AI導入の迷宮を進む

Navigating the AI Implementation Maze

AIを活用したビジネスのイノベーションを支援してきた5年を振り返り、共通の障壁を明らかにし、得られた教訓を受け入れる。

複数の企業と働き、彼らがAIソリューションを展開するのを助ける過去5年間で、私はいくつかの共通のパターンを目撃し、それらを共有することに決めました。

このブログ投稿では、AIイノベーションを受け入れる際に組織がしばしば遭遇する障壁（私の経験に基づく）について明らかにしていきます。しかし心配はいりません！このブログ投稿は単に課題を挙げるだけではありません、それらから学ぶことについても言及しています。

さあ、始めましょう！

理想のAIソリューションを求めて

AI技術の絶え間なく進化する風景の中で、特定のユースケースに最適なソリューションを見つけることは、ハヤスタックの中の針を探すのと似ています。AIの力を活用したいという意欲のある企業は、しばしば広範な探索とベンチマークを行い、多くの時間とリソースを費やします。

• 仮想現実における人間の動作認識の進展：本AI論文では、LKA-GCNというスケルトン大カーネルアテンションを導入して、非の打ちどころのないパフォーマンスを実現します
• 「統計学習入門、Pythonエディション：無料の書籍」
• 「LangChainを使用したLLMアプリケーションのためのプロンプトエンジニアリングのマスタリング」

AIの採用にあたっては、一つのサイズが全てに適合するわけではない各ユースケースは、時には複数のAIプロバイダの徹底的な探求を必要とします。私が協力した企業では、この重要な活動に平均して約3ヶ月を費やしました。

企業が探索とベンチマークの複雑さに苦しむ中で、一部の企業はコンサルティング会社からの外部支援を求めることもあります。彼らは貴重な洞察を提供できますが、そのサービスにはコストがかかります（場合によっては非常に高額です）。

探索とベンチマークのフェーズで時間を費やしすぎないために、以下の2つのことができます：

• 予め選定されたプロバイダリスト：プロバイダの実績と信頼性に基づいて選定されたAIプロバイダのリストを作成し、貴重な時間とリソースを節約することができます。このアプローチは、詳細な調査の必要性を減らし、間違ったプロバイダの選択のリスクを最小限に抑えることができます。ただし、イノベーションは予期せぬ源から生まれることもあるため、ニッチなプレーヤーを見落とさないでください。ビッグテック企業（Google、OpenAIなど）だけが市場のプレーヤーではありません。
• 「友達に電話する」：同僚や業界の専門家と協力し、AIプロバイダの能力や使用経験について貴重な知見を得ることができます。

新しいAIプロバイダのオンボーディングの冒険

企業が初期の探索とベンチマークのフェーズを進めるにつれて、AI採用の旅における次の障壁は、これらのプロバイダの統合プロセスです。この重要なステップでは、アカウントの設定、プラットフォーム/APIへのアクセス権の取得、セキュリティルールの定義などが必要であり、さらに3ヶ月のやり取りが必要となります。

さらに、各プロバイダには独自の要件とインターフェースがある場合があります。それぞれのAPIドキュメントを理解することは容易に圧倒される可能性があります。これらすべてが採用プロセスに複雑さを加え、特にAIに新しい組織にとっては難しい状況を作り出します。

統合の課題を克服するために、以下の3つのことができます：

• 習熟のためのパイロットプロジェクト：ただ始めるだけです、待たないでください。パイロットプロジェクトや概念実証を開始して、新しいAIソリューションの実践的な知識と経験を得ましょう。これらの小規模プロジェクトは、本格的な統合の準備だけでなく、テクノロジーの有用性のさまざまな方法にも光を当てることができます。
• 標準化された統合手順：データの保存場所、使用するAPIプロトコル、および企業システムに合わせるために検証する必要のある2〜3つの要素を決定してください。

ゴールラインを越える直前：現実と期待

6ヶ月以上の投資と多くの企業リソースを投入した後、イニシアチブの50%以上が失敗し、期待に達しないことは非常にもどかしいです。

実装後の失望の最も大きな原因の一つは、プロバイダが高い約束を果たせないことです。他の多くの技術と同様に、特にAIの場合、企業は簡単にマーケティングの主張や素晴らしいデモに騙されます。そして、実際のパフォーマンスや結果がPOCの段階で設定された期待と一致しないことに気付きます。この不一致は、AIを貴重な技術として捉える組織（つまり、Cレベルと予算所有者）の認識に悪影響を与える可能性があります。

さらに、AIソリューションの価格設定は複雑な場合があります。プロバイダによっては、モデル、ホスティング、サポートのいずれか、またはこれらの一部のみが含まれる場合もあります。多くのプロバイダが使用量に応じた支払いモデルに移行しているため、価格も変動します。

最後に、AIは企業のさまざまな側面に触れていることを念頭に置いてください。使用するデータからITシステム、さらにはビジネス要件まで、シームレスな統合に必要な時間とリソースを企業が過小評価することがあり、予期せぬ開発上の課題が生じる可能性があります。このような予期しない複雑さは、初期のプロジェクトのタイムラインを混乱させる可能性があります。

ポスト実装のフラストレーションを軽減するために、以下の3つのことができます：

• 購入前に試してみる：プロバイダのマーケティングページで見たものを盲目的に信じるべきではありません。少し掘り下げることで、マーケティングの主張と実際のパフォーマンスの間に潜在的なギャップを見つけることができるかもしれません。したがって、常に自分自身のテストを実行してから決定してください。
• 透明な価格交渉：さまざまなコスト要素（サービス料、アップデート、メンテナンスなど）について話し合うことを確認してください。また、コミットメントできる場合はボリューム価格の割引を要求してください。
• プロバイダをサポートする：プロバイダにフィードバックを共有したり、うまくいかない点を指摘したりすることをためらわないでください。彼らはサービスとそのパフォーマンスについて常に改善を行っています。彼らをサポートすることで、長期的により良いサービスを得ることができます。

結論

AIの導入にはさまざまな課題がありますが、適切なプロバイダの選定からオンボーディングの複雑さ、そして実装後のフラストレーションまで、これらのハードルを乗り越えるためには、実行可能な戦略を持っていることが重要です。

AIの導入は、最新のテクノロジーを展開するだけではなく、イノベーションと変革の旅であることを忘れないでください。

お読みいただきありがとうございました！ご質問がありましたら、お気軽にTwitter（@rami-iguerwane）またはLinkedIn（Rami Iguerwane）でお問い合わせください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!