導入
2024年3月4日、Forbesにて投稿された記事 「3 Ways Predictive AI Delivers More Value Than Generative AI」 は、AIコンサルタント、ベストセラー作家、元コロンビア大学教授 Eric Siegel (エリック・シーゲル)によって書かれた。
この記事は、生成AIと予測AIを比較し、予測AIがより大きな価値を提供する3つの理由を紹介する。著者の論理の流れから企業が生成AIの採用と並行して、予測AIをより積極的に活用すべきだと提言する。
以下Forbsホームページ
以下翻訳記事ページ
予測AIが生成AIより価値をもたらす3つの方法
企業は、文章、コーディング、画像、動画などのコンテンツを生成する生成AI（Generative AI）と、広告、マーケティング、不正検知、リスク管理、ヘルスケア治療などの既存の業務を対象とする予測AI（Predictive AI）のどちらに注力すべきなのだろうか？
この問いを提起する人々は、2人のうちどちらと結婚すべきかで悩む人と同じように、要点を見失っているのかもしれない。二者択一の選択肢として捉えられている時点で、どちらの選択肢にも明確な魅力がないことの表れである。
魅力的な技術を選んでから問題を探すのではなく、いわゆる「ソリューショニズム」ではなく、業界のリーダーたちは、まず重要な問題を特定し、その問題を最もうまく解決する方法を見出すことから始めるべきだと助言している。トロント大学のマネジメント教授であるMihnea Moldoveanu氏は、「AIの戦略が失敗するのは、AIが目的ではなく手段だからだ。『AIの戦略を持っているか？』と聞くのは、『Excelの戦略を持っているか？』と聞くのと同じくらい意味がない」と述べている。
その代わりに、業務を改善する最良の機会はどこにあるのか、そしてその機会を追求し、業務上の成功を確保するためにテクノロジーがどのように役立つのかを問うべきである。
予測AI VS 生成AI
生成AIと予測AIは全く異なる目的を果たすものである。生成AIは現在人間が行っているタスクを代行することを目指しているのに対し、予測AIはそれほど野心的ではないが、しばしばより重大な目標を追求している。それは、企業の最大規模の業務、つまりすでに体系化されるまでに進化した業務プロセスを合理化することである。このことは、生成AIの方がより印象的で興味をそそるように見えるかもしれないが、予測AIの方が企業の効率改善により大きな影響を与えることが多いことを意味している。
多くの企業は、生成AIへの不釣り合いな注目を予測AIに向け直すことで恩恵を受けるだろう。
予測AIは、予測分析や企業の機械学習とも呼ばれ、マーケティング、製造、不正防止、リスク管理、サプライチェーン最適化など、あらゆる種類の既存の大規模業務のパフォーマンスを向上させるために企業が頼る技術である。予測AIは、データから学習し、クリック、購買、虚偽、死亡、整備が必要な車両、不正な取引などの結果や行動を予測する。これらの予測は、日々何百万もの業務上の意思決定を導き、誰に電話をかけ、メールを送り、承認し、検査し、診断し、警告し、調査し、投獄し、デートをセットし、投薬するかを決定する。
予測AIには、生成AIに対して3つの主な利点がある。
1. 予測AIは生成AIよりも高いリターンをもたらすことが多い。
予測AIは企業の最大規模のプロセスを改善するため、企業の効率化に最大の影響を与える可能性がある。
成熟した組織であるためには、主要な活動を合理化し、多くの個別の意思決定で構成される定型的で体系的なプロセスとして確立することが必要である。これらのプロセスは均一性があるため、予測最適化に適している。
したがって、予測AIは高いリターンをもたらし、顧客体験を向上させる。UPSは、明日の配達予測に基づいて配送計画を最適化することで、年間約3,500万ドルを節約していると推定されている。中規模の銀行では、クレジットカードの不正取引を予測することで、年間1,600万ドルを節約できる可能性がある。マーケティングキャンペーンでは、どの顧客が購入するかを予測することで、利益を5倍に増やすことができる。
これは、何十年にもわたって実績を積み重ねてきた機械学習の確立された企業での利用事例である、オリジナルのAIである。
予測AIは古いが、古臭いものではない。それは依然として最もお金のかかる分野である。予測AI市場は2025年までに640億ドルに達すると予測されているのに対し、生成AIへの支出は昨年、予測AIの7％未満、他の推定ではわずか4％未満に過ぎないと推定されている。それでも、予測AIの可能性はまだ十分に活用されていない。その一因は、企業が開発から運用への効果的な移行に苦労しているためである。機会は無限にある。
2. 予測AIは自律的に動作できるが、生成AIは通常そうではない
多くの展開において、予測AIは人間の介在なしに確実に意思決定を行うことができるが、生成AIは人間のプロセスを自動化するのではなく、サポートする。
マーケティングのクリエイティブを書くことを支援したり、コードの効率を改善したりするような生成AIの企業での利用事例では、生成されたすべてのアサーション、提案、推論、ステートメント、コードのセグメント、ドラフト文書など、各出力を確認するために人間の介在が必要である。生成AIは、人間の重要なタスクを引き受けるために自らを位置づけている。それは、コンピューターが人間の常時監視なしに動作するためには高いパフォーマンスレベルが必要とされるため、精査の対象となる活動である。機械が通常は人間が書くものを書く場合、盲目的に信頼することはできない。
対照的に、予測AIの多くの適用例では、より寛容な機能を引き受けることで、完全自律の莫大な価値を獲得できる。銀行システムは、クレジットカードの請求を許可するかどうかを瞬時に決定する。ウェブサイトは、表示する広告を瞬時に決定し、マーケティングシステムは、誰にコンタクトを取るかについて何百万もの賛否の決定を下す。政治キャンペーンの分析システムも同様である。Eコマースは、フライトから懐中電灯まで、購入ごとに価格を設定する。安全システムは、点検すべき橋、マンホール、レストランを決定する。これらの特定の意思決定ステップでは、人間の介在は一切ない。
3. 予測AIは生成AIよりもはるかに安価で、フットプリントもはるかに小さい。
予測AIプロジェクトに必要な機械学習モデルは、生成AIのモデルよりも桁違いに軽量である。
テキストとコードを生成する生成AIモデルである大規模言語モデルは、通常、1,000億から1兆のパラメーターで構成され、何十億ページものデータで学習するため、膨大なエネルギーを消費する。対照的に、予測AIモデルは、数十から数百のパラメーターで構成されることが多く、数千を超えることはほとんどなく、通常は10万以下の学習ケースで学習する。ラップトップ上で学習させることができる。
この違いは、目的の根本的な違いに起因している。生成AIは、機械から絞り出せる限りの人間的な概念の深い「理解」に基づくコンテンツを生成することを目指している。一方、予測AIは本質的に予測不可能なもの、つまり人間の行動（誰がクリックし、購入し、嘘をつき、死ぬか）などの結果を予測することを目指している。モデルがどれほど複雑であっても、このようなことがどの程度予測できるかには限界がある。このような予測目標に対して、一般的に「クリスタルボール」レベルの信頼性を達成することは期待できない。代わりに、予測AIは推測よりも優れた予測を提供し、これは一般的にボトムラインの意味のある改善を提供するのに十分以上のものである。予測モデルの複雑さを増すことでパフォーマンスの限界効用逓減に直面するため、予測AIプロジェクトには比較的軽量のモデルが適している。
生成AIの採用と並行して、予測AIをより積極的に活用する
予測AIをより積極的に活用する
生成AIの華やかさと新規性が脚光を浴びるのは当然のことである。我々は、これまでにないほど人間らしい振る舞いをするコンピューターを見たことがなかった。しかし、生成AIへの注目が、予測AIの普及から目を逸らしてはならない。
一方で、生成AIは全くのホットエアーではない。コンピューターが文章やコードの最初の下書きを生成することは、人間が各下書きを確認する必要性を認識している限り、真に驚くべき価値あることである。他方で、近いうちに仕事を完全に自動化できるAIを期待しているわけではない。AIはあくまでもツールであり、人間の代替ではない。
生成AIと予測AIに共通しているのは、機械学習の中核となる原理が、その奥深くに埋もれていることである。したがって、両者は競合関係にはなく、ゼロサムゲームでもない。両者がスキーリゾートとウォーターパークのように競合することはないはずである。理想的には、組織は各業務上の問題に対して、最大の価値を生み出すのに最も適したテクノロジーを用いるべきである。
最後に
現在は、生成Aiが注目を浴びているが、予測AIのその力も強大ものである。ここで簡単に生成AIと予測AIを対比させると,
目的:
- 予測AI: 将来の出来事を予測する
- 生成AI: 新しいコンテンツを生成する
出力:
- 予測AI: データに基づいた予測結果を出力する
- 生成AI: 新しいテキスト、画像、音声などのコンテンツを出力する
予測AIは過去のデータから学習して将来を予測し、業務効率化や在庫最適化などに貢献する一方、生成AIは学習したデータから新たなオリジナルコンテンツを生成し、創造性や発想力が求められる作業において人間の仕事をサポートするツールとして活用される。
ここでの投稿者が、
「この問いを提起する人々は、2人のうちどちらと結婚すべきかで悩む人と同じように、要点を見失っているのかもしれない。」
といったように、両者とも社会に対する威力は大きい。AIの「考える」力が、Iotというインターフェースを通してより人間のように振る舞い、これまでのデータの蓄積・分析による未来予測が出来るようになるなら、
「人間にもういらないんじゃない？」
と考えることもなんらおかしなことではない。