ゴミにAIトークンを費やすのはやめましょう

ゴミにAIトークンを費やすのはやめましょう

AIに関して私がよく耳にする最大の誤解の一つは、成功の鍵はより良いプロンプトを作成することにあるというものです。

プロンプトは確かに重要ですが、AIイニシアチブがビジネス価値をもたらすかどうかを決定づけるものではありません。お客様と仕事をしてきた私の経験から言うと、決定的な要因はもっとシンプルです。それは、AIに供給されるデータの質です。

完璧な質問文を作成したとしても、その根底にある情報が古かったり、不完全だったり、無関係だったり、適切に管理されていなかったりすれば、結果は芳しくありません。だからこそ、私はお客様に「AIトークンを無駄遣いしています」とよくお伝えしています。すべてのクエリはリソースを消費し、不正確な応答は時間、費用、そして信頼を無駄にします。

会話はプロンプトから始めるべきではありません。データから始めるべきです。

AIに必要なのは、より多くのデータではなく、適切なデータです

多くの組織は、AIにはより多くの情報へのアクセスが必要だと考えています。私はそうは思いません。AIが本当に必要としているのは、適切な情報へのアクセスです。

人事アシスタントは技術文書を必要としません。金融チャットボットはマーケティングプレゼンテーションを検索すべきではありません。すべてのAIアプリケーションは、その特定の目的を支えるデータと接続されるべきです。

それは、まずシンプルな問いから始まります。「私たちはどんな問題を解決しようとしているのか？」

ビジネス目標が明確になれば、必要なシステムとデータを特定することがはるかに容易になります。組織は、AIをあらゆるものに公開するのではなく、有意義な成果を生み出す、関連性があり、最新で、信頼できる情報を提供することに注力できます。

そうやって、すべてのトークンの価値を最大化するのです。

責任あるAIは、責任あるデータから始まる

責任あるAIは、ガバナンス、透明性、倫理といった観点からよく議論されます。そうした議論は重要ですが、重要な前提条件を見落としています。それは、責任あるデータ活用です。

データは永遠に正確であるとは限りません。

技術文書の変更点。内部方針は変化する。製品の修正プログラムがリリースされました。ビジネスプロセスが改善される。6か月前には正しかった情報も、すでに古くなっている可能性があります。

そのため、データの整合性は、AIプロジェクトを開始する前に一度だけ行うクリーンアップ作業として扱うことはできません。それは継続的な取り組みとして定着させる必要があります。組織は、自社の情報が正確で、最新で、安全であり、それを利用するAIシステムに適しているかどうかを継続的に評価する必要があります。

データの質が低下すると、AIの質もそれに伴って低下します。

データ所有権はIT部門だけの責任ではありません

私が考える組織上の最大の課題の一つは、データの所有権が誰にあるのかが明確でないことです。

企業は、IT部門がインフラストラクチャを管理しているという理由だけで、この責任はすべてIT部門にあると思い込んでいることがあまりにも多い。しかし、ストレージチームは、人事ポリシーが最新であるかどうか、あるいは技術文書が依然として有効であるかどうかを判断する責任を負っていない。

私はインフラチームを郵便サービスに例えるのが好きです。彼らは封筒を安全かつ確実に配達する方法を知っていますが、中に何が書かれているかについては責任を負いません。

データを作成する人々は、そのデータの意味を理解しています。企業は、それがどのように使用されているかを理解しています。インフラストラクチャチームは、データが利用可能で、保護され、アクセス可能であることを確保します。

AIの成功には、これら3つのグループすべてが協力して取り組むことが不可欠です。

私はこれを所有権というよりはデータ管理責任と考える方が適切だと考えています。組織にとって最も貴重な資産であるデータの品質、セキュリティ、有用性を維持するには、誰もが役割を担っています。

ビジネスリーダーはAIに関する議論に参加しなければならない

AIプロジェクトは、実際にはビジネス上の取り組みであるにもかかわらず、しばしば技術的な取り組みとして扱われます。

私がこれまで見てきた中で最も成功したプロジェクトは、最初からビジネスリーダーが関わっていました。彼らは望ましい成果を定義し、成功指標を設定し、AIが測定可能な価値を生み出せる分野を特定します。

その一致が会話の方向性を変えます。

組織はIT部門に「AIを導入してほしい」と依頼するのではなく、手作業の削減、顧客体験の向上、従業員の意思決定の迅速化など、具体的なビジネス課題の解決に取り組み始めます。

また、組織全体での賛同を得やすくなります。これは、誰もが自分にとってのメリットを理解しているためです。

従業員は、AIが有意義な仕事を置き換えることを望んでいません。反復的な作業をなくすことで、問題解決、顧客対応、そして価値創造により多くの時間を費やせるようにしたいと考えています。

スケールを忘れずに

パイロット試験が成功したからといって、本番運用が成功するとは限りません。

私は、少数のユーザーにとっては完璧に機能するAIソリューションを構築した組織をいくつも見てきましたが、数千人の従業員をサポートするようになると、経済状況が劇的に変化することに気付くのです。

ユーザーが増えるほど、プロンプトも増えます。プロンプトが増えるほど、消費トークンも増えます。拡張性が当初の計画に含まれていなかった場合、コストは急速に増加します。

だからこそ、組織はAIが機能することを証明するだけにとどまらず、さらに先を見据えるべきです。持続不可能なコストを生み出したり、ユーザーを失望させたりすることなく、本番規模で効率的に機能することを証明する必要があります。

早い段階で規模拡大を見越した計画を立てることで、後々の不愉快な事態を防ぐことができます。

データから始める

AI関連の取り組みを始めるのであれば、私の助言は単純明快です。

まず、達成しようとしているビジネス成果を明確に定義することから始めましょう。次に、その目標を支えるために必要なデータを特定し、そのデータがクリーンで、最新で、安全で、適切に管理されていることを確認してください。ビジネスリーダー、データ作成者、インフラチームを一同に集め、全員がデータ品質の維持と成功の測定におけるそれぞれの役割を理解できるようにしてください。

その時になって初めて、プロンプトに集中すべきです。

AIから最大の成果を上げている組織は、必ずしも最新のモデルを使用しているとか、最も巧妙なプロンプトを作成しているわけではありません。そのような組織は、信頼できるデータ、共有された責任、そして明確なビジネス目標に投資しています。

結局のところ、AIの価値は、それに与える情報によって決まるからです。データがクリーンで、関連性が高く、適切に管理されていれば、トークンは費用ではなく投資となり、その時こそAIが誰もが求めているビジネス目標をもたらし始めるのです。