AIをめぐる大騒ぎの中で、私たちの関心が、AIの存在そのものをめぐる最も極端な主張へと、あまりにも早々に傾いてしまっているように感じられます。 一方でユートピア。 一方でディストピア。 「非凡なものは、平凡なものよりもはるかに私たちの心を占めている」と言えるでしょう。 それはさほど驚くことではありません。 「業務の改善」という言葉は、「人々の生活への影響」ほど、見出しを飾るような響きはありません。 そうですか？
「浅はかな心は非凡なことに気を取られ、偉大な心は平凡なことに心を向ける。」ブレーズ・パスカル、フランスの数学者・物理学者
AIの最終的な目標がまだ見通せないのは、私たちが本末転倒なことをしていることも一因です。 この議論における主な根拠は、AIモデルを学習させるための信頼できるデータが存在しないという点です。 今日、デジタル化が最も進んでいる企業でさえ、あまりにも多くの異種技術やデータフィードを併用して運営されています。 彼らのCMDBでは、問題なく動作するAIを育成するという任務には到底対応しきれないのです。
間違いなく、生成AIには実に驚くべき能力があります。 司法試験を受けて、見事に合格することができます。 ほんの数秒でビジネスプランを作成することができます。 高度な自動化により、不正を検知し、リスクを管理することができます。 しかし、高精度でリアルタイムなデータがなければ、これらを一切行うことはできません。 そのデータを保護するための十分な安全対策がなければ、これは実現できません。
考慮すべき3 のこと
だからこそ、ありふれたことをきちんとこなすことが、これほどまでに重要になるのです。 AIが学校に通い始める前に、考慮すべき3つのポイントをご紹介します。
1. 学習パートナー
AIを活用した企業として成長を目指す上で、部門間の連携は極めて重要です。 機械が活躍するためには、組織に所属する人間たちがその流れに乗らなければなりません。 各内部組織は、情報の収集、保存、処理の方法に関する一定の「調査ガイドライン」に従う必要があり、また、独立して運営することをやめる必要があります。 AIは、データ管理に問題があるかどうか、またその問題がどこにあるかを明らかにしてくれます。 データセット間の不整合に関する最大の問題は、往々にしてその管理を担当する人間にあるのです。
2。 質の高いカリキュラム
AIの活用事例を考案し、どのプロジェクトに取り組むかを選択することが不可欠です。 それは、将来のキャリアに役立つように、大学で特定の科目を選ぶようなものです。 しかし、大規模言語モデル（LLM）向けに質の高い学習データがなければ、これだけではほとんど意味がありません。 ChatGPTのようなツールは、膨大なデータセットに依存しています。 自社のマーケティング活動は、膨大な量のファーストデータ（自社保有データ）、セカンドデータ（共有データ）、サードパーティデータ（購入データ）に支えられています。 古くて劣化しており、不正確なデータに悩まされているのであれば、AIも同様にその影響を受けることになります。 AIには、質の高いデータ管理とガバナンスが不可欠です。
3。 専門科目
ちょうど1年前、MITが実施した調査によると、 94％の組織がすでに何らかの形でAIを活用していることが明らかになりました。 しかし、 14％の企業が、 2025年までに「全社規模」のAIの実現を目指していました。 このことから、多くの企業では、組織内の特定の部門に限られるとはいえ、AIについて実務的な理解が十分に身についていることがうかがえます。 懸念されるのは、生成AIが、中央での戦略や社内の専門性がないまま、どの部署でも気軽に立ち上げてしまう単なる「もうひとつのプロジェクト」になってしまうことです。 懸念されるのは、サイバーセキュリティ（ ）やコンプライアンス（ ）といった専門分野に見られるようなチェック・アンド・バランスが一切機能しない、例外的な存在になってしまうことです。
AIプロジェクトの成否は、よく耳にするような大げさな主張や予言ではなく、些細で平凡な細部に左右されるものです。 すべてはデータから始まり、データで終わります。 そのために、私たち皆は、「AI」の「I」がどこから来ているのか、そしてその知能を信頼できるのかどうかについて、もっと懸念すべきでしょう。
ITセキュリティと運用のための最新ソートリーダーシップ、業界ニュース、ベストプラクティスなど、Taniumのダイジェストをメールでお届け 週1回のメールマガジンにご登録ください。
