CxO シリーズ: Accenture 社が提案する生成 AI 導入のヒント

最新の CxO シリーズブログでは、Accenture Operations 社オペレーション用テクノロジー部門インテリジェントオートメーション担当 CTO の Shallu Gupta 氏にお話を伺いました。同氏は、オペレーション全体の自動化プロジェクトをリードしています。今回は、生成 AI の台頭と、Accenture 社のクライアント間での実装で見られるトレンドについて話を聞きました。

あなたの役割とそこに至るまでの経歴について、少し教えていただけますか?

Gupta 氏: 私は 22 年以上 IT 業界に携わっており、主にソフトウェア開発の経歴を持っています。現在の役割は、Accenture 全体のトップレベルのベンダー、デリバリーチーム、ビジネス変革チームと協力して、ビジネス目標に沿ったテクノロジー戦略を設計することです。テクノロジーロードマップが当社のビジネス戦略全体と一致していることを確認し、急速に進化するテクノロジー環境で競争力を維持できるように努めています。主要なベンダーやパートナーとの技術パートナーシップの構築と管理も、私の役割の重要な側面です。これにより、運用効率を高め、ビジネス成果を向上させる最新のテクノロジーとソリューションを利用できるようになります。

自動化担当 CTO として、新しいテクノロジー、業界のトレンド、ベストプラクティスを常に把握することを心がけています。イノベーションとコラボレーションの文化を育むことで、当社の業績にプラスの影響を与える変革を推進することを目指しています。

AI と生成 AI は、お客様にとって優先度が高く、最優先の話題であることは明らかです。現在感じている主なトレンドと、お客様がこれらのテクノロジーに最も関心を持ち、可能性を示している分野をいくつか挙げてください。

Gupta 氏: 個人的には、Accenture Operations 内のすべてのドメインで生成 AI の能力を活用したいと思っています。Accenture では現在、複数の部門 (財務、マーケティング&リサーチ、人材&人事など) で複数の実験を行っており、検出からデプロイまでソフトウェア開発ライフサイクル (SDLC) のさまざまな段階における生成 AI の影響を測定しています。コード生成、コードのデバッグ、その他の高度な機能を通じて開発者の生産性を大幅に向上させる可能性があるためです。

当社はすでに AI を活用して、インテリジェントオートメーションソリューションをお客様に提供しています。こうしたソリューションには、ドキュメントのデジタル化、自然言語処理 (NLP) ベースの自動化、予測分析などのさまざまな分野が含まれています。AI テクノロジーを組み込むことで、当社はお客様のコスト削減、運用効率の向上、カスタマーエクスペリエンス全体の向上を支援してきました。

現在の状況では、個別のポイントソリューションではなく、エンドツーエンドの統合ソリューションを求めるお客様が増えています。分断された複数のツールを使用する代わりに、統合エコシステムを提供する包括的なプラットフォームを求めています。生成 AI の導入により、このトレンドはさらに加速し、特に NLP と自然言語生成 (NLG) に注目が集まっています。お客様は、これらのテクノロジーを活用して、カスタマーサービスの強化、会話の自動化、人間が生成するコンテンツに類似した高品質の文書コンテンツ生成を行うことに強い関心を持っています。

ビジネス目標と AI 戦略を一致させることが非常に重要です。成功を測定するために最適な方法は何でしょうか?

Gupta 氏: 定量的評価と定性的評価には、次のようなものがあります。

お客様からのフィードバック
財務指標への影響 (コスト、収益、ROI)
運用指標への影響 (効率性、有効性、生産性)
従業員満足度 (ワークライフバランス)

AI 戦略を実施する際に他に留意すべきことは何ですか?

Gupta 氏: 組織は次のことに留意すべきだと思います。

スキルギャップ分析
包括的なスキルギャップ分析を実施して、追加のトレーニングまたは採用が必要な分野を特定する必要があります。
コマンドセンター
コマンドセンターの実装により、AI の運用、パフォーマンス、潜在的な問題のリアルタイムの監視・監督が実現するため、AI システムの管理面で大きなメリットがあります。
費用対効果分析
AI ソリューションを実装する前に費用対効果分析を実施して全体的なビジネス目標に沿っているかどうかを確認することが組織にとって非常に重要です。
効果的なバイアス管理
堅実なバイアス管理プラクティスには、多様で代表的なデータセット、アルゴリズムの定期的な監査、バイアスを特定し緩和する継続的な監視などがあります。これにより、AI テクノロジーの公平性と透明性を確保して、倫理的に使用できます。
堅牢なサポート機能の確立
組織は、従業員と利害関係者が AI テクノロジーを効果的に活用できるよう支援する強力なサポート機能を確立する必要があります。信頼性の高いサポートシステムを導入することで、課題を克服し、円滑な運用を実現し、AI システムから得られる価値を最大限に高めることができます。
適切なフィードバックメカニズム
適切なフィードバックメカニズムの確立は、AI 戦略を継続的に改善するためには不可欠です。これにより、イノベーションが促進され、組織と利害関係者の進化するニーズに沿った AI ソリューションを活用できるようになります。

これらの追加要因を前述の要因と併せて考慮することで、リスクを最小限に抑え、AI が運用にもたらすメリットを最大化しながら、AI 戦略を成功に導き、その有効性を高めることができます。

組織が注意すべき主な障壁は何ですか?

Gupta 氏: 最も重要な障壁は、データのプライバシーとセキュリティに関するものです。データの取扱い、処理、保護、使用に関する対策を企業がしっかりと把握する必要があります。その他の障壁は、著作権問題をどのように処理し、偏りのない出力を生成し、一貫性を維持しているかという問題です。

組織は、現在実施している戦略が長期的に持続可能であることをどのようにして確認できますか?

Gupta 氏: AI の進歩とともに私たちには多くの機会がもたらされ、企業はそれを採用するプレッシャーにさらされています。イノベーションは多くの機会を生み出しますが、責任も伴うため、各組織は責任をもって考えるべきだと思います。組織が検討すべきことをいくつか紹介します。

最初に AI の導入を開始する分野を特定し、導入ロードマップで長期的な戦略を計画します。
必要なスキルセットの種類を計画し、リソースのスキルを高める戦略を作成します。
成功を測定するための主要指標を特定します。
使用するモデルとその限界を理解します。
関連規制を遵守するための強固なガバナンスモデルを構築します。
AI システムを本番環境に導入する前に、テストに関するベストプラクティスと品質チェックを実施します。
システムを継続的に監視するためのシステムと、問題を迅速かつ永続的に解決できるようトレーニングを受けたサポートモデルを導入します。
強力なフィードバックメカニズムを確立します。

今後 12～24 ヶ月間で生成 AI 分野はどのように進化していくと思いますか?

Gupta 氏: 生成 AI テクノロジースタックの各レイヤーが継続的に進化しており、消費者にとっての有効性が確実に向上しています。今後、組織は独自のデータを活用してアプリケーションにシームレスに統合することで、特定のニーズに合わせてテクノロジーを微調整できるようになるでしょう。組織の要件に基づいて既存のモデルを微調整するスキルの需要は急増すると予想されます。プロンプトエンジニアリングは、開発者やエンジニアにとってますます重要なスキルになる可能性が高いと考えています。

急速な進歩により、すでに新しいモデルが登場しており、今後 1～2 年でさらに成熟したトレーニング済みモデルが市場に登場すると予想しています。これらのモデルはさまざまな拡張機能と追加オプションを提供し、組織は、独自のビジネス目標に合わせた生成 AI ソリューションを実装できるでしょう。