AI活用で無駄なコストを削減：企業の利益を確保するための戦略

「冒険のお金ではなく、ベンチャーのお金です。」このベンチャーキャピタリストの言葉は、テクノロジーのバブルが盛り上がる中での重要な真実を捉えています。急いで資本を投じなければならないVCたちは、競争相手も積極的に投資しているため、重要な機会を逃すことへの恐れが、潜在的な失敗のリスクを上回るのです。

現在、多くの企業がこのダイナミクスを反映しています。特に、AIに関する熱狂の中では、従来のプロジェクトが資金調達のために瞬時にAIとして再ブランド化されることもよくあります。

AIに備えていますか？

今後10年間で数十億ドルがAIに流入する見込みの中、慎重さが求められます。検索、ソーシャルメディア、モバイルのように長期的な影響を持つ技術もあれば、バーチャルリアリティ（VR）や暗号通貨のように限界を迎える技術もあります。

5年前、AIの可能性に関する予測が報じられ、現在、企業はAIへの投資と変革能力をアピールする競争を繰り広げています。その結果、多くの成功と同様に数多くの失敗も生じています。企業のリーダーシップは、実際の潜在能力ではなく、根拠のない楽観主義によって動かされたAIの取り組みを支持することがあるのです。

それでも、ChatGPTが短期間で1億人のユーザーを獲得したことが示すように、LLMの革命的な役割は否定できません。

AI投資の優先順位をどう付けるか？

投資のリターンを最大化し、無駄を最小限に抑えるために、次の3つの重要な質問に焦点を当てましょう。これにより、無駄な支出の80%を排除できます。

1. 時間とともにかかる総コストを理解する

新しいAIプロジェクトを承認する前に、初期投資と継続的なリソースコストを評価してください。データサイエンスチームが10時間働くためには、隠れたエンジニアリング、DevOps、サポート作業に5倍の時間がかかることがあります。多くの有望なプロジェクトが継続的な投資の不足で失敗しています。すべてのAIプロジェクトに賛成したくなるものですが、リソースを無駄にしないために、実際に影響力のあるイニシアチブに資源を集中させるべきです。

また、AIには増大する限界コストが伴います。大規模なモデルは、トレーニングと維持に巨額の投資を要します。また、期待される機能が提供されなかった場合、顧客の不満や企業の評判が損なわれる可能性があります。

2. なぜ他の誰もこれを行えないのか？

教科書で学ぶ商品化の教訓を思い出してください。私はMicronでメモリチップの設計に従事していた際、ブランド認知よりも価格が重視されることを学びました。テクノロジー業界は、独占と商品化という2つのレベルで動いています。AIの取り組みを受け入れる前に、「私たちはどんな独自の優位性を持っているのか？」と問いかけましょう。スケールの利点なしに商品化されるリスクが高いプロジェクトには注意が必要です。データ独占、独自の洞察、強いネットワーク効果を活かすイニシアチブに焦点を当てましょう。

3. 追求する価値のある少数の賭けを行う

最善の投資機会は、既存のビジネスモデルを向上させるものです。BASFのスローガンにあるように、「私たちはあなたが買うものを作るのではなく、あなたが買うものをより良くします。」AIが現在の製品を向上させるのであれば、それは魅力的な投資となります。また、新しい分野への拡張やバリューチェーンの変化への適応も次善の機会です。

最も重要なのは、現在のビジネスモデルを崩すリスクを伴う革新に挑む賭けです。この課題に立ち向かわなければ、競争相手がそれを行うでしょう。少数の戦略的なイニシアチブに注力し、成功にコミットしましょう。残りのリソースはVCやスタートアップに任せるのです。

AIに対する期待は理解できますが、歴史はヒューマンレッスンが有望な発見と重大な無駄を生むことを教えています。これらのガイドラインに従えば、投資を最適なリターンと有意義な影響に導くことができるでしょう。