要約
高度なAIは、かつてないほど人間から機械へ、そしてまた人間へと専門知識の伝達を促進しています。本記事では、このような現象が起きた3つの事例を検証し、テクノロジーの進歩が競争力向上のために意思決定の有効性をどのように高めることができるかを提案します。投資機会の初期審査を改善しようとしているベンチャーキャピタル、小規模農家の信用リスクを評価しようとしている衛星データ分析会社、従業員の問題解決スキルを向上させようとしているオーストラリア企業の研究開発部門などです。
エキスパート・システムという言葉を聞いたことがないかもしれませんが、故障診断、金融、医療など多くの分野ですでに使われています。人工知能（AI）においてエキスパート・システムとは、人間の専門家の意思決定能力を模倣したコンピューター・プログラムのことです。これらのシステムは、従来の手続き型プログラミングの代わりに主にif-thenルールを使用し、広範な知識ベースを通して推論することにより、複雑な問題に対処するために構築されています。
しかし、最近まで、経営者の意思決定に期待されるような広範な影響を与えることはありませんでした。その理由のひとつは、経営的な文脈が他のアプリケーションよりも流動的だからです。現在、テクノロジーとAIの変化により、エキスパート・システムはますます強力になっています。エキスパート・システムは、実際の人間の専門知識を、必要とされるレベルの柔軟性と適応性で捉えることができます。
ここでは、高度なAIが、人間から機械へ、そしてまた人間へと、かつてないほど専門知識の伝達を促進していることを説明します。このような事例を3つ取り上げ、このようなテクノロジーの進歩が、競争力を向上させるための戦略的意思決定の有効性をどのように高めることができるかを提案します。
ハイリターン投資機会の評価
バイエルン・ベンチャーズと呼ぶドイツのベンチャー・キャピタルは、資金的に魅力的な新興企業を常に探しています。しかし、ビジネス・パートナーの一人であるヨゼフが説明するように、「アナリスト一人当たりに寄せられる応募の数は二桁の伸びを示しています。」 そのため、各申請書を吟味する意思決定プロセスがプレッシャーになっています。「多くの背景要因を考慮しなければならず、経験に基づく個人的な判断が大きな役割を果たします。しかし、申請書の量が非常に多いため、第一段階の評価は若手のアナリストに任せるしかありません」。
問題は、若手アナリストが勝者の可能性を見抜くだけの経験を持ち合わせておらず、優れた提案をしばしば見落としてしまうことです。これは、バイエルン・ベンチャーズのマネージング・パートナーが定義した意思決定テンプレートに従っていても起こります。
同社が行ったこと
ババリア・ベンチャーズは、マネージング・パートナーが最も有望だと考えるベンチャー企業を、より迅速かつ正確に評価したいと考えていました。バイエルン・ベンチャーズは、同社の意思決定テンプレートを正確な査定に反映させることを期待して若手アナリストを訓練し続けるよりも、AI-4-VCと名付けたハイブリッド・エキスパート・システムの構築に目を向けました。ヨゼフ氏は、「最初のステップは、より迅速で正確なベンチャー企業アプリケーションのランク付けを容易にするソリューションの開発を大学に依頼することでした」と言います。これは、バイエルン・ベンチャーズの経験豊富なマネージング・パートナーが、最初のラウンドでスタートアップの魅力を評価する方法を模倣するように設計されました。
ヨゼフ氏によると、このツールは機械学習（具体的には、決定木を使用して予測を行う「ランダムフォレスト」アルゴリズム）と自然言語処理形式のディープラーニングを組み合わせて開発されました。「このソリューションは、私たちが探しているものとの適合度に従ってアプリケーションをランク付けします。シニアアナリストが定期的に結果をレビューし、アルゴリズムを覆すかどうかを確認します。シニア・アナリストがそうすれば、アルゴリズムがそれを受け取り、基準の重み付けが調整されます。エキスパート・システムは、マネージング・パートナーの好みの変更をほぼリアルタイムで実行します。」
結果
一定期間後、AI-4-VCは若手アナリストの一部を置き換え、適合性の低いアプリケーションに費やす時間を最小限に抑えました。これにより、バイエルン・ベンチャーズは、最も有望な可能性を秘めた新興企業からの申請により迅速に対応できるようになりました。彼らはまた、AI-4-VCソリューションが、比較的小規模な申請データセットでも正確であることを発見しました。
自分でやる方法
機械学習の基本的な知識を持つ専門家であれば、このようなシステムを構築することは可能です。大手ハイテク企業は現在、機械学習と自然言語処理（NLP）を組み合わせて独自のエキスパート・システムを簡単に構築できるプラットフォームを提供しています。柔軟性と拡張性を求めるなら、Google Cloud AI Platform、Amazon SageMaker、Azure Machine Learningのようなプラットフォームが素晴らしい選択肢です。より迅速なプロトタイピングや、NLPに特化している場合は、Hugging Faceや Colabのようなツールの方が適している可能性が高いです。
過剰な顧客要求への対応
Sat Vista Analyticsと呼ぶインドの衛星データ分析会社は、「宇宙からの意思決定インテリジェンス 」を提供しています。同社の最高技術責任者（CTO）であるローハン氏は、「私たちは、各農家がどれくらいの収入を得る可能性があるかを把握することで、銀行が小規模農家への融資の可能性を評価するための結果を提供しています。また、農業関連企業が契約を結び、予想される収穫量に基づいて自社製品（ココア、米、小麦）の価格を設定できるよう支援しています」。
しかし、サットビスタ・アナリティクスは、顧客から要求される分析件数の多さによる過負荷に悩まされてきました。これらの分析では、同社のリモートセンシングの専門家が、データの前処理やスペクトルシグネチャ分析から植生指数の解釈に至るまで、複数の作業を行う必要がありました。
同社が行ったこと
同社の幹部は状況を分析し、固定ルールに基づく古典的なプロセスの自動化ではうまくいかないと判断しました。そこでローハンは、AIをベースにした最高のスペシャリストのクローンである『分析アバター』を作ることにしました。これは、同社の最高のリモートセンシング専門家のデータ分析手法を監視し、その行動パターンを一連のルール（アルゴリズム）に変えるというものです。
しかし、重要なのは、そのアルゴリズムが、専門家自身によって提供されたルールではなく、専門家のデータ処理の決定を観察したものであることです。というのも、人は自分がどのように意思決定をしているのかを説明するのが苦手なことが多いからです。ローハンはこの仕組みを説明しました。「各専門医に、衛星データの処理、分析、解釈の好ましい方法を尋ね、推奨セットを作成する代わりに、各専門医が異なるデータセットで実際に何をしたかを監視しました。分析アバターは、単純な機械学習ベースのアプローチから始まり、専門医の行動に関するより多くのデータポイントが収集されるにつれて、より複雑になっていきました。」
結果
現在、解析アバターは、同社の最高のリモートセンシング・スペシャリストのデータ処理行動を模倣し、ほとんどの単純なアプリケーションの要求を満たす精度、再現性、正確さを実現しています。これにより、人間の専門家は新しいタスクやより複雑なタスクに集中できるようになりました。さらに、大学から入社したばかりの未経験のリモートセンシング専門家は、人間の専門家の邪魔をすることなく、会社のベストプラクティスを学ぶことができます。
自分でやる方法
観察を通じて専門家の意思決定パターンをAIモデルが自動的に捉え、再現することを可能にする既存のAIプラットフォームを探しましょう。理想的なプラットフォームは、継続的な学習とリアルタイムのデータ処理をサポートする必要があります。これにより、AIシステムは新しいデータの収集に応じて進化し、事前に定義されたルールに依存することなく、専門家の行動に基づいてインテリジェントな意思決定を行うことができます。
競争優位のための研究開発のスキルアップ
Be Smarterと呼ぶオーストラリアのある企業は、競争力を高めるために研究開発部門の従業員の問題解決スキルを向上させたいと考えていました。彼らは、従業員の研究開発スキルと問題解決方法を向上させるために、オンライン・トレーニング・コースの開発を検討しました。
しかし、研究開発部門の責任者であるレオが指摘するように、「必要な管理作業、かかるコスト、さまざまなトレーニング・ニーズとの整合性を取る必要性が、深刻な障害となっていることにすぐに気づきました。」
同社が行ったこと
Be Smarterは、より柔軟なアプローチを採用しました。これには、各自が特定の種類の専門知識を持つAIエージェントが関わっています。レオが説明するように、「エージェントは人間のようなテキストを解釈して生成し、概念の説明、質問への回答、具体的な推奨事項の提供など、幅広い機能を実行することができます」。エージェントは柔軟性があり、従業員が必要なときにモジュールを提供したり、不要なときはコンテンツをスキップしたりすることができます。」
研究開発部門の従業員は、与えられた問題を通常とは異なる視点から見るためのアシスタントとして、さまざまなエージェントを使用することができます。レオは、「技術的な課題に直面している研究開発社員が、技術的な説明、新鮮な視点、または別の角度から問題に取り組む方法についての指示で彼らを助けるために、複数のAIエージェントを選択できる 」ケースを提供しました。例えば、採掘技術の問題に直面している研究開発社員は、ソフトウェアテスト・エージェント、地質学エージェント、機械学エージェントのいずれかを選んで支援することができます。
エージェントを選択する際、研究開発部門の従業員は、どのエージェントが自分のタイプの問題を解決するのに最も適しているのか、定期的に自問自答していました。そこでBe Smarterは、従業員がさまざまなタイプの問題に対するAIエージェントの有用性についてフィードバックを提供するための評価システムを導入することにしました。
結果
AIエージェントは、研究開発部門の従業員が必要なときに、最適な技術や問題解決の専門知識にアクセスできるよう支援しました。これは、どのエージェントがどのタイプの問題に対して最も有用であるかという同僚からの推薦に基づいています。これにより、個人トレーニングのコストが削減され、提供されるサポートの効果が高まりました。
自分でやる方法
問題解決能力を強化したい場合は、特定の専門分野を代表するAIエージェントの導入を検討してください。多様な専門知識を把握できるエージェント・システムを構築するための、AIベースのプラットフォームが増えていることを確認してください。これらは複雑なクエリを処理し、あたかも人間の専門家がガイドしているかのようにユーザーと対話します。従業員が自分のニーズに合わせてエージェントを選択できる柔軟なシステムを構築することで、パーソナライズされた学習と支援を可能にします。
- - -
今日、高度なAI技術を統合することで、組織内での専門知識の伝達と活用方法を変革することができます。AIエージェントは、ほぼリアルタイムで適応する動的な意思決定システムをサポートできるようになり、戦略的な意思決定において、より柔軟で迅速な対応が可能になりました。
静的な専門家システムに頼るのではなく、意思決定支援アルゴリズムがフィードバックを通じて継続的に更新されるように設計されていることを確認してください。これにより、状況の変化に応じて機敏に対応し、より多くの情報に基づいた意思決定を行うことができます。高度なAIの優れた点は、その場で変更を取り入れる柔軟性にあります。
AIが進化し続ける中、これらの進歩を戦略的意思決定プロセスにどのように統合できるかを積極的に検討すべきです。そうすることで、イノベーションが促進され、急速に変化する環境においてビジネスの競争力を維持することができます。
