AIを使用するプレッシャーに浸る

大規模な組織が革命的な技術の研究開発に数十億ドルを投資すると、その技術が本番の準備が整った時がやってきます。技術の大手企業は、その技術の大規模なグローバル採用を確実にするために全力を尽くします。これは技術愛好者にとって興奮の時期であり、流れに乗り遅れないようにしたいという気持ちが湧くのは自然なことです。

組織のあらゆる階層の人々が、あらゆるビジネス問題に対してAIベースのソリューションを使用するプレッシャーを感じています。プレッシャーをどのように受け止め、ビジネス上の問題に対して正しい決定を下すことができるのでしょうか？問題を分解し、明確な状況を把握するために、AIを使用すべき時とそうでない時を見極めましょう。

答えるべき基本的な質問

特定のビジネス問題やユースケースに対するソリューションを設計するために深く入りすぎる前に、AIソリューションの構築に時間とエネルギーを投資する必要があるかどうかを示す非常に強いヒントを与えてくれる基本的な質問があります。

• AIベースのソリューションに投資することで、業界の現状を打破することができるでしょうか？
• それは、私たちの製品や製品機能のいずれかについて、業界の遅れを取っている状態から業界のリーダーに飛躍するのに役立つでしょうか？
• 私たちの製品開発や製品運用プロセスのいずれかにAIを使用できますか？それは私たちの製品の運用コストを長期的に大幅に削減しますか？

この種の質問は、経営陣の会議室でしばしば取り上げられ、解決されますが、強い製品文化を持つ良い企業では、意思決定が民主化され、個々のチームが自らの製品ロードマップや製品機能に関する重要な決定を下すことができるようになっています。

したがって、技術的なプロダクトマネージャーとそのチームが、顧客や経営陣から提供される問題に対してAIベースのソリューションを使用するかどうかを決定する際に、CEOのように考え、これらの基本的な問いに考えを巡らせることが重要です。

レイヤーを剥がす

では、基本的な問いの下にあるレイヤーを問いただし、AIをソリューション設計に使用するかどうかを決定するのに役立つフレームワークを使用しましょう。

予測AI

予測AIと生成AIの違いについて一般に情報が多く公開されていますが、私はそれらの違いについて改めて強調したいと思います。生成AI（GenAI）はここ数か月で非常に注目されており、他の種類のAIの力がしばしば見落とされ、多くの組織でそれらの技術への投資とイノベーションが鈍化しています。

開発チームが立ち止まり、手元のユーザー/顧客の問題に対する創造的な解決策を考えることが重要です。

過去の出来事の歴史的データを収集し、その中からパターンを見つけて将来の出来事の結果を予測するという問題を解決しようとしているのですか？この種の問題に対しては、予測的AIがあなたの解決策の方向性となるべきです。

このような問題にGen AIを考えている場合、違う方向を見ていることになります。予測的AIソリューションを使用して解決できる一般的な問題の例には、財務予測、最適なインフラ利用、詐欺検出などがあります。

解決する問題が予測的AIベースのソリューションを必要とするという明確さが得られたら、どのような機械学習アルゴリズムが問題を解決するのかを考えることが、次の論理的なステップとなります。

• 分類。データポイントを事前に定義されたクラスに割り当てることは、分類問題です。たとえば、ソーシャルメディアプラットフォーム上のコンテンツを不適切としてフラグ付けし、適切なコンテンツと不適切なコンテンツの機械知識を継続的に洗練することは、分類問題です。
• 回帰。目標が特徴とターゲット変数との相関を定義し、将来の問題を予測することである場合、回帰問題となります。たとえば、サービス上の将来のトラフィックを予測し、ポッドの数を増やすタイミングを決定することは、回帰問題です。
• クラスタリング。データを異なるバケツにグループ化し、適切なバケツを定義して意思決定を支援することを目的とするのがクラスタリング問題です。たとえば、顧客の行動とユースケースを分析し、組織が適切な顧客セグメントを定義するのに役立てることは、クラスタリング問題です。

予測AIの領域内で驱动できる革新と创造性が非常にすばらしいことは驚くべきことではありませんか？ これまで、この記事では最近話題となっている生成AIの領域には触れていません。

生成AI

それに対して、あなたが解決しようとしている問題が、組織の生データでAIモデルをトレーニングし、ユーザーからのプロンプトを受け取り、新しい出力を生成できるようにすることを含む場合、それがGenAIの出番です。 問題には、ユーザープロンプトと生成された出力のさまざまな組み合わせがあります。 ユーザープロンプトは音声、テキスト、または非構造化データである可能性があり、生成された出力は自然言語テキスト、音声、画像、またはビデオである可能性があります。

GenAIを使用して解決できる一般的な問題の例には、カスタマーサポート、製品開発コストの削減のためのコード生成、研究やテストのためのデータ合成、オンデマンドのマーケティングコンテンツの作成などがあります。

GenAIパワードソリューションに関しては、問題がGenAIベースのソリューションを必要とすることが明確になったら、最も影響力のあるソリューションを構築するのに役立つ追加の重要なソリューション設計の決定があります。

• どのLLMベースモデルを使用すべきですか？
• 最新のアーキテクチャフレームワークとデザインパターンは何で、RAG、RLHF、langflowを使用したマルチエージェントリアクティブエージェントなどを活用すべきですか？
• 適切なセキュリティとデータプライバシーのガードレールをどのように確保すればよいですか？

結論

技術の近代化の欠如は、ある時点で企業のビジネスモデルを時代遅れにする可能性がありますが、組織のAI投資を適切な問題と適切な場所で使用していることを確認することが重要です。AIベースのソリューションを必要としない問題に強制すると、製品が間違った方向に進む可能性があります。冷静さを保ち、AI投資を賢明に行ってください。