ジェネレーティブAIはハネムーン時代にあるが、それは長く続かないだろう

あなたがたお二人は、様々な分野の企業と協力されていますが、AIの統合を収益に転換する点で最も先進的だと思われる産業を1つか2つ挙げていただけますか。Vさんから始めましょう。
はい、ありがとうございます、エリー。皆さん、こんばんは。私はVと申します。オーストラリアのメルボルンを拠点に、当社のデータとAIに関する地域ビジネスを統括しています。主要なセクターとしては、いわゆる戦略的な賭けを行っているビジネスリーダーがいる分野、例えば銀行業、保険業、医療などが挙げられます。これら3つが最も活発な分野だと言えるでしょう。
デバンさん、あなたはどうですか。
同様に、4つの産業分野で多くのAIの導入が見られます。1つは金融サービス、これには銀行業と保険業が含まれます。次に医療、小売業、そして製造業です。製造業では実際に多くの取り組みがあり、ジェネレーティブAIと予測型AIの両方が使用されています。
特に課題に直面している業界はありますか。
驚くべきことに、より規制の厳しい業界が実際にAIを多く使用しています。一般的に考えられているのとは逆です。医療も金融サービスも規制されていますが、主に製造業が、AIのスペクトルで言えば、予測モデリングや処方的モデリングなどの古典的なAIを長年使用してきました。ジェネレーティブAIを組み合わせ始めると、例えば製造業では少し異なるアプローチを取り、時間をかけて導入していますが、すでにこの分野でも初期のリーダーたちが現れています。
異なるアプローチとおっしゃいましたが、具体的にはどのようなことをしているのでしょうか。
確かに、文脈が少し異なります。資産集約型産業では、異なるタイプのビジネス条件下で働く必要があります。AIから最大の価値を引き出すためには、データセットを準備する必要がありますが、資産集約型産業では、使用する計器のタイプに非常に特化したデータセットが必要となり、これは金融サービスなどとは異なります。これらが、私たちが協力しているクライアントが検討しているような思考プロセスです。
デバンさん、あなたのクライアントポートフォリオを見て、このセッションのタイトルにもあるように、収益を解き放つ上で存在すると思われる具体的な障害をいくつか挙げていただけますか。
実際、私は顧客が直面している3つのギャップがあると考えています。1つ目は価値のギャップです。AIに対する大きな期待がありますが、それをビジネスの成果に転換することは、様々な理由で簡単ではありません。時には十分なツールやプラットフォームがなく、時にはデータがなく、ビジネスの問題をAIの問題に置き換えることが人々にとって簡単ではありません。2つ目は信頼のギャップです。多くの人がAIを試していますが、プロトタイプを作成しているものの、それらのAIアプリケーションやモデルを本番環境に投入する自信がありません。その精度や安全性、関連するリスクについて確信が持てないからです。3つ目はもちろん、専門知識のギャップです。これは多くの人々にとって大きな焦点となっている分野です。例えば、基盤モデルを構築できる人はそれほど多くありません。しかし幸いなことに、基盤モデルを構築するのにそれほど多くの人は必要ありません。本当に必要なのは、これらのモデルを使ってビジネスの問題を解決できる人々です。それでもこれには多くの専門知識とトレーニングが必要です。
また、人々が心配しているもう一つのことは、AIが企業内のスキルミックスを混乱させることです。例えば、今日人々が行っている様々な仕事にどのような影響があるのか、それらの仕事はどうなるのか、そしてAIによって新しい仕事が生まれるでしょうが、それには労働力のスキルアップも必要になります。
大学で何を勉強すべきか考えている若い人に、このような新しいAI環境で成功するためのアドバイスはありますか。何を勉強すべきでしょうか。
私の家にもそのような若者がいます。息子が高校を卒業し、カリフォルニア大学でコンピューターサイエンスを専攻していますが、彼はコーディングの仕事がどうなるのか少し心配しています。AIコパイロットがこれらのコーディングの仕事の多くを行うことになると思いますが、AIは新しいタイプの仕事も生み出すと考えています。おそらく最も実り多く生産的なスキルアップの方法は、AIのスキルを特定のドメイン固有のスキルと組み合わせることです。例えば、生物学の専門家であれば、AIを応用して新しい薬や個別化医療を行うことが大きな分野になるでしょう。教育分野でも、個別化された教育が大きなテーマになると思います。AIを使ってこれらの新しい産業、新しいユースケース、新しいビジネスを創造する方法を考えることが、最も活発な分野になるでしょう。人々はキャリアを設計する際にこのようなことを考える必要があります。
あなたが説明された信頼のギャップと専門知識のギャップに興味があります。リベッカ、あなたもそのようなものを目撃されましたか。もしそうなら、それらの要因に何か人口統計学的な特徴はありますか。信頼のギャップは世界の一部の地域で他の地域よりも顕著なのでしょうか。女性よりも男性に多いのでしょうか。これらの要因について何か特徴はありますか。
ありがとうございます。私たちは大きな転換点を迎えています。適切な場所に適切な人材がいないことは、現在すべてのビジネスが直面している課題です。私たちが再発明と呼ぶこと、つまり端から端まで考え、段階的にではなく実際に再発明する方法を考える人材を十分に見つけることができません。例えば、少し話がそれますが、私たちは世界的な食品・飲料会社と協力し、AIを活用したマーケティングコンテンツ生成ソリューションを使用して、1年分のコンテンツを約8日で作成しました。これは生産性向上の面で驚異的です。しかし、その中心にあるのは、実際に労働力をどのように変革するかということです。
これを本当にスケールアップするには、ユースケースを超えてビジネス能力を考える必要があります。製品発売をどのように考えるか、あるいは何かを適用できる写真撮影をどのように考えるかなどです。ご質問の点に関しては、人材を見つけることは困難です。企業は労働力変革の観点から何を意味するのかを考えなければなりません。アクセンチュアでは、将来の仕事がどのようなものになるかについて具体的に多くの取り組みを行ってきました。そこから始めて、将来の仕事がそうであれば、どのタイプの労働力が必要かを考え、どのタイプの労働者がどのようなスキルセットを持つ必要があるかを定義し、労働力をどのように実際に変革するかについて構造化されたカリキュラムを持つことが非常に重要になります。
私は今日、私たちが事業を展開するすべての市場で人材を獲得しようとしていますが、人材は限られています。そのため、基本的な能力の適切なセットを獲得し、社内で訓練することと、人々を移動させることの組み合わせです。例えば、従来のデータと現代のデータは大きな分野です。なぜなら、データを正しく扱わなければ、AIから価値を引き出すことはできませんから。これでいくつかのアイデアが得られたと思います。
信頼のギャップに関しては、取り組んでいるユースケースのリスクレベルによると思います。EUのAI法は実際にそれらのリスクレベルを定義する上で良い仕事をしていると思います。AIを決して使用すべきではないユースケース、例えば社会正義などがあります。そして、高リスク、中程度のリスク、低リスクのユースケースがあり、それは人々が持つ規制に依存します。CIOと話すと、彼らは3つのことを心配しています。AIがトップラインの成長を生み出せるか、AIがコストを削減できるか、そして刑務所に入らずに済むかです。刑務所に入らないというのは、信頼が問題となる部分です。規制産業のCIOと話すと、そこが最も心配されています。なぜなら、それはビジネスリスクだけでなく、評判リスクを生み出す可能性があり、時には他の多くのタイプのリスクを生み出す可能性があるからです。例えば、法律の間違った側に立つ可能性があります。
この部屋のリーダーたちに、その信頼のギャップを埋め、向こう側に到達するためのアドバイスはありますか。
はい、まず最初に行うべきことは、取り組んでいるユースケースのリスクプロファイルを定義することです。リスクプロファイルに応じて、異なるステップを踏む必要があります。例えば、どのような種類のテストを行う必要があるか、どのような開示が必要か、AIによって生成された結果にどのような修正を適用する必要があるかなどです。これらを体系的に考えれば、リスクに対処し、どこまで本番環境に持ち込めるか、そして何か問題が発生した場合にどのような行動を取る必要があるかを把握することができます。
数分後にフロアからの質問を受け付けます。あと2、3質問させてください。デバンさん、あなたはデータロボットのCEOに就任して約18ヶ月になりますね。就任時、会社は少し厳しい状況にあり、かなりの人員削減があったと思います。しかし、あなたは本当にターンアラウンドを実行し、新しいプラットフォーム9.0があり、様々な統合を展開していますね。そのターンアラウンドの中で、AIが果たした役割について少し話していただけますか。
私がデータロボットに加わったとき、ジェネレーティブAIはまだ話題になっていませんでした。ジェネレーティブAIが登場したのは、私がサンフランシスコのモルガン・スタンレーのカンファレンスにいたときで、みんながジェネレーティブAIについて尋ねてきました。帰りのウーバーの運転手に30分間ジェネレーティブAIについて質問されたとき、ジェネレーティブAIが到来したことを知りました。
ジェネレーティブAIは会社のターンアラウンドで本当に大きな役割を果たしました。なぜなら、ジェネレーティブAIには多くの機会があるからです。また、私たちは長年AIビジネスに携わってきました。純粋なAI企業として約12年間活動してきましたが、予測型AI用に開発したものの一部は、特にガバナンスや観測可能性などに関しては、ジェネレーティブAIにもうまく適用できます。
私が見てきたのは、予測型AIとジェネレーティブAIの組み合わせ、その交差点で最も価値の高いユースケースがビジネスのために見つかるということです。これを左脳と右脳の観点から考えています。左脳は分析的な部分、予測型AIで、右脳はコミュニケーション的な部分です。この2つを組み合わせたとき、AIのiPhoneモーメントが起こるのです。それが今起こっていることです。
ビー、アクセンチュアはAIに30億ドルを投資すると言っていますね。その投資が、クライアントとの関わり方を前向きに変え、プロセスを加速させながらも、アクセンチュアがよく知られているハイタッチな人間的要素をどのように維持するのでしょうか。そのバランスはどうなっていますか。
ありがとうございます。素晴らしい質問です。これはアクセンチュアからの非常に大きな投資で、当社のCEOが2023年に発表しました。その主要な部分は、業界と協力して業界の未来をどのように形作るかということでした。その一部は、業界特有のソリューションや機能特有のソリューションをどのように構築するか、世界中にいわゆるジェンスタジオのネットワークを構築し、クライアントがそのようなセンターに来たときに世界中で最新の情報を見ることができるようにすることでした。もう一つの部分は、自社の労働力のトレーニングでした。
大きな点は、この中心に人間をどのように置くかということです。アクセンチュアが発表した研究のほとんどを見ると、利益の約半分は自動化から来ています。デバンさんの指摘のように、データに関する古典的なAIから言語に関するジェネレーティブAIに移行すると、大規模な自律的プロセスなどの自動化の面で驚くべきことができます。
しかし、これらを組み合わせると、残りの半分の利益は私たちが増強型と呼ぶものです。プロセスを段階的に考えるのではなく、再発明を考え始める必要があります。顧客ケアをどのように行うかを新しい方法で考え始める必要があり、それは今日の方法を見るのとは非常に異なります。
増強を行うには、人間を中心に置いて考え始め、この新しい世界で機械が人間をサポートするためにどのような役割を果たすかを考える必要があります。そして、まだ利益を得ることができます。利益は単なる自動化や生産性の利益だけではありません。本当の利益は成果に関するものです。より興味深い異なるタイプの仕事を持つこと、クライアントのビジネスで私たちが10倍のインパクトと呼ぶものを得ることなどです。そのように、人間をその中心に置くことをどのように考えているかということです。
フロアに開く前に、もう一つ質問があります。デバンさん、先ほどAIのiPhoneモーメントについて言及されましたが、お二人にとって個人的なAIのiPhoneモーメントとは何でしょうか。もしかしたらすでに起こっているかもしれませんし、まだかもしれません。それはどのようなものでしょうか。すべてを変える大きな閃きの瞬間とは。
そうですね、AIが私たちの行うすべてのことに浸透したときですね。iPhoneモーメントとは呼ばないかもしれませんが、しばらくの間私を魅了した使用例があります。
私たちには、古典的なAIを使用して様々な種類の予測を行っている顧客がいます。アメリカで多くの食料品店を所有している顧客がいて、彼らは私たちのモデルを使用して、例えばカリフォルニアの特定の店舗で何個のマンゴーを注文する必要があるかを予測しています。彼らはすべての製品、すべての店舗で、時には異なる日に異なるモデルを使用しており、数千のそのようなモデルを持っています。
ジェネレーティブAIで彼らが行ったことは非常に魅力的でした。今や彼らは特定の店舗で何個の余剰マンゴーが出るかを把握し、それを知っている人々に個別化されたクーポンを作成して送っています。また、例えば非常にローカライズされたラジオ広告を作成し、様々な異なるラジオ局で放送しています。例えば、インド人が熟したマンゴーを好み、メキシコ人が緑のマンゴーを好むことを知っていれば、地元のニュース局でヒンディー語の広告を流すなど、これらすべてを自動的に行っています。
私たちが行うほとんどすべてのことは、おそらくAIの使用でよりインテリジェントにすることができ、それが浸透して目に見えなくなったとき、そのiPhoneモーメントが起こったことを知るでしょう。
マンゴーの余りはないということですね。ビーさん、これは非常に興味深いですね。
そうですね、非常に興味深いです。昨年は主に実験的なものでしたが、今年はビジネスが本当にスケールアップするために頭を寄せ合っているのを見ています。スケールアップするためには、コンペテンシーについて考える必要があります。大規模言語モデルを持つことは、何かを行うための小さな部分に過ぎません。
通常、リーダーたちがこれをうまく行う際に、私たちは7つのことを見ています。スケールアップするために、多くのものを一緒に持ってくる必要があります。クラウド上にいることを考えてください。これが1つ目です。2つ目は、私たちが話したデータの準備です。3つ目は、エンタープライズグレードのAIソリューションについて考えることです。これはモデルだけでなく、モデルの上に適応があり、適応の上に消費があります。これらをまとめる必要があります。
また、ERPプラットフォーム、マーケティングプラットフォーム、セールスプラットフォームなどのデジタルプラットフォームと統合したいと思うでしょう。価値を本当に解き放ち、スケールアップするためには、これらの多くのことが一緒に来る必要があります。私にとって、これが昨年から今年にかけての大きな違いだと思います。
ビーさんとデバンさんへの質問がある方は手を挙げてください。もしなければ、最後の質問で締めくくりたいと思います。タイムラインについて話したいと思います。ビーさん、あなたは先ほど複数のステップを説明されましました。もしクライアントが来て、「今からAIに大量の投資をしようとしています。これが私たちの優先事項です」と言ったとき、意味のある成果を見るための現実的なタイムラインはどのくらいでしょうか。
確かに、例を挙げましょう。最近、アクセンチュアとナショナル・オーストラリア銀行が、約1年半にわたって取り組んできた旅について発表しました。このプロセスを通じて、彼らは特に顧客サービスと業務効率においてジェネレーティブAIを使用して再発明する方法に焦点を当てました。約20のODユースケースがあり、そのうち8つがエンタープライズグレードレベルでした。これが約1年半かかりました。
言いたいのは、これは複数年の旅になるということです。再発明を考えているなら、私が一緒に仕事をしているリーダーたちに励ましているのは、ユースケースを超えて考えることです。スケールに到達するには、ユースケースからビジネス能力へと移行する必要があり、それには時間がかかります。多くの思考が必要です。
プロセスを段階的に変更することにとらわれないよう、強くお勧めします。自社の労働力に投資することが非常に重要になります。そして、先ほど話した7つの要素すべてを考え抜く必要がありますが、本当に複数年の旅になります。今日行っていることに段階的な変更を加えるのではなく、どのように考えるかを考える必要があります。
この部屋の人々への最後のアドバイスとして、もし彼らが、私たちが言ったように、将来的に本当に収益を解き放ちたいと思っている企業にいるなら、明日オフィスに行って考え始めるべき一つのことは何でしょうか。
私は、ユースケースとビジネスへの価値還元が重要だと考えています。ジェネレーティブAIについては、私たちはハネムーン期間にあり、それは長く続かないでしょう。そのため、近い将来の価値を示すユースケースを選ぶことが重要ですが、同時に長期的な計画も持つ必要があります。そうすることで、スケールでの価値を示すことができます。これは起こると思いますが、近い将来の価値を示し、いくらかの投資収益率を示し、いくつかの初期の成功を示すことが非常に重要だと思います。
ビーさん、最後にアドバイスをお願いします。
非常に似ています。私たちがすべてのクライアントと行っているように、価値をリードすることです。ビジネスの観点から何を解決しようとしているのかを本当に知る必要があります。これは技術のためではありません。技術のライフサイクルの数十年後、人間の働き方に適応する技術が現れました。適切にアプローチすれば、価値を解き放つ上でやるべきことがたくさんある興奮する時代だと思います。
ビーさん、デバンさん、ご参加いただきありがとうございました。
ありがとうございました。
ありがとうございました。