本サイト上のコンテンツは、参照目的だけのために、英語の原本から翻訳されたものです。また、本サイト上のコンテンツの一部は機械翻訳されたものです。日本語版と英語版の間に何らかの齟齬がある場合には、英語版が優先されます。当社は改善のためのあらゆる努力を行いますが、翻訳の正確性及び信頼性は保証せず、当社に故意または重大な過失がある場合を除き、不正確性又は遺漏により生じる損失又は損害に責任を負わないものとします。
紹介
イノベーションの歴史には、既存の生活様式に大規模な破壊を引き起こし、今後何年にもわたって進歩の波を押し上げた決定的な瞬間や発明の短いリストがあります。車輪、印刷機、エンジン、インターネット、これらのブレークスルーのそれぞれが、世界の形を変える革命を引き起こしました。2022 年後半の ChatGPT の発売に続いて、多くの専門家は AI が技術成果の次の変曲点になると予測しています。
間違いなく、AI には大きな可能性が秘められています。最新のツールはこれまで以上にチューリング テストの合格に近づいており、人間の出力と見分けがつかない結果を生み出しています。画像、テキスト、ビデオは簡単な説明で作成でき、膨大なデータセットに対して画期的な分析が行われています。これらの成果は、導入の初期段階ですでに現れていることを考えると、後の段階が大きな影響を与えることを期待する十分な理由があります。
しかし、それは純粋なプラスではありません。AI がビジネス ワークフローを有意義に変革する前に、答えるべき質問があります。これらの質問は、企業がテクノロジーをワークフローに統合する際の実装の詳細だけでなく、無数の SF の比喩によってもたらされる実存的なジレンマにも焦点を当てています。AIは既存のアーキテクチャにどのように適合するのでしょうか?どのような新しい脆弱性を考慮する必要がありますか?そして、最終的に、人間とコンピューターが共存するとはどういう意味ですか?
これらの質問に完全に答えるには、数十年とは言わないまでも、何年もかかる作業であり、その過程で多くの予期せぬ障害が発生します。しかし、この分野でのCompTIAの初期の研究は、テクノロジー業界を観察した豊富な経験と相まって、いくつかの最初の方向性を示すのに役立ちます。歴史におけるAIの位置は、楽観主義者が予測する涅槃と、終末論者が期待する黙示録の間のどこかにあることは間違いない。バランスの取れた戦略を構築することは、組織が将来が到来したときに準備を整えるのに役立ちます。
AIの意味を理解する
実装戦略の最初のステップは、実装されるものの定義を把握することです。AIの場合、定義には2つの層があります。最も広い意味では、ほとんどの人は AI の基本的な概念、つまり人間のように考えるコンピューターを理解しています。この単純な説明を超えて、「AI」という用語は、コンピューティングのさまざまな時代を通じて多くの意味を持ちました。
前述のチューリング テストは、アラン チューリングが 1 と 0 のバイナリ形式で情報を表すコンピューターの意味に気付いた 1950 年代にさかのぼります。すべての情報をこのようにコーディングでき、意思決定プロセスをソフトウェアアルゴリズムとしてコード化できれば、機械は最終的に人間の知能を模倣できるでしょう。
AIの進化は、データセットの開発とアルゴリズムの進歩という2つのベクトルに沿った進歩によって定義されてきました。最も初期の AI の取り組みの 1 つは、1950 年代半ばにアーサー サミュエルによって書かれたチェッカー プレイ プログラムでした。ここでは、データセットがゲームのルールであり、アルゴリズムは最初の機械学習の実践の一部でした。これらには、潜在的なボードポジションの検索ツリーと、それらのポジションがゲーム結果にどのように結びついているかの記憶が含まれていました。
サミュエルのプログラムやその他の初期の取り組みは、コンピューティングリソースの制限により範囲が限られていました。リソースが拡大するにつれて、AI の取り組みはより複雑になりました。マーガレット・マスターマンのセマンティック・ネット、ジョセフ・ワイゼンバウムのELIZA、リチャード・グリーンブラットのチェス・プログラムはすべて、リソースの可用性が一般的なアプリケーションではなく特定のユースケースを決定していたにもかかわらず、この分野の進歩の初期の例でした。
さまざまな時点で、コンピューティング リソースの上限により、AI の進歩が遅れ、時には「AI の冬」と呼ばれることもあります。進歩は停滞していますが、想像力は停滞していません。SFの物語や映画は、コンピューティングと材料工学の上限が取り除かれた後、機械が何ができるかについての一般の認識を形成してきました。
インターネットの到来は、事実上無制限のコンピューティング リソースの始まりを告げました。世界中の情報に簡単にアクセスできるため、IBM の Watson のようなプログラムは、ゲーム番組 Jeopardy の一般的なトリビアをうまく処理できます。同時に、クラウド コンピューティングを活用したディープ ニューラル ネットワークにより、高度な計算を実行できるようになり、複雑な囲碁ゲームをプレイする Google の AlphaGo や、電話で自然な会話をシミュレートする Google Duplex の開発につながりました。
この理論が提案されてから70年が経過した今日、チューリングテストに必要な要素はほぼ整っています。AI は、過去のデータからパターンを検索して将来の結果を予測する予測 AI と、トランスフォーマー アルゴリズムと大規模言語モデル (LLM) を使用して同様のソリューションに関する深い知識に基づいて出力を生成する生成 AI (genAI) の最新のブレークスルーの 2 つの主要な陣営に分かれています。
長い歴史とさまざまな反復を考えると、AI の正確な定義はやや曖昧になっています。最も実用的な定義は、AIはソフトウェア開発における分野であり、出力は決定論的な一連のルールではなく、統計と確率に依存しているということです。AI はスタンドアロン製品ではなく、ソフトウェア アプリケーションとコンピューティング ハードウェアの両方に新しい機能をもたらす実現テクノロジーとして考えるのが最善です。AI 自体には、機械学習や自然言語処理など、洞察力に富んだ予測や独自のコンテンツを提供するために活用される多くのサブドメインがあります。
この定義は、AI 導入を複雑にしている最大の問題のいくつかを説明するのに役立ちます。確率への依存により、人間の相互作用の必要性が高まります。正解の確率は非常に高いことが多いですが、ワイルドエラーの可能性は常に存在します。AI 対応アプリケーションの階層はユースケースを複雑にします。企業がAIを事業活動に活用していると謳うとき、生成AIやニューラルネットワークを使っているのか?彼らはどの程度知っているのでしょうか?大まかに言えば、組織がメリットと課題を比較検討する場合、詳細は重要ではないかもしれません。解決策を実装する時期になると、状況はわずかに変わります。
期待を(再)設定する
AI ツールがより強力になるにつれて、ビジネス価値を引き出す可能性も高まっています。どんな誇大広告サイクルでも、専門家や専門家が可能性を想像すると興奮が高まります。その興奮は、現実が始まるにつれてやがて薄れ、横ばいになります。消費者向けテクノロジーがイノベーションの焦点となるにつれて、誇大広告のサイクルはより複雑になっています。コンシューマー向けハードウェアやアプリケーションに見られる機能は、必ずしも企業での使用にシームレスに変換されるとは限りません。
最近の生成 AI の波は、この確立されたパターンに従う可能性があります。最初の生成AI製品は、2つの理由から爆発的に人気を博しました。まず、基盤となるテクノロジーは、クエリのコンテキストを取得するために、複雑な自然言語入力を理解したり、大量のデータを取り込んだりすることができます。第二に、ツールは比較的高レベルの品質と精度を提供する即時の結果を生成しました。
生み出されたアウトプットは、期待の主な原動力となっています。AI が高品質のコンテンツを生成できるとしたら、既存の労働者のアウトプットをどのように変化 (または置き換える) のでしょうか?CompTIA の AI 使用に関する最新のデータによると、企業が AI を模索している活動が緊密にグループ化されており、チャットボット、ソフトウェア開発、コンテンツ作成などのコンテンツ関連の取り組みが生成 AI によって大きな後押しを受けていることは間違いありません。
ただし、長期的なメリットは、テクノロジーが入力を処理する方法に大きく結びついている可能性があります。初期の生成 AI ツールに対する興奮にもかかわらず、AI の上位アプリケーションは、AI に関する CompTIA の以前の研究と一致しています。自動化、データ分析、サイバーセキュリティは、通常、コンテンツ関連の出力がないタスクです。代わりに、それらは日常業務に関連しています。このような場合、AIは当面の問題に関連するさまざまな入力を理解し、特定のタスクの直接自動化、データで見つかったパターンの提案、サイバー攻撃の予測など、さまざまな形の支援を提供できます。
すべてのデジタルトランスフォーメーションの取り組みに共通するスレッドと同様に、AIの計画的な使用に共通するスレッドは生産性です。CompTIA の IT 業界見通し 2024 によると、労働力の優先事項が 2 番目に高い (そして従業員が 500+ 人の企業の中では最優先事項) は、最大の生産性を確保することです。この目的は当たり前のように思えるかもしれませんが、ほとんどの組織が間接的に測定するものです。多くの場合、収益の伸びや顧客満足度が主要な指標であり、生産性はそれらの目標を達成するために必要なコストの関数として測定される場合があります。
この文脈では、AI はほとんどの戦略的テクノロジー投資と同じ観点から見られています。従来のテクノロジーの見方は、非常に戦術的であったため、IT部門をコストセンターとして扱い、一定または削減された投資で必要なレベルの技術能力を提供することを推進しました。AIやその他の新興テクノロジーには、期待されるリターンで投資を正当化できるという、異なる考え方が必要です。この種の計算は、ほとんどのITリーダーにとって新しいものですが、テクノロジーへの投資や統合後の生産性の向上を測定できる人は、最も大きな価値を提供します。
将来に目を向けると、AI の生産性への影響は複雑なトピックになります。AI は個々の労働者の生産性を高めるだけでなく、場合によっては、AI ツールが特定のタスクに対して低コストのオプションであることが証明されます。最終的な効果がどうなるかを判断するのは難しいです。歴史的に、技術革新により、短期的には特定の職務が排除されてきましたが、長期的には雇用が創出されました。ロボットの支配者に関するあらゆる懸念にもかかわらず、安全な賭けは、AI が前例に従うということです。
AIの成功の障害
基本的な現実確認に加えて、AI の普及を妨げる、より個別の課題が他にもあります。これらの課題は、技術的なものから運用的なもの、社会的なものまで、さまざまな方向から生じています。ほとんどの組織は、それぞれの課題を直接解決する必要はありませんが、ソリューションの性質が AI 実装の重要な要素になります。
CompTIAの最新の調査で調査された企業にとって、最も期待されている課題はやや驚きです。企業は、技術的な詳細やワークフローの変革を心配するのではなく、従業員と新しい AI ツールの間の最適なバランスを見つけることに関心を持っています。一部の企業にとっては、人員削減が解決策の一部である可能性がありますが、これまでの調査とテクノロジー導入の歴史は、削減が企業が引く最初の手段ではないことを示唆しています。代わりに、戦略的な AI アプリケーションと的を絞ったスキルアップを通じて生産性を最大化し、既存の労働力をより効率的にすることに真の関心があるようです。
人間と AI のバランスを見つけることは長期的な取り組みですが、次の一連の課題はより差し迫ったものです。これらの技術的な問題は、組織内の AI の構造を決定します。LLM の構築と維持にかかるインフラストラクチャ コストは広く報告されていますが、ほとんどの企業は実際にはこの質問に直接答える必要はありません。クラウド ソリューションや組み込み機能を使用することで、多くの企業は独自のシステムを開発することなく AI のメリットを享受できます。
サイバーセキュリティとデータの懸念は、より差し迫ったものです。サイバーセキュリティが課題リストの上位にランクされているのは心強いことです。これは、多くの企業が既存のサイバーセキュリティ戦略で十分であるという前提のもと、新しいアーキテクチャやアプリケーションに飛び込んだが、不愉快な驚きを抱いた過去10年間のテクノロジーイニシアチブから企業が学んだことを示唆しています。データは別の話です。適切な AI トレーニングのためのデータの重要性を考えると、ここでの懸念のレベルはおそらく低すぎます。ビッグデータとデータ分析に関するこれまでの誇大宣伝サイクルでは、多くの企業が基礎的なデータセットとデータ管理プラクティスを構築するためにやるべきことがあり、AIの前提条件としてクリーンなデータを持つことは、この課題をより差し迫ったものにするだけです。
組織の観点から見ると、非技術的な課題は、他の新興技術導入イニシアチブの課題と似ています。特に消費者分野で爆発的に普及しているテクノロジーの場合、適切なユースケースを見つけることは必ずしも簡単ではありません。出力を評価する必要性は、個人が革命的である可能性がある、または危険なほど不正確である可能性のある AI 洞察を提示される可能性があるため、ワークフローを変更する必要性を示唆しています。企業が行動を変えるのに苦労しているため、多くの有望なテクノロジーが道端に落ちています。AI を使用すると、消費者向けアプリケーションをミラーリングする個人使用は数多くありますが、広範な企業変革にはワークフローの進化が必要です。
おそらく最も重要な課題は、AI の管理方法に関連しています。これらの課題は、ほとんどの組織の範囲外にある傾向がありますが、急速に増加しているデジタルビジネスのコンプライアンスガイドラインのリストにAI規制を追加することができます。ディープフェイク、著作権の主張、偏ったアルゴリズムはすべて、規制の観点から検討されている問題です。世界中の立法機関によって下された決定は、安全な AI ソリューションとコンテンツの透明性のための標準の開発を推進するでしょう。
今日の AI ツールはすべて、限られた範囲のタスクに焦点を当てた狭い AI のカテゴリーに分類されます。一般的な AI (汎用人工知能または AGI とも呼ばれます) と幅広い機能を実行する能力がますます近づくにつれて、これらの普遍的な課題はすべて制御の倫理的問題を示しています。SF は、自己認識のある AI を恐れるように条件付けてきましたが、物語の内容はいつか現実になる可能性があります。企業は実装戦略を構築でき、政府は規制を設定できますが、最終的には、テクノロジーに関する快適さのレベルは、ツールを使用する人々によって設定されます。モバイルデバイスやソーシャルメディアはすでに社会を再構築しており、AIによってさらにどれだけの形が行われるかは時間が経てばわかります。
AIビジョンを現実に
何十年もの間、IT は製品中心の機能でした。メインフレーム、サーバー、ネットワーク、エンドポイント デバイスは、ビジネス活動をサポートし、加速するアーキテクチャの重要なコンポーネントでした。製品の配布とサポートの必要性は、ITチャネルエコシステムの構築につながり、IT予算は主に製品の調達とメンテナンスによって左右されました。
この歴史は、エンタープライズテクノロジーに関する考え方の多くに今でも影響を与えています。過去10年の終わりに新興テクノロジーが焦点となったため、CIOにとっての困難の1つは、新しいトレンドをスタンドアロンのソリューションではなく、総合的なソリューションのコンポーネントとして位置づけることでした。「ブロックチェーン市場」や「5G収益」などの概念に言及した会話は、これらの技術を製品としてという視点に基づいていました。
AIも同じ運命をたどります。このラベルは、幅広いソフトウェア技術に適用されているだけでなく、新しいアプリケーションの略称としても使用されています。ChatGPT は AI と呼ばれますが、検索エンジンまたはコンテンツ作成ツールとして説明する方が適切です。2 番目の説明は、特に特定の化身では、新しい製品である可能性がありますが、AI は製品自体ではなく、その製品のコンポーネントであることに変わりはありません。
この違いは些細に思えるかもしれませんが、実装アプローチに関するビジネスプランはその重要性を強調しています。多くの企業が社内にソフトウェアや Web 開発チームを擁しているにもかかわらず、独自の AI アルゴリズムやツールを社内で開発することを計画している企業はほとんどありません。この一部は、前述のようにコストへの影響を反映しています。より大きな要因は、ビジネスアプリケーションのコア機能の開発に伴う複雑さです。
やや多い企業層が「AIツール」の購入を期待しており、購入者はAI機能の上に構築された新しい製品カテゴリーを想像している可能性が高い。これらのカテゴリが既存のビジネスソリューションと比較してどの程度実行可能になるかはまだわかりません。大多数の企業は、顧客関係管理、ビジネス生産性スイート、人事システムなど、AIが組み込まれて新機能を提供する既存のツールに投資することを期待しています。これらのツールはすでに企業のワークフローに不可欠な部分であり、AI は複雑なソリューション スタックの強力な新しい部分になるでしょう。
実装の詳細に関係なく、企業は新しいテクノロジーの評価に関するプロセスを確立または強化する必要があります。これは、新興テクノロジーへの移行から得られた主なポイントの1つであり、これらの新しい要素には、サイバーセキュリティの脆弱性、ワークフロー管理、インフラストラクチャ要件に関する新しい問題が伴います。これらの課題を正しく理解し、導入に必要なコストと労力を正確に予算化するために、企業は長所と短所を評価するチームを結成し始めています。これらのチームは多くの場合、部門横断的であり、統合に関する技術的な視点とともに、目標に関するビジネスの視点を提供します。
AI の場合、これらの評価作業は、その領域に伴う多くの問題に対処する必要があります。まず、AIのトレーニングにはどのようなデータが必要になるのでしょうか?これには、組織全体でデータを見つけてまとめて収集する必要がある場合があります。次に、新しいツールからどのようなサイバーセキュリティへの配慮がもたらされますか?新しいベンダーから発生する可能性のある潜在的な脆弱性に加えて、使用されているデータによってはプライバシーに関する考慮事項もあります。最後に、AI出力はどのように使用されますか?場合によっては、これは簡単な答えかもしれません。他の多くの企業では、出力を評価し、それを新しく改善されたワークフローに組み込むことについて決定する必要があります。
AI の評価と実装に伴う取り組みは、人間と AI の相互作用を最適化するという主な課題を指摘しています。現代の AI テクノロジーは、たとえ進歩しているとしても、まだ自己認識も実装も簡単ではありません。複雑なソリューションスタックは、変更および保守するために思慮深い決定が必要です。AIが労働力に及ぼす全体的な影響は不明ですが、AIが新しいスキルの需要を促進していることは疑いの余地がありません。
AIの未来に向けたスキルの成長
生成AIが登場したとき、労働市場はすでに混乱の状態にありました。歴史的に、失業率の低さとデジタルトランスフォーメーションの継続的な取り組みが相まって、需要と供給の不均衡が生じ、組織は採用と労働力開発に対するスキルベースのアプローチに移行し始めていました。AI は、ほとんどの新しいテクノロジーと同様に、将来繁栄する新しいスキルや職務の創出に関する疑問を追加しました。
質と量は、新たなスキルの将来の可能性を評価する際に、どちらも大きな未知数です。AI の親分野であるソフトウェア エンジニアリングは、簡単な例を提供します。1900年当時、ソフトウェア開発者の役割は存在しませんでした。1950年代までに、企業はソフトウェア開発者が存在することを想像することができましたが、大企業やソフトウェアベンダーなどの非常に限られた状況にありました。2000 年代までに、オープンソース、マイクロサービス、Web 開発の進歩により、ソフトウェア開発者はテクノロジー労働力の中で支配的な役割を担うようになりました。
CompTIAがLightcastの求人情報を分析したところ、AI関連の求人やAI関連スキルを特集した求人の求人は、2023年11月から2024年5月までの6か月間で16%増加し、テクノロジー職種の求人件数全体が安定していた期間に大幅に増加したことが判明した。AIがテクノロジースタック全体の一部になるという期待を反映して、IT運用のあらゆる分野でAI関連スキルの需要が高まっています。
現在、データ管理と分析の分野は、最も AI の関心を集めています。クラウドコンピューティングによってインフラストラクチャとソフトウェアが民主化されるにつれて、データは競争上の差別化を構築するためのゼロ地点になりました。この急速に変化する分野における解約の量は、データ分析、出力評価、入力操作の熟練度など、AI 支援スキルの理想的な候補となります。
サイバーセキュリティへの関心も高い。評価の観点から、企業はAIツールを構築または組み込む際に生じる新しい脆弱性を理解する必要があります。運用の観点から、企業はAIを使用して既存のサイバーセキュリティ活動を改善することを計画しています。これらの活動には、日常的なサイバーセキュリティ タスク、サイバーセキュリティ インシデントの分析、防御をプロアクティブに評価するためのテストの作成などが含まれます。
AI アルゴリズムを直接作成することは当面はニッチな活動かもしれませんが、AI を使用して標準的なコーディングの実践を支援することには大きな関心が寄せられています。これは、生成AI製品の第一波から生まれた最も一般的なユースケースの1つです。多くの企業が既存のDevOpsフローの特定の側面(バージョン管理や安全なコーディングなど)に苦労していることを考えると、AIによる高速化には間違いなく最新のスキルが必要になります。
最後に、インフラの分野は、確立されているにもかかわらず、依然として新たなAI適性を育むことが期待されています。システム運用(SysOps)の実践は、長い間自動化の強化に向けて取り組んできましたが、AIはそれらの取り組みを加速すると同時に、機械主導の意思決定に関する新しい技術を提供します。特に、独自の AI システムを構築および管理する組織の場合、集中的なコンピューティング アクティビティをサポートするためのアーキテクチャの計画に関連する追加の要件があります。
ただし、スキルの要求はコアテクノロジーの専門家だけにとどまりません。従業員トレーニングの優先事項の企業リストでは、AIの基礎が自動化に次いで2位にランクされています。同様に、2024 年 1 月に発表された CompTIA の求職者トレンドでは、AI の基礎が認識されているデジタル スキルのニーズのリストで 2 位にランクされていることが判明し、履歴書に AI の洞察力が差し迫っていることを示唆しています。人事の観点から見ると、CompTIA の 2024 年の労働力と学習トレンド レポートでは、人事専門家の 62% が AI の可能性について肯定的な見方をしていることがわかりました。明らかに、AI は、基本的なデジタル リテラシーとより高度なデジタル流暢さの両方に関する需要の高まりに大きく取り組むでしょう。
AI スキルに関する詳細は、AI スキルが労働者の全体的なスキルセットにどのように組み込まれるかは言うまでもなく、企業が職務を構成する最も効果的な方法を構築するにつれて、市場によって決定されます。しかし、市場が揺れ動いている中でも、ルイ・パスツールの言葉は真実に響きます:幸運は準備された心に有利です。AI に関する意識と洞察力を高めることは、雇用の混乱に対する最善の予防策の 1 つです。結局のところ、誰かの仕事を引き継ぐ機械ではないかもしれません。スキルの構築により多くの投資を行っているのは別の個人かもしれません。
今後の展望
AIは人間の達成の次の段階を示唆するのでしょうか?それとも、少なくとも、それはビジネス開発の次の段階を示唆しているのでしょうか?テクノロジーのトレンドは移り変わり、長期的な影響を予測するのは困難ですが、AI は、現在の反復または近い将来の新しいバージョンのいずれかで、大きなマイルストーンになる可能性が高いと思われます。組織がさまざまな求人情報にわたって AI スキルの需要を拡大し続ける中、CompTIA は雇用主と従業員の両方への影響を調査し続けます。
結局のところ、賛否両論をいくら議論しても、AIの開発は妨げられることはありません。前進する最善の道は、メリットを理解し、課題に対する保護策を構築し、イノベーションとスキル構築が繁栄できる環境を育むことです。
AI/データの詳細 をご覧ください。