2023年は、生成AIが主流に移行した転機の年であり、その背景にはChatGPTの成功があります。2024年に向けて、多くの組織が業務に生成AIを導入し、その潜在能力を最大限に活用しようとしています。
しかし、北米の220名のAI意思決定者を対象としたForrester Consultingの最近の調査では、生成AIに関するリスクへの懸念が依然として根強く、広範な導入を妨げる障害が存在していることが明らかになりました。
主な障害の克服
調査では、生成AIの運用における重要な障害、特に「ハルシネーション」と呼ばれる一般的な課題が指摘されています。このような問題により、多くの組織は探求や実験の段階にとどまり、計画されたユースケースのための基本的なモデルを実装できない状況にあります。
生成AIの変革的可能性を認識する
それでも、様々な業界の組織は生成AIの変革力を認識しています。Dataikuを代弁して行われたForresterの調査では、回答者の83%が生成AIを探索または実験していると答え、60%以上がビジネス戦略にとって重要または非常に重要であると認識していることが分かりました。また、来年度のデータおよびAIイニシアティブへの投資を最大10%増加させる計画を持つ企業も多数存在します。
ビジネスリーダーは、生成AIの具体的な応用分野を複数特定しており、以下のような利用が考えられています:
- 顧客体験の向上(64%)
- 製品開発(59%)
- セルフサービスデータ分析(58%)
- ナレッジマネジメント(56%)
調査は、生成AIの多様なアプリケーションに対する高まる期待感を反映し、回答者は今後2年以内に提供されるサービスや業務効率が向上すると予測しています。
導入へのチャレンジ
楽観的な見方が広がる一方で、生成AIの効果的な普及には依然として重要な障害が存在します。主な課題には、データ保護・プライバシー法の違反の可能性(31%)や、生成AIの複雑さを乗り越えるためのスキルとガバナンスの改善が求められています(31%)。さらに、リーダーの50%以上がバイアスやハルシネーションのリスクを指摘し、それが成果物の質を損なう可能性があると述べています。
重要なことに、これらのリスクは生成AIに対するインフラの不足によって悪化しています。調査では、データの取り扱い、保管、共有に関する課題(35%)が、最も大きな障害として指摘され、既存システムとの統合の難しさ(35%)や計算能力の制約(27%)も報告されています。
他にも、ガバナンスメカニズム(35%)、AIの解釈性と説明可能性(25%)、スキルのギャップ(31%)、モデルのスケーラビリティなどが障害として挙げられています。
課題への提案された解決策
これらの導入障害を克服するために、組織は開発を加速し、統合をスムーズにし、堅牢なガバナンスフレームワークを提供するAIプラットフォームを活用した協力的アプローチを採用すべきです。
McKinseyの調査によれば、生成AIは世界中の企業利益に対して年間2.6兆ドルから4.4兆ドルの付加価値を見込んでおり、特に銀行、高テクノロジー、ライフサイエンス分野への影響が大きいとされています。