X 世代、Y 世代、Z 世代、ベビーブーマー世代の統合: AI 成功の見落とされがちな秘密

現代の組織は、ビジネス運営と製品の競争力を向上させるために、生成 AI を効果的に活用する必要性を十分に認識しています。Forrester の調査によると、企業の 85% が生成 AI を実験しており、KPMG US の調査では、幹部の 65% が「今後 3 ～ 5 年で、他のどの新興テクノロジーよりも、生成 AI が組織に高い、または極めて高い影響を与える」と考えていることがわかりました。

他の新しいテクノロジーと同様に、世代 AI の採用と実装は間違いなく課題をもたらします。多くの組織はすでに厳しい予算、過負荷のチーム、少ないリソースに悩まされています。そのため、企業は世代 AI の導入に関して特に戦略的でなければなりません。

ジェネレーション AI の成功にとって重要な (しかし見落とされがちな) 側面の 1 つは、これらのプロジェクトのテクノロジーの背後にいる人々と、彼らの間に存在している力学です。テクノロジーから最大限の価値を引き出すには、組織は AI ネイティブの人材のドメイン固有の知識と IT ベテランの実践的な実地経験を組み合わせたチームを編成する必要があります。本来、これらのチームはさまざまな世代、異なるスキル セット、さまざまなレベルのビジネス理解にまたがることがよくあります。

AI の専門家とビジネス テクノロジストが効果的に連携することが最も重要であり、それが企業の AI 世代イニシアチブの成功 (または失敗) を決定します。以下では、これらの役割がテクノロジーに関してどのように変化をもたらすか、また、ビジネスに良い結果をもたらすためにどのように最適な連携を行えるかについて説明します。

ジェネレーションAIの成功におけるITベテランとAIネイティブの人材の役割

平均して、組織のテクノロジーの 31% はレガシー システムで構成されています。ビジネスが長く、成功し、複雑であるほど、少なくとも 10 年前に初めて導入されたテクノロジーが大きな足跡を残している可能性が高くなります。

ジェネレーション AI を含むあらゆる新しいテクノロジーのビジネス上の可能性を実現するには、まず既存の投資から最大限の価値を引き出す組織の能力が重要です。そのためには、ビジネスに関する高度なコンテキスト知識が必要ですが、これは IT のベテランだけが持つ知識です。レガシー システム管理の経験とビジネスに対する深い理解が相まって、ジェネレーション AI を製品やワークフローに組み込む最適な環境が生まれ、同時に企業の前進の勢いが維持されます。

データサイエンスの学位や AI ネイティブの人材も、重要なスキルを持っています。具体的には、AI ツールの操作に関する熟練度と、それらのツールを効果的に活用するために必要なデータエンジニアリングスキルです。彼らは、自然言語処理 (NLP)、異常検出、予測分析、その他のアプリケーションなど、AI 技術を組織のデータに適用する方法を深く理解しています。おそらく最も重要なのは、どのデータをこれらのツールに適用すべきかを理解し、そのデータを変換してそれらのツールで使用できるようにするための技術的なノウハウを持っていることです。

組織が既存のエンタープライズ プロフェッショナルに新しい AI 人材を組み込む際に、いくつかの課題に直面する可能性があります。以下では、これらの潜在的な障害とその軽減方法について説明します。

次世代AIのためのスペース確保

組織が新しいチームを編成する際に直面すると予想される主な課題は、リソース不足です。IT チームは、既存のシステムを最適なパフォーマンスで稼働させ続けるというタスクですでに過負荷状態にあり、AI 世代のための余地を作るためにテクノロジー環境全体を再考するよう求めるのは、非常に困難なことです。

労働力不足のため、ジェネレーション AI チームを隔離したくなるかもしれませんが、そうすると、組織は将来的にそのテクノロジーをコア アプリケーション スタックに統合するのが難しくなるリスクを負うことになります。ビジネスから切り離されたコーナー オフィスに博士号取得者を孤立させても、企業はジェネレーション AI で大きな進歩を遂げることは期待できません。これらのチームが連携して働くことが不可欠です。

組織は、これらの変化に直面して期待を調整する必要があるかもしれません。IT 部門が既存の優先事項を維持しながら、同時に新しいチーム メンバーと協力することを学び、ビジネス面について教育することを期待するのは不合理です。企業は、新世代の AI イニシアチブのために内部から能力を生み出すために、以前の投資を削減して統合することに関して、いくつかの難しい決断を下す必要があるでしょう。

問題を明確にする

新しいテクノロジーを導入する際には、問題領域を極めて明確にすることが不可欠です。チームは、解決しようとしている問題、達成しようとしている成果、そしてその結果を実現するために必要な手段について完全に合意している必要があります。また、それらの手段の間にはどのような障害があり、それを克服するために何が必要かについても一致している必要があります。

チームを同じ認識に導く効果的な方法は、目標成果とそれを支える手段や障害を明確に結び付け、リソースの整合と成果物に対する期待の明確化を保証する成果マップを作成することです。成果マップでは、上記の要素を網羅するだけでなく、各側面の測定方法も取り上げ、測定可能な指標を通じてビジネスへの影響に対するチームの責任を問う必要があります。

考えられる解決策を推測するのではなく、問題領域を徹底的に調査することで、企業は潜在的な失敗や事後の過度な手直しを避けることができます。これは、約 10 年前のビッグ データ ブームで見られた無駄な投資に似ています。企業はビッグ データと分析ツールを自社の企業データに適用するだけで、データからチャンスが明らかになるという考えがありました。残念ながらこれは誤りであることが判明しましたが、これらの新しいテクノロジーを適用する前に、問題領域を深く理解するために時間と注意を払った企業は、前例のない価値を引き出すことができました。そして、同じことが次世代 AI にも当てはまります。

理解を深める

IT プロフェッショナルがデータ サイエンスのスキルを習得し、組織内で AI 世代の取り組みをより効果的に推進するために教育を継続する傾向が高まっています。私もその 1 人です。

今日のデータサイエンス大学院プログラムは、新卒者、中堅専門家、上級管理職のニーズを同時に満たすように設計されています。また、職場での IT ベテランと AI ネイティブの人材間の理解とコラボレーションが向上するという追加のメリットも提供します。

私はカリフォルニア大学バークレー校の情報学部を最近卒業しましたが、私のクラスのほとんどは中堅の専門家で、少数は C レベルの幹部で、残りは学部を卒業したばかりでした。これらのプログラムは、ジェネレーション AI の成功に必須ではありませんが、経験豊富な IT プロフェッショナルが組織内でジェネレーション AI を推進する技術的なデータ サイエンスの概念についてさらに学ぶ絶好の機会となります。

これまでの各技術と同様に、第 1 世代 AI は新たな機会と課題の両方を生み出しています。ベテランの IT プロフェッショナルと新しい AI 人材の間に存在する世代間および知識間のギャップを埋めるには、意図的な戦略が必要です。上記のアドバイスを考慮することで、企業は成功に向けて準備を整え、組織内で第 1 世代 AI イノベーションの次の波を推進できます。

ジェレミア・ストーンはCTOです スナップロジック。