こちらの記事に掲載した内容について、2022年3月10日（木）17時からのWebinarにてお話しいたします。
ぜひご参加ください！
AIから具体的なビジネス価値を生み出すために、組織は、短期的（迅速で価値の高い勝利を検討）と長期的（組織全体を超えるような革新的でAIが組み込まれた文化の確立）の両方で高度な分析とAIを活用する必要があります。スケーラブルで持続可能な方法でこの2つのアプローチを導くために、組織はデータの利用がほぼ当たり前となるようなEveryday AIを実現する必要があります。Everyday AIでは、AIの利用は日々の業務に溶け込み絡み合い、まさに業務の一部になります（分析チームや中央のデータサイエンスチームなど、あるチームだけがAIを利用したり開発したりするのではない、ということです）。
短期的な勝利と長期的な変革のためのAI
2022年以降に明白になると思われるいくつかの重要なトレンドを次に示します。
1.ビジネスユーザーがAIを活用し、データサイエンティストよりも多くの価値を提供し始めます： 2021 年は、データサイエンスやAIの分野にとって決定的瞬間といえる年でした。多くの組織が、AIによる効果を高めるには、専門家以外の人々の参画が不可欠であることに気づいたからです。
私たちは、AIプロジェクトに関与する役割が急増する様子を見てきました。プロジェクトの管理者とリーダー、リスク管理者、対象分野の専門家（SME）、アノテーター、多くの作業をコードで行うハードコアデータサイエンスの社内シンクタンクなどです。関与する人々がこのように多様化したきっかけは何でしょうか。AI採用の増加と規模の拡大に伴い、AIの開発、展開、管理を行うチームに新たな役割が加わりつつあります。初期のAIプロジェクトの成功により、プロジェクトの可視化を求め、重要なステップではレビューや承認をしたいと考えるビジネス関係者の関与が増加しています。
さらに、データサイエンティスト（およびその他のデータチーム）が組織のデータとAIの変革における重要な役割であることは間違いありませんが、2021年を通じて観察されたこととしては、データサイエンティストだけでは、顕著な成果を生むのに不十分だということです。具体的には、ビジネス関係者のうち3つのグループが進化しており、今後も進化し続けるでしょう。
- アナリスト：データに関する役割として以前から存在し、常にデータ処理に従事してきた役割です。ビジネスアナリストなどがこれに該当します。スプレッドシートからの移行や、シチズンデータサイエンティストとしてのスキルを高めるための社内支援などの要因により、これらの人々の効果はますます高まっています。
- ビジネスユーザー：次はビジネスユーザーです。彼らは以前にデータを活用していたかもしれませんが、当時はまだデータと分析の成熟度は低いものでした（アナリストではなく、マーケティング担当者やサプライチェーンマネージャーなど）。分析ワークフローを直接構築したり、専門家と共同構築したりするビジネスユーザーの能力は、ますます高まっています。データへのアクセス性の向上と、スキルアップや適切なツール（Dataikuなど）が組み合わされることで、効果を得るまでの時間が短縮されるからです。
- AI利用者：必ずしも、ソリューションを構築したり、直接データを使って作業したりすることはないものの、データチームや上記のグループが構築したAIツールやアプリケーションのメリットを享受するエンドユーザーが増加しています
2.自動化、ビジネスインテリジェンス、AIが1つのプラクティスに統合される： 昨年私たちは、（とくにBIが従来の遡及分析から高度な予測分析や処方的分析へと移行するにつれて）機械学習はBIおよび分析の役割やツールにさらに組み込まれるようになるだろうと予測しました。2022年が始まっても、分析およびビジネスインテリジェンス（BI）とデータサイエンスおよび機械学習の合流は続いていくと考えています。単に相互接続されるだけではなく、組織にとっての1つのプラクティスとなるでしょう。これら3つのすべてに取り組む組織において、これは顕著です。なぜなら、そのような取り組みは、サイロを減らしRPA/BIの取り組みやAIの取り組みを担当する人/チーム間の分断を緩和します。これにより、複数のチームが参画するプロジェクトの可視性とコラボレーションも向上するからです。
ForresterConsultingによるDataikuのTotalEconomic Impactでは、手動の反復作業を自動化することで、調査対象組織の運用効率が向上したことがわかりました。
効果のあった主な分野は、レポート作成でした。Dataikuにより、定期的なレポート作成に関連する手動の反復作業の90%が削減されました。
3.組織は、本番環境への移行に関して効率の転換点に到達： 早い段階でつぶされるような（ビジネス価値に変換できなかった、ビジネス関係者からの評判があまり良くなかった、など）、本番環境へ移行すべきではないプロジェクトは確かに大量にありますが、私たちは、多くの組織が効率性の転換点を迎えたことを目の当たりにしています。すなわち、組織が本番稼働させたいと考えた機械学習プロジェクトの半数以上において、それが実現されています。
2019年、VentureBeatは、実際に本番稼働化されているデータサイエンスプロジェクトは13%（10件のプロジェクトのうちわずか1件）であるとする記事を公開しました。つまり、本番稼働化されるモデルが増加しているということは、AIプロジェクトからビジネス価値を引き出すアプローチにおける企業のアジリティーが向上していることを示しています。
2021年を通じて 堅牢なMLOpsプラクティスが引き続き注目されていることから、データサイエンスと機械学習の業界が成熟し続けていることがわかります。これは、毎日多くのモデルが本番環境に展開されていることを示しています。また、チームが主体性を持って、機械学習ライフサイクル全体を標準化し、管理するために明確に定義された計画を持つようにしていることも示しています。
2022年のAIトレンドについて、詳細はこちらのホワイトペーパーをご覧ください。
原文：3 Enterprise Trends Driving AI Into Everyday Use: 2022 and Beyond