来年に向けて確実にわかっていることが 1 つあるとすれば、それは、市場の状況から地政学的な混乱、そしてその間のあらゆるものまで、不確実性を進んで受け入れる機関が、顧客と従業員にサービスを提供するのに最適な組織であるということです。 、および株主。
人工知能 (AI) の分野は、新しいデータが利用可能になるとすぐに変化する環境に迅速に対応するためにデータを活用することで、不確実性を軽減する新しい可能性を提供してきたため、過去 5 年間で驚異的な成長を遂げました。
テクノロジーとその利点は、もはや大多数に知られているわけではなく、代わりに、多くの人が AI が多くの高度な課題を解決する際に迅速かつ効率的に機能することを直接目の当たりにしています。 COVID-19 ワクチンを記録的な速さで提供し、病院が「最もリスクの高い患者」を特定して治療するのに重要な役割を果たしていることを私たちは見てきました。データで。
今後 1 年を見据えると、AI の社会的認識の高まり、規制圧力の高まり、この分野への投資のインセンティブの高まり、AI がスタッフの生産性を高め続ける方法などの影響が現れる可能性があると考えています。 AI の成長から継続的な価値を生み出すには、実用的かつ応用的な AI に関する懸念が最も重要になります。
アルゴリズムのトレンドは、AI の使用に関する議論と討論のトピックとなっています。 これは、データ内の偏りの存在を数学的に特定、分析、および最小化することの潜在的な複雑さと、意思決定プロセスにおける「公平性」とは何かを特定することの社会的影響の両方のために、ナビゲートするのが難しいトピックです。
公正さは、価値観、倫理、および法的規制を反映することに加えて、状況によって異なります。 とはいえ、データとガードレール付きのモデルを使用して AI の公平性の問題にアプローチする明白な方法と、組織が実行できる推奨される手順があり、未発見のバイアスの問題を軽減するために実装されています。
AI システムのバイアスの最大の原因は、トレーニングに使用するデータです。 そのデータには、その結果にエンコードされた過去のバイアスのパターンが含まれている場合があります。 最終的に、機械学習はデータから知識を導き出しますが、そのデータは私たち、つまり意思決定とシステムから得られます。
テクノロジーの使用がますます拡大し、AI に対する社会的認識が高まっているため、組織がシステムをテストし、地方自治体が AI の偏見が住民に悪影響を及ぼさないように取り組んでいることが予想されます。 たとえば、ニューヨーク市では、2023 年に AI に偏った採用ツールを使用する組織を罰する新しい法律が施行されます。
今後 1 年間で、企業は自社の AI モデルに関する規制圧力の高まりに直面することになるでしょう。 規制の変更には、個々の予測の説明、詳細な記録、およびモデルのトレーニング方法の履歴と系列の追跡に関する要件が含まれる可能性があります。
最近の DataRobot の調査で、政府による規制の強化を望んでいると回答したテクノロジー リーダーの 81% が証明しているように、AI の規制強化は最終的に業界に歓迎されるでしょう。 しかし、AI の時代にアメリカ国民の権利を保護するための一連の 5 つの原則と関連する慣行を提供する AI 権利章典に関する最近の青写真は、企業に同じ問題に対処するよう促しました。 より多くの企業が、自主的なガイドラインを規制された業界の規制に変える可能性と、短期間で事後対応のコンプライアンスを達成するための潜在的なコストに対応する必要性を認識するようになっています.
このため、ほとんどの企業は、モデル駆動型のガバナンスを備えたシステムに投資する必要があると私は予測しています。 適切な手すりを備えたシステムに投資することで、企業は、システムが法的および規制上の義務を遵守しているという安心感を持って、技術革新に集中し続けることができます。
2023 年には、特に経済やサプライ チェーンの混乱によって最も直接的な影響を受ける企業や業界のリーダーの間で、AI への投資が勢いを増し続けると私は予想しています。小売、ヘルスケア、製造。 ただし、一部の投資は進展するものの、一部の AI テクノロジーのトレンドは引き続きテストされると予測しています。
たとえば、金融サービスを見ると、ユースケースは、不正検出の精度を向上させ、コストのかかる報告プロセスを高速化できる AI システムに移行すると予想されます。 期待の高まりとセキュリティ侵害の猛攻撃により、金融サービスは、これらの不利な問題を軽減するのに役立つ AI テクノロジを使用して競争力を確保する必要があります。 さらに、AI は仕事の満足度を向上させ、従業員が解放されて顧客に付加価値を与えることに集中できるようにします。
技術動向を見ると、一般的な AI は、新しく開発された深層学習モデル (OpenAI などから) に基づいて多くの注目を集めています。 しかし、これらのモデルはまだ新しすぎて、多くの課題があるため、ほとんどの企業で実践することはできないと私は予測しています。 1つ目は、偏見や公平性などの本質的な問題についての行動を保証するのが難しいという事実です。 努力にもかかわらず、現在のバージョンは簡単に壊れてしまいます。 これは、企業がこれらのモデルのベンダーを本当に信頼する必要があることを意味します.
これらのモデルを目的のユースケースに適応させることも、ほとんどの人にとって困難です。 企業が一般化された AI を引き続き使用することを期待していますが、アプリケーションは、ビジネス ケースと投資収益率が得られるまで、来年も多くの企業でテストされ続けると思います. 彼らの予想される投資はよりよく理解されています.
しかし、全体として、企業は、この分野への投資を継続し、AI を運用 (AI 運用の評価を含む) に完全に統合することによって、組織全体の AI の考え方を構築することに重点を置いています。長期的な成功を推進します。