下で学部生だったときに、この分野に魅了されました。アゴギノ教授はこの簡単な図をボードに描きました。

当時、AIシステムはエキスパートシステムと呼ばれていました。彼らはより多くの人々が専門家レベルでほとんどのタスクを完了することを可能にしました。彼らはユーザーの可能性を高め、ビジネス全体のパフォーマンス曲線をシフトさせました。これらのシステムを使用すると、専門家は自分だけが取り組むことができる最も困難なタスクに集中できます。

何年にもわたって、この説得力のあるアイデア、つまりテクノロジーが私たちのパフォーマンスを大規模に拡張できるという考えは、私にとどまりました。それが私の情熱を形作り、私自身の専門的な旅はAI自体の軌跡をたどってきました。

しかし、その過程で、いくつかの課題がありました。私たちのシステムのモデルは、ビジネスの変化に遅れをとる傾向がありました。昨日の問題は最適に解決しますが、徐々に古くなっていきます。使用とメンテナンスのために専用のチームが必要でした。

今日の場所

今日のAIシステムは、3つの点で初期のエキスパートシステムや従来のビジネスソリューションとは根本的に異なります。

• 使い方は異なります;

• インテリジェンスの重点は自動化から拡張に移行しました。

• AIシステムは使用法から学び、ビジネスの変化に適応します。

使用方法： 従来のビジネスソリューションは断片化されていることがよくあります。システムの1つのセットは、ビジネスが現在どのようになっているのかを示します 実行中（従来のビジネスインテリジェンス）、もう1つは方法を決定するのに役立ちます あなたのビジネスを運営するために、そしてさらに別のものはあなたがあなたがしたことを記録することを可能にします ビジネスを運営するため（エンタープライズリソースプランニング）。

ユーザーは、記述的および診断的分析から、デジタルツインモデルを使用した予測分析および最適化まで、面倒で切り離されたパスをたどる必要があります。次に、決定が下されたら、振り返ってその決定をERPに記録する必要があります。

対照的に、AIを使用する場合、推奨事項から直接開始し、説明として予測、診断、および記述的な洞察を探ることができます。 AIは、推奨事項とは異なる決定を下す可能性がある場合でも、行動を起こすための段階的なガイドラインを提供します。

強調のシフト： 従来のエキスパートシステムは、自動化に過度に焦点を合わせていました。今日のAIシステムは、ビジネスプロセスのナビゲートと調整に役立ちます。私の意見では、AIを拡張と考える方がよいでしょう。 人工知能ではなく知能。今日、私たちはAIをトレーニングし、ニーズに適応できるものと見なしています。

学習と適応 ：従来のビジネスシステムは静的であり、時間の経過とともに古くなる傾向があります。ビジネスにフィードバックや変更を組み込むには、機能強化と改訂が必要です。対照的に、AIシステムは動的です。彼らは変化するビジネスニーズを学び、それに適応します。使用すればするほど、時間の経過とともに賢く効果的になります。

従来のBI	AI
ユーザーは、記述的および診断的分析から始めて、代替案を模索し、結果を予測し、選択を行い、最終的にはビジネスを運営するための行動を取るという、退屈でしばしば切り離された道をたどる必要があります。	ユーザーに推奨されるアクションと、説明として予測、診断、および説明的な洞察を探索する機能を提供します。 AIは、通常の分析ステップ全体ですでにすべての面倒な作業を行っています。
説明的なダッシュボード、レポート、アラートに限定されています。	ユーザーが日常のタスクを実行する方法に溶け込みます。そこにあることに気付かないかもしれません。
進化するにつれて、より幅広いオーディエンスをターゲットにするためにますます一般的になる傾向があります。	ユーザーの範囲が時間の経過とともに拡大しても、個人的になり、個々のユーザーの行動や好みにますます具体的になることを学びます。
データの分析に重点を置いています。	意思決定に焦点を当てています。
静的であり、時間の経過とともに古くなる可能性があります。変化するビジネスニーズや好みに対応するには、機能強化と改訂が必要です。	動的であり、変化を学び、適応するように設計されています。使用すればするほど、時間の経過とともに賢く効果的になります。

今後の展望

強力ですが、AI機能にはいくつかの課題があります。

まず、AIから最大の価値を引き出すには、テクノロジーに対する行動と態度の両方において、勤勉な変更管理が必要です。人々がテクノロジーを脅威またはパフォーマンス目標を伸ばす手段と見なす場合、彼らはその成功を妨害するために働きます。また、AIの採用が、顧客やサプライヤーとのコントロールや個人的な接触の喪失を意味する場合、または部門の枠を超えた思考を妨げる場合、それは失敗します。

一方、人々がAIを、自分たちの生活を楽にし、賢くし、組織間で協力し、より多くのことを達成する新しいツールのセットと見なす場合、彼らはそれを成功させるために働きます。

2番目の問題はAIの倫理についてです。 AIをより透明で倫理的なものにする必要があります。機械学習モデルは、彼らが教えられ、さらされてきたことを学びます。データにバイアスがかかると、AIにもバイアスがかかります。また、ブラックボックスからの推奨事項に従うことを好む人は誰もいません。 AIモデルは、推奨事項、行われた仮定、感知されたパターン、およびどのオプションが透過的に検討されたかを説明する必要があります。

最後に、AIで解決しようとしている問題が、そもそも解決すべき問題であるかどうかを自問する必要があります。 AIを活用して、人間の到達範囲を拡大し、生活を改善するように取り組む必要があります。

これまでのAIの変革は、一言で言えば革命的なものでした。このテクノロジーを採用し、活用し、改善すればするほど、ビジネスは改善されます。

AdeelNajmiはLevaDataのチーフプロダクトオフィサーです。