共有リンクを開く 共有リンクを閉じる
新年が到来しましたが、多くの企業リーダーにとって人工知能は依然として最優先事項です。最新のご案内はこちらから MIT スローン経営レビュー 生成 AI を安全かつ効果的に使用する最善の方法と、AI を基盤としたパートナーシップを構築する方法を探ります。しかし、私たちは基本的なことから始めます。それは、強力な企業文化を構築するために何が必要かを考えることです。
健全な企業文化を発展させるための実用的なアドバイス
企業文化の改善は、経営者が直面する最も困難な仕事の 1 つです。ドナルド・スールが発見した実践に関するMITスローン教授の以前の研究 公式の企業価値観と文化の間に相関関係はない、これは、リーダーが従業員の日常的な経験と接触していないことを示唆しています。
新しいシリーズでは、 文化チャンピオン、ドナルド・サル、 チャールズ・サル調査およびコンサルティング会社 CultureX の共同創設者である , は、従業員のポジティブなエクスペリエンスを犠牲にすることなくビジネスで成功を収めた経営陣からのアドバイスを共有します。貴重な洞察には次のようなものがあります。
- 「組織間で値をコピーして貼り付けることはできません。 … 従業員は信頼性の欠如を嗅ぎ分けることができます。 …自分が何者なのかを…明確にしなければなりません。」 – ケイティ・バーク、元最高人事責任者、HubSpot
- 「あなたが何かを言っても、人々がただうなずいたり、反論しなかったら、それは最大の侮辱です。 … 最悪のことは集めないことだ [some] ある種の批判、反発、またはある程度の議論。」 – ジム・ホワイトハースト、レッドハット元CEO
- 「私たちは、私たちの文化がビジネス戦略の戦略的差別化要因であると強く信じています。 …私たちは、あなたがリーダーであるとき、チームの発展に多くの時間を費やすことを大いに期待しています。」 – マービン・ボアキー、カミンズ社最高人事責任者
職場での生成 AI については、ガバナンス ポリシーが禁止を打ち破る
15 年前、IT リーダーたちは企業ネットワークから個人用デバイスを禁止することについて議論しました。現在、同様の議論は、ChatGPT などの生成 AI ツールが生産性の向上とともにセキュリティ リスクを引き起こす可能性があることを考慮して、職場で制限するかどうかに焦点を当てています。
を理解するには、 Bring Your Own AI のメリットとリスクMIT情報システム研究センターのニック・ファン・デル・ミューレン氏とバーバラ・H・ウィクソム氏は、50の組織の幹部を対象に調査を行った。首脳らは、生成型 AI の制限は「現実的でも効果的でもなく」、逆効果になる可能性が高いことに同意したため、テクノロジーの責任ある使用をサポートする 5 つの措置を提案しました。
- 部門横断的なリーダーシップ チームを編成して、生成 AI ツールが受け入れられる場合とリスクが高すぎる場合を示す明確なガードレールを設定します。
- 適切なユースケースの特定、生成 AI ツールとの通信、AI モデルの出力について批判的に考えるための実践的なトレーニングを提供します。
- 限られた数の承認済みの生成 AI ツールを提供します。これにより、従業員は情報に基づいた選択を行うことができ、ライセンスとメンテナンスの負担が軽減されます。
- 従業員が働き方に生成 AI を適用する新しい方法を模索しているため、測定可能な短期 ROI は限られている可能性があることを認識してください。
- 戦略的なビジネス目標が生成 AI の導入からどのように恩恵を受けることができるか、また個人の生産性の向上を大規模に適用できるかを検討します。
生成 AI を社内に導入する際の USAA の教訓
金融サービス会社USAAでは、幹部らが複数の人物を特定した。 従業員と AI ツールを組み合わせる社内ユースケース 顧客サービスを向上させ、効率を向上させるため。 (顧客対応ツールは、同社にとって当面の優先事項ではありません。)
AI、または AI スキルを備えた新しい労働者が自分たちに取って代わることに対する従業員の懸念を和らげるために、USAA 幹部は現在の従業員をサポートすることに尽力しました。これには、トレーニングのオプションを拡大し、現在の従業員の生産性を向上させ、従業員が長年の経験を通じて構築した問題解決スキルの長期的な価値を強調することが含まれます。
AI主導の組織をリードする
MITスローンで直接対面
今すぐ登録
LLM が企業内で確実に機能するようにする方法
大規模言語モデルは、入力に対する状況に応じて適切な回答を作成するために、大量のテキスト データでトレーニングされた生成 AI システムです。 MIT スローン教授のラマ・ラマクリシュナン氏は、LLM は強力だがエラーが発生しやすいと書いています。結果として、 企業環境で LLM から価値を得る では、出力が可能な限り正確であることを保証するために、これらのモデルを最適化する必要があります。
最初のステップは、LLM を特定のタスクに適応させることです。素人でも達成できるタスクであれば、簡単な指示やプロンプトが機能する可能性があります。検索拡張生成では、更新された情報 (独自データを含む) をプロンプトに追加して、より正確な応答を引き出すことができます。命令の微調整はさらに進み、LLM 自体にドメイン固有のサンプルが組み込まれます。これは法的モデルや医療モデルには役立ちますが、いくつかの重労働が必要です。
次に、組織はタスクに LLM を適用するのが適切な場合を判断する必要があります。これは、ビジネス プロセスを個別のタスクに分割し、タスクを達成するために LLM を使用するコストと「通常のビジネス」のコストを比較する問題です。重要なことに、この計算では、法的責任、風評リスク、ブランドの損害など、出力内のエラーの潜在的なコストを考慮する必要があります。
最後に、組織は LLM のユースケースを試験的に導入し、その有効性を評価する準備を整える必要があります。テキスト応答の推論、口調、関連性をチェックする必要があるため、これを自動化するのは難しい場合があります。これらの要素は、一連の数値を出力するように訓練された AI モデルには存在しません。
AI を基盤としたコラボレーションを構築するための 6 つのステップ
企業が AI のユースケースを模索し続けるにつれて、4 つの壁の向こう側に目を向ける価値があります。 MIT デジタルエコノミーイニシアチブのダベンポート氏は次のように考察しています。 AI がパートナーシップをどのように変えるか 組織が団結してデータを共有し、研究を実施し、より大規模なイノベーションを達成するにつれて。
AI は通常、4 つの方法でコラボレーションをサポートします。パートナーは、データ エコシステムの統合、既存の AI プラットフォームへの新しい AI 機能の追加、製品とサービスの強化、AI の責任ある開発の提唱を行うことができます。
ダベンポート氏は、パートナーシップを成功させるには、6 つのステップの青写真に従うことを目指す必要があると書いています。
- AI が何を変革するかを決定します。漸進的な変化ではなく変革を強調します。
- 多様な協力者のグループを招集すると、単独で作業するよりも協力してより多くのことを達成できます。
- すべてのパートナーに貴重な洞察をもたらす AI を活用したサービスを開発します。
- 経済成長に加えて、より広範な社会問題や環境問題に対処できる可能性を考慮してください。
- パートナーが機密情報を共有する際の信頼を維持するために、透明性と堅牢なデータ保護を優先します。
- 柔軟性を受け入れます。テクノロジーが進化するにつれて、AI とのコラボレーションもその中核となる必要があります。
#年のリーダーシップと #に関する洞察 #MIT #Sloan #Management #Review #の最新情報