レポートの主な調査結果は次のとおりです。
企業は AI/ML に賛同していますが、組織全体に拡張することに苦労しています。 回答者の大多数 (93%) は、いくつかの実験的または使用中の AI/ML プロジェクトを所有しており、大企業ほど導入が進んでいる可能性があります。 大多数 (82%) が、ML への投資は今後 18 か月間で増加し、AI と ML が収益目標に密接に結びつくと述べています。 しかし、スケーリングは、熟練労働者の雇用、適切なユースケースの発見、価値の提示と同様に、大きな課題です。
導入を成功させるには、才能とスキルの戦略が必要です。 この課題は、中核となるデータ サイエンティストを誘致するだけにとどまりません。 企業には、AI/ML の設計、テスト、ガバナンスを指導するハイブリッド人材と翻訳人材、およびすべてのユーザーがテクノロジー開発で役割を果たすための労働力戦略が必要です。 競争力のある企業は、労働者に差別化を図る明確な機会、進歩、影響を提供する必要があります。 より広範な従業員にとって、スキルアップとエンゲージメントは AI/ML イノベーションをサポートする鍵となります。
センター オブ エクセレンス (CoE) は、広範な展開の基盤を提供し、テクノロジーの共有とカスタマイズされたソリューションのバランスをとります。 成熟した機能を備えた企業 (通常は大企業) は、システムを社内で開発する傾向があります。 CoE は、ハブアンドスポーク モデルを提供し、部門をまたがるコア ML コンサルティングを利用して、オーダーメイドのツールとともに広く展開可能なソリューションを開発します。 ML チームは、急速に進化する AI/ML データ サイエンスの開発に遅れないようにする必要があります。
AI/ML ガバナンスには、データの透明性と来歴、規制の先見性、責任ある AI などの堅牢なモデル運用が必要です。 複数の自動化システムが交差すると、サイバーセキュリティの問題、違法な差別、マクロボラティリティなどのリスクが高度なデータ サイエンス ツールに増大する可能性があります。 規制当局や市民社会団体は、システム上重要な分野に特に注意を払い、国民や政府に影響を与えるAIを精査している。 企業は、完全なデータの出所、リスク評価、チェックと制御に基づいた責任ある AI 戦略を必要としています。 これには、AI/ML モデルの障害やリスクの自動フラグ付けなどの技術的介入や、社会的、文化的、その他のビジネス改革が必要です。
このコンテンツは、MIT Expertise Overview のカスタム コンテンツ部門である Insights によって作成されました。 これは MIT Expertise Overview の編集スタッフによって書かれたものではありません。
