AI戦略を策定するためのプレイブック

これらの予測は真実であるかもしれないが、今日の企業はパイロットや実験から企業全体の AI 導入へと移行しようとするときに大きな障害に直面している。たとえば、2024 年に AI を使用して製品やサービスを生産していた米国企業はわずか 5.4% だった。

コード生成や顧客サービスなどの AI 利用への初期の取り組みから企業全体の統合に移行するには、インフラストラクチャ、データ ガバナンス、サプライヤー エコシステムにおける戦略的かつ組織的な移行が重要です。また、組織は AI パフォーマンスの発展と投資収益率の測定方法に関する不確実性を考慮する必要があります。

しかし、今後数年間で組織がビジネス全体に AI を拡大したいと考えているなら、今こそ行動を起こすときです。このレポートでは、企業における AI 導入の現状を調査し、AI 戦略を策定するためのプレイブックを提供して、ビジネス リーダーが野心と実行の間の溝を埋めるのに役立ちます。主な調査結果は次のとおりです。

AI に対する野心は大きいが、パイロットレベルを超えて拡大しているものはほとんどない。 調査対象となった企業の 95% がすでに AI を使用しており、99% が将来的に使用する予定です。しかし、パイロット プロジェクトを終えた組織はほとんどなく、76% が 1 ～ 3 つのユース ケースでのみ AI を導入しています。しかし、企業の半数が 2 年以内にすべてのビジネス機能に AI を完全に導入する予定であるため、今年は企業全体の AI の基盤を確立する鍵となります。

AI準備のための支出は大幅に増加する予定です。 全体として、2022 年と 2023 年の AI 支出はほとんどの企業で控えめまたは横ばいで、支出が 25% 以上増加したのは 4 分の 1 に過ぎませんでした。これは 2024 年に変化する見込みで、回答者の 10 人中 9 人が、データの準備 (プラットフォームの最新化、クラウド移行、データ品質を含む) や、戦略、文化の変化、ビジネス モデルなどの関連分野で AI 支出を増やすと予想しています。10 人中 4 人が支出を 10 ～ 24% 増やすと予想しており、3 分の 1 が支出を 25 ～ 49% 増やすと予想しています。

データの流動性は、AI 導入において最も重要な属性の 1 つです。 さまざまなソースからのデータにシームレスにアクセスし、組み合わせ、分析する機能により、企業は関連情報を抽出し、特定のビジネス シナリオに効果的に適用できます。また、データはすでに整理され、手元のタスクに合わせて調整されているため、膨大なデータ リポジトリを精査する必要もありません。

データの品質は AI 導入における大きな制限となります。 回答者の半数は、データ品質が展開における最大の制約要因であるとしています。これは、データ量が多く、従来の IT インフラストラクチャに多額の投資をしている大企業に特に当てはまります。収益が 100 億米ドルを超える企業は、データ品質とデータ インフラストラクチャの両方を制約要因として挙げる可能性が最も高く、大規模なデータ リポジトリを管理する組織では、この問題がかなり困難であることが示唆されます。

企業はAIに急いではいません。 ほぼすべての組織 (98%) は、AI を安全かつ確実に提供できるのであれば、AI を最初に使用することをあきらめてもよいと回答しています。ガバナンス、セキュリティ、プライバシーは、AI 導入のスピードを最も妨げる要因であり、回答者の 45% (大企業の回答者では 65%) がこれを挙げています。

完全なレポートをダウンロードしてください。

このコンテンツは、MIT Technology Review のカスタム コンテンツ部門である Insights によって制作されました。MIT Technology Review の編集スタッフが執筆したものではありません。