この記事は、以下のリンクから元記事をご覧いただけます。
AIの進化に伴い、私たちはいま第四次AI冬の入り口に立っている。AIがもたらす価値が期待されたほどではないのではないかという懸念が広がりつつあり、そのコストを正当化できるだけの成果が上がっていないという声が増えている。この記事では、これまで見過ごされてきた可能性に光を当て、次のAI冬を回避するための鍵となる新たな概念「Engineered Intelligence」について紹介している。
AIの多くのプロジェクトが失敗に終わる原因として、科学的なブレイクスルーを現実世界で応用するための明確なプロセスが欠けていることが挙げられる。例えば、化学や物理学の分野では、研究所での発見がエンジニアに引き渡され、実際の製品やソリューションとして形作られる。しかし、AIの分野ではこのプロセスが未成熟であり、多くの組織がデータサイエンティストに研究と応用の両方を期待してしまっている。結果として、87%のAIプロジェクトが失敗に終わっているという現実がある。
ここで提唱される「Engineered Intelligence」は、AI研究を実世界に応用するための新しい学問分野であり、エンジニアリングの視点から科学的知見を価値に変換するプロセスを重視する。これにより、データサイエンティストだけでなく、ドメインエキスパートやエンジニアがインテリジェントなソリューションを設計・構築できるようになり、これまでデータに依存したアプローチでは発見されなかったような画期的な応用が生まれる可能性が高まる。
この記事では、従来のAI導入アプローチと比較しながら、Engineered Intelligenceの具体的な導入ステップが紹介されている。従来のアプローチでは、問題のリストを作成し、ROI（投資対効果）や実現可能性を分析して実行に移すという流れだったが、Engineered Intelligenceでは、組織内の専門知識のヒートマップを作成し、最も価値がありかつ希少な専門知識を特定し、そこに焦点を当ててインテリジェントなソリューションを開発するというアプローチを取る。この方法により、AIプロジェクトの成功率を大幅に向上させることができると期待されている。
最終的に、Engineered Intelligenceを取り入れることで、組織は既存の専門知識を最大限に活用し、新たな価値創造の波を引き起こすことが可能になるだろう。この記事を通じて、読者はAIの未来に対する新たな視点を得ると同時に、組織やプロジェクトにどう適用できるかを考え、次なるAIの波をリードするためのヒントを見つけることができるはずだ。
Comments