当社のクライアントの 1 つである世界有数のスナック食品メーカーでは、レシピ作成の要素を AI がサポートしています。これは、考えられる材料やその組み合わせ方法が数十あることを考えると、歴史的に複雑なタスクです。 製品スペシャリストと AI を連携させることで、組織はより高品質のレシピをより迅速に生成できます。 この組織のシステムは、新製品のレシピ開発に必要なステップ数を (平均) 150 からわずか 15 に削減しました。現在では、新製品と新しい体験で顧客をより迅速に喜ばせ、ブランドとのつながりを維持できるようになりました。
特に、AI は単独で機能するのではなく、熟練したチームを強化し、成果をさらに向上させるためのガイダンスとフィードバックを提供します。 これは、成功する AI ソリューションの特徴です。最終的には、AI ソリューションは、組織が AI ソリューションから最大限の価値を引き出せるように、人間、および領域および技術的専門知識と人間の焦点で構成される学際的なチーム向けに設計されています。
ガードレールは重要
AI を最大限に活用する方法を考えるとき、AI 戦略では適切なガードレールも考慮する必要があります。
ソリューションがより洗練され、ソフトウェア、製品、日常業務により頻繁かつ深く組み込まれるにつれて、人々が間違いを犯す可能性も高まります。 私たちが目にするよくあるアンチパターンの 1 つは、人間が意図せずしてかなり安定した AI に過度に依存してしまうことです。AI が生成したコードをチェックしない開発者や、車の自動操縦機能によって誤った安心感に惑わされたテスラのドライバーを思い浮かべてください。
このような過度の依存やリスクにさらされることを回避するには、AI の使用に関して慎重なガバナンス パラメーターが必要です。
AI の実験の多くは、探求すべき刺激的なアイデアを生み出すかもしれませんが、それらを支えるツールに注意する必要があります。 一部の AI ソリューションは、他のエンタープライズ ソフトウェアに要求されるような堅牢なエンジニアリング手法に従って構築されていません。 どれを実稼働環境に確実に導入できるかを慎重に検討してください。
これは、他のアプリケーションと同じ方法で AI モデルをテストするのに役立ち、市場への急ぐあまりに判断を曇らせないようにすることができます。 AI ソリューションは、優れた製品開発を支えるのと同じ継続的デリバリーの原則によってサポートされ、望ましい効果が得られない場合は簡単に元に戻せる段階的な変更を通じて進歩する必要があります。
何が「望ましい」結果であると考えるかを率直に伝えることが役立つことがわかります。成功を定義するのは財務指標だけではない可能性があります。 組織の状況によっては、生産性と顧客エクスペリエンスも重要な考慮事項となる場合があります。 AI の可能性に対するチームの認識や、AI ソリューションの探索、導入、展開におけるチームの快適さのレベルなど、他の先行指標に注目することもできます。 これらの要因により、チームがカスタマー エクスペリエンス、生産性、収益の遅行指標の改善に向けて順調に進んでいることを確信できます。 どのようなアプローチをするにしても、最初にこれらの指標を特定していれば、成功する可能性が高くなります。
最後に、AI が人々の仕事、さらには人類全体にもたらす脅威について大騒ぎしていますが、このテクノロジーを使用するのは従業員であることを覚えておくとよいでしょう。 変化の人間的な側面について考えてみましょう。AI が引き起こす可能性のある問題に敏感でありながら、人々に AI の導入と革新を奨励することの間でバランスを取ることが重要です。 たとえば、顧客の機密データを使用する可能性がある外部ソースやプライバシーを利用するモデルで知的財産を保護するためのガイドラインを導入したい場合があります。 AI が従業員の仕事を強化する場合には、従業員に発言権を与えたほうが良いと感じることがよくあります。 彼らは、それが最も大きな影響を与える可能性がある場所を誰よりも知っています。
このコンテンツは Thoughtworks によって作成されました。 これは MIT Technology Review の編集スタッフによって書かれたものではありません。