AI 教育者のカビタ ガネサン氏がビジネスにおける AI の機会を明らかにする

AI に対応することは、最初は気が遠くなるかもしれません。 今日のゲストは、適切な機会を捉え、その成功を測定し、シームレスな移行の準備を整えるのに役立つ反復可能なフレームワークを共有します。

過去 1 年間、ChatGPT の画期的な立ち上げを含む生成 AI の急速な進歩により、AI があらゆる人の注目を集めるようになりました。 ただし、どこから始めればよいかわからないビジネス リーダーにとって、AI 環境をナビゲートすることは困難を伴う場合があります。 AI が解決すべき適切な問題の選択から、堅牢なデータ インフラストラクチャの構築、およびチームの変化への準備に至るまで、移行は困難に感じることがあります。 ここでカビタ・ガネサンが登場します。

Kavita は AI アドバイザー、教育者であり、コンサルティング ビジネス Opinosis Analytics の創設者です。 博士号を持つKavita は、自然言語処理 (NLP)、検索テクノロジー、機械学習の分野での知識を持ち、15 年以上の経験を持ち、組織と協力して AI をわかりやすく理解し、ビジネス戦略に導入できるよう支援しています。 昨年の春、奇妙なことに、すべての話題が始まる数か月前に、彼女はビジネス リーダーが成果を生み出すAI イニシアチブを開始するための実践的なガイドである、「The Business Case for AI 」を出版しました。

その中で Kavita 氏は、影響力の高い AI の機会を特定するためのフレームワークの概要を説明し、問題を効果的に評価して枠組みを作り、ビジネス目標に沿った AI ソリューションの実装に優先順位を付けること、および各 AI イニシアチブの影響と成功を測定することの重要性を強調しています。 。

今日のエピソードでは、ビジネス リーダーが AI の変革の可能性をつかむための戦略について、カビタ氏に話を聞きました。

以下に重要なポイントをいくつか示します。

• 反復的な手動プロセスを最適化し、顧客のフィードバックや他の事業部門を通じて特定された非効率性に対処することで、ビジネスへの AI の組み込みを開始します。
• 大きな影響を与える機会を特定するには、AI を導入するのが合理的な場所を評価し、それが目に見えるビジネス上の利益につながるかどうかを確認します。
• 実装する前に、メリット、対処している問題点、およびそれを測定できる指標をより明確に説明するために、これらの機会を組み立てる必要があります。
• 次のステップは、専門家を呼んでそれが実現可能かどうかを確認することです。 そうして初めて、これらすべての取り組みをランク付けし、最も有益なものに優先順位を付けることができます。
• AI イニシアチブの成功は、モデルのパフォーマンス、ビジネスへの影響、ユーザーの満足度という 3 つの柱にかかっています。

私たちのディスカッションを気に入っていただけましたら、ポッドキャストの他のエピソードもチェックしてください。 Apple Podcasts、Spotify、YouTube をフォローしたり、選択したプレーヤーで RSS フィードを取得したりできます。 以下は、エピソードを軽く編集した書き起こしです。

AIのバグ

リアム・ジェラティ:こんにちは、Inside Intercom へようこそ。 私はリアム・ジェラティです。 今日の番組には、 『The Business Case for AI: A Leader's Guide to AI Strategies, Best Practices & Real-World Applications』の著者であるカビタ ガネサン氏が登場します。 そしてそれがまさに今日私たちが話そうとしていることです。 カビタさん、ショーへのご参加は大歓迎です。

カビタ・ガネサン:リアム、付き合ってくれてありがとう。 ここに来られて本当に嬉しいです。

リアム:中堅企業からフォーチュン 500 企業まで、幅広い組織に対して 20 以上の AI イニシアチブを成功させてきたことは知っています。 そもそも、どのようにして AI 分野に関わるようになったのでしょうか?

「私はソフトウェア エンジニアになりましたが、アルゴリズム開発と問題解決の部分全体が欠けていると感じていました。」

カビタ:私と AI の歴史は 2005 年に遡ります。当時は AI があまり普及しておらず、業界で魅力的でも必要とされてもいませんでした。 私は AI の問題解決の側面に興味をそそられました。たとえテクニックが同じであっても、別の問題に適用すると、その解決方法によって異なる課題が生じます。 私は本質的に問題解決能力があると思っているので、これは私にとって魅力的でした。 そこで私は修士課程で AI についてさらに深く研究していきました。 そこで私は AI 空間全体に触れました。

私はソフトウェア エンジニアになりましたが、アルゴリズム開発と問題解決の部分全体が欠けていると感じていました。 そのとき私は博士号を取得する必要があると決心しました。 AIに特化したかったからです。 そして、私が卒業しようとしていた 2013 年頃に、データ サイエンスが分野として注目を集め始めました。 そのとき、私は学術機関や研究室に行く代わりに、業界の問題を解決しに行こうと決心しました。 私は非常に実践的で応用的な人間だと思うので、これらのアルゴリズムが有効に活用されるのを見たかったのです。 そこからが本当に始まりました。 私はこれらすべてのプロジェクトを遂行し、医療からコードなどの他の分野に至るまで、さまざまな問題に取り組みました。

「生成 AI は、彼らにとって AI を地図上に載せたようなものです。」

リアム：ここ数か月の間に、世界の他の国々がこのすべての AI に追いついたように感じているはずです。

カビタ:そうですね、多くの企業にとって、AI は非常に新しいものであり、特に中小企業にとっては、AI は自分たちには関係がないと考えて考えてこなかったのです。 中規模企業はしばらく AI について検討していましたが、どうやって始めればよいのかわかりませんでした。生成 AI は、彼らにとって AI をある種の地図に載せるようになりました。

どこから始めれば？

リアム:あなたの著書『The Business Case for AI』について詳しく見ていきましょう。 率直に、あなたはリーダーたちが AI に関して懸念や懸念を抱いていることを認めています。 当社は、2023 年の顧客サービスにおける AI の現状に関するレポートを発表したところです。このレポートでは 1,000 人のサポート専門家を対象に調査を行ったところ、リーダーの 69% が来年 AI へのさらなる投資を計画していることがわかりました。 しかし、これまでのところ、すでにそうしているリーダーはわずか 38% だけです。 これは、アーリーアダプターにとって、AI がもたらすあらゆる利点を活用して真の競争上の優位性を獲得する大きなチャンスになるはずですよね?

カビタ：そうですね、全くその通りです。 適切な問題に適用すると、非常に早い段階で大きなメリットが得られます。 企業が現在直面している課題は、ビジネス内で適切な問題を見つけて、6 ～ 7 か月先ではなく、3 か月後に価値をもたらす方法で AI を適用することだと思います。

「それは、AI を構成するもの、AI をどこに適用できるか、どのようなタイプの問題に適用できるか、生成 AI が価値を付加する場所を理解することです。」

リアム:人々がロボットが世界を征服することを想像するのではなく、あなたの言うように、AI をビジネスの実用的なツールとして考えるように、AI の考え方を組み立てる方法について人々に言いたいことがありますか?

カビタ:最初のステップは、この獣が何であるかを理解することだと思います。 現在、人々は AI を生成型 AI だと考えていますが、生成型 AI はその AI パズルの 1 ピースにすぎません。 AI には他にもたくさんの機能があります。 従来の機械学習、NLP、コンピューター ビジョンがあります。 それは、AI を構成するもの、AI をどこに適用できるか、どのような種類の問題に適用できるか、生成 AI が付加価値を与える領域を理解することです。 部屋の中でその象に対処することは、ビジネスのどこに AI を適用できるかについての背景を設定したり、アイデアを生み出したりするのに役立ちます。 教育は最初のステップだと思います。

リアム:その困難を乗り越え、いわば AI 列車に乗っていると言うなら、既存のビジネス プロセスを改善するために社内で AI を何に使用できるかをどのように見つけますか? いくつか例を教えていただけますか？

「非効率な既存のプロセスを探すのが良い出発点です。」

カビタ:そうですね。 多くの企業は、反復的な問題を手動で解決することから始めることで価値を見出しています。 カスタマー サービスでは、サポート チケットのルーティングは繰り返しの作業であり、エージェントがチケットを読み、チケットを転送するチームを決定し、問題を優先順位付けできるようにその予備データをチームに送信するまでにかなりの時間がかかります。 。 反復的で人間レベルの思考を必要とする手動プロセスを見つけること、これが重要なポイントですが、これらの問題は十分に理解されており、解決方法として使用できる指標がある可能性が高いため、AI ソリューションが短期的に大きな影響を与えることができるのです。手動アプローチと比較してパフォーマンスを測定します。 非効率な既存のプロセスを探すのが良い出発点です。

リアム:そのリストはいつでも思いつくことができますが、チームと話し合って、日々の業務を改善できるブロッカーがどのようなものかを確認することもできます。

カビタ:はい、さまざまな事業部門と話し、課題を理解し、顧客からどのようなフィードバックが得られているかを理解するだけです。 顧客からのフィードバックを分析することによっても、非効率や課題を発見できます。 これらは AI が役立つ可能性がある分野です。 サポート ソリューションが効果的でないために、顧客が必要なサポートを受けるのに苦労しているとします。 そうすれば、「顧客が当社の発券システムを経由する必要がないように、顧客の問題に対処する、より優れた検索機能が必要かもしれない」という感覚が得られるでしょう。

適切なビジネスチャンスを見つける

リアム: AI に備え、AI 対応企業になり、その知識を実践したいと考えている人々にアドバイスはありますか?

「それぞれの機会を枠組みにすると、どれが最も有益で、どれが今は棚上げしてもよいわずかな利益しか得られないことが明らかになるでしょう。」

カビタ氏: AI への準備には 2 つの部分があります。 1 つは、社内のどこにチャンスがあるかを理解することです。 中規模の企業の場合、さまざまなビジネス部門と話し合い、課題を理解し、それらの機会を特定して枠組みを定めることが重要です。 販売中ですか？ それは人事部にありますか？ そうすることで、どの分野が競争上の優位性となり得るかがわかります。 2 番目の部分は、AI に必要な基礎部分であり、データ インフラストラクチャを整えます。 おそらく、積極的にデータを収集していないため、開始する必要があるか、データを収集しているもののデータ ストアがサイロ化されており、従業員が全体的な方法でデータにアクセスする方法がない可能性があります。 それらのギャップを特定し、それを機会と組み合わせることで、AI を社内に導入するための長期的な方法が得られます。

リアム: ChatGPT が登場して以来、あらゆる製品や企業が名前の最後に AI を冠しているように思えます。 このような状況の中で、リーダーは AI の機会をどのように見つけているのでしょうか? 役に立たないものをどうやって取り除くのでしょうか？

カビタ:そうですね、それは、機会を見つけてそれを組み立てるときに起こります。基本的には、その機会のメリットと、現在問題をどのように解決しているかを測定するためにどのような指標を使用するかを明確にすることになります。 それぞれの機会を枠組みにすると、どれが最も有益で、どれが今は棚上げしてもよいわずかな利益しか得られないことが明らかになります。 この明確な部分は非常に重要であり、私の「影響力の高い AI 発見フレームワーク」 (本書で説明されています) のステップ 2 です。 まず、アイデアがあるか、潜在的な AI の機会があります。 そしてステップ2はフレーミングです。

「AI やソフトウェアの自動化を導入すると、その特定の状況で目に見えるメリットが得られるでしょうか? ビジネス的にも意味があるのでしょうか？」

リアム:フレームワークについてもう少し詳しく話してもらえますか?

Kavita:このフレームワークは、影響力の高い AI の機会を特定するための反復可能なプロセスであり、4 つの主要なステップがあります。 1 つ目は、これが AI の有望な機会であるかどうかをまず考えることです。 AI の機会は、複雑な意思決定の問題を解決することがよくあり、それは AI が理にかなっていることです。 しかし、さらに先に進むためには、ビジネス上合理的である必要もあります。 そんな時は仕事量に注目してみましょう。 AI またはソフトウェアの自動化を導入すると、その特定の状況で具体的なメリットが得られますか? ビジネス的にも意味があるのでしょうか？ そして、基礎となる構成要素はありますか? このプロセスを手動で実行しているとします。 これら 3 つの条件を満たしていれば、AI の可能性はありますが、だからといって実装に踏み切る必要があるわけではありません。

ここでステップ 2 が登場し、それらの機会を組み立てます。 基本的に、商談にさらに詳細を追加します。 利点、対処している問題点、およびそれを測定するために使用する指標を明確にします。 そうすることで、ビジネスの成功とデータの可用性を達成していることがわかります。 ただし、繰り返しになりますが、これはすぐに実装に進むという意味ではありません。 それでも実現可能であることを確認する必要があります。 そこで専門家が登場します – ステップ 3。 あなたはそれを専門家に持って行き、こう言うでしょう。 どう思いますか？ 実現できるでしょうか？」 そこで彼らは、「データはあるが、量が十分ではない」、「今すぐ実装するには未来的すぎる」などの危険信号をすべて見つけます。 そこで彼らはブレーキをかけ、より多くの情報を提供します。 これらの情報をすべて入手したら、それらのイニシアチブをランク付けし、上位のイニシアチブを選択できます。これがステップ 4 のランク付けと優先順位付けです。 これは非常に繰り返し可能なプロセスであり、これを本書の重要な部分にしたいと思いました。なぜなら、人々はこれを体系的に実行する方法を現在持っていないと思うからです。

「モデル自体が終わりではありません。 モデルはビジネス上の問題を解決するための手段です。 そこにビジネスの成功が生まれるのです」

リアム:そこでも言及されましたが、リーダーがこれらの問題に取り組み、AI 戦略を導入すると何が起こるかについてお話したいと思います。 AI イニシアチブの成功を評価するにはどのようなアプローチをお勧めしますか?

カビタ:現時点では、リーダーは財務的な ROI を期待しており、AI の専門家は高精度のモデルを見たいだけであるため、ほとんどの企業にとって成功は曖昧です。 私の本の中で、成功の 3 つの柱について話しています。 1つはモデルの成功です。 モデルは、許容可能な最小限のパフォーマンスを備えている必要があります。 そうしないと、問題の本当の解決にはなりません。 精度が 50% であれば、それは単なるランダムです。 タスクを実行し、適切にパフォーマンスを発揮していることを確認したいと考えています。 しかし、モデル自体が終わりではありません。 モデルはビジネス上の問題を解決するための手段です。 ビジネスの成功はそこから始まります。そして、これはあなたの悩みのポイントに直接関係します。 何を改善したいと考えていますか? サポートチケットを分析しようとしているのでしょうか? 従業員のワークライフバランスを改善しようとしていますか? これらすべてを測定する間接的な方法があります。 ビジネスの成功のために追跡する必要があるのはこれです。

しかし、最終的に影響を受けるのはユーザーであるため、モデルの成功やビジネスの成功だけでは十分ではありません。 AI ソリューションのユーザーとも話をしたいと考えています。 それはベンダーや従業員、つまり AI 出力を利用するあらゆる人である可能性があります。 ソリューションの正確さ、使いやすさ、モデルまたはワークフローのいずれかで問題が表面化する可能性のあるものについてどう思うかを尋ねると、導入の問題が浮き彫りになる可能性があるためです。 解決策が気に入らない場合は、古いやり方に戻る可能性があります。 AI ソリューションが正確でビジネスの成功を収めているにもかかわらず、彼らは使いたがらないかもしれません。

ループ内の人間

リアム: AI の導入を検討している、少し緊張していたり​​、心配していたり​​、心配していたり​​するカスタマー サポートのリーダーに何か言いたいですか? 彼らがそれを乗り越えるためにあなたなら何と言いますか？

カビタ:リーダーたちの間で私が見てきたテーマの 1 つは、AI システムが多くの仕事 (自分自身の仕事も含む) を奪うだろうということです。 悲しいことにこれは事実ですが、人間が介入する品質保証層が依然として必要なため、AI システムは単に仕事を置き換えるだけでなく、ワークフローを強化する可能性が高いと思います。AI システムはカスタマー サポート チケットの解決には役立ちますが、解決できない場合はどうすればよいでしょうか。問題？ 人間はそこにいる必要がある。 そして、AI システムはどのように学習しているのでしょうか? 彼らはデータから学びます。 そして、このデータは誰が生成するのでしょうか? 人間。 私たちはこの AI システムに大きく関与しているため、QA、データ生成、およびより困難な問題の解決に関して常に関与しています。

それは一つの側面です。 もう 1 つは、それぞれの問題に対して期待値を正しく設定し、リスクを十分に考慮することです。 このシナリオで AI を唯一の意思決定者にした場合、どのようなリスクがありますか? リスクを理解することは、そのシナリオにおける AI の導入に対する抵抗の一部に対処するのに役立ちます。 おそらくこのシナリオではリスクが高すぎるため、AI が行ったことを人間が監視できるようにする必要があるでしょう。

リアム：私たちはすでにそれを目にしていると思いますが、人々が失われるのではないかと恐れている仕事について、AIは実際に新しい仕事と役割、つまりAIを監視する人々、または私たちの場合はチャットボットデザイナーを生み出しています。 それはすべてが絶望的で暗いわけではありません。

カビタ：はい。 役割は、非常に低レベルの仕事から高レベルの仕事に移行する可能性があると思います。 あなたはもっと QA マネージャーになるでしょう。 そう、役割は最終的には変わります。

リアム:カビタさん、AI とビジネスの連携について人々に知っておいてほしいことは何ですか?

カビタ: AI とビジネス、良い質問ですね。 研究の世界では、1 つの AI ソリューションが問題を解決しているのをよく目にします。 しかし、ビジネスにおいては、1 つの AI ソリューションだけでは十分ではない可能性があります。 ハイブリッド ソリューションが必要になります。 それは、AI システム、エッジケース用のルールベースのシステム、そして場合によっては人間を組み合わせたものになる可能性があります。 そのため、ビジネス ソリューションは研究システムほど洗練されておらず、複雑であることがよくあります。

リアム：最後に、人々はどこに行けばあなたとあなたの仕事について知ることができますか？

カビタ:最初に行くのは私のウェブサイト、kavita-ganesan.com です。 そこで私の本について学ぶことができます。 また、私のコンサルティング ページや、私が行った他のポッドキャストにもアクセスできます。

リアム：完璧だよ。 カビタさん、今日はご参加いただきまして誠にありがとうございます。

カビタ：リアム、付き合ってくれてありがとう。