12,334 文字
それでは始めましょう。こんにちは、皆さん。AIをテーマにしたこの大変興味深いセッションにお越しいただき、誠にありがとうございます。ご存知の通り、AIは私たちの社会や生活を変えていますが、ビジネス環境もまた変化しています。AIはビジネスのバリューチェーン全体やビジネスオペレーション、研究開発、製造、生産、サプライチェーン管理、物流、販売、マーケティング、広告、カスタマーサービスなどを変革しています。
AIはノイズなのかシグナルなのか、皆さんはその答えをご存知でしょう。もし将来、AIが最高経営責任者（CEO）に取って代わり、タイム誌で最高のCEOとして選ばれたらどうなるでしょうか。それは将来起こり得るかもしれません。また、AIがノーベル賞を受賞したらどうでしょうか。とても荒唐無稽なことですが、私たちはとても興味があります。
このセッションを通して、皆さんの会社のAI戦略について良い洞察と展望を得られるでしょう。だからこそ、私たちはここにいます。今日は非常に優れた二人の紳士、ハンサムな方々をお迎えしています。一人はSASのグローバルテクノロジー実践部門の副社長、デーパック・ラマナタンさんです。ご存知の通り、SAS社は最高のIT企業の一つであり、最も働きやすい会社の一つです。セッション後に、もしこの会社に入社したいと思われたら、どうやって応募すればいいか彼に尋ねてみてください。彼とクライアントチームは、分析主導のビジネス成果を創出し測定するためにクライアントを支援しています。彼は2002年にSASに入社しました。韓国の皆さんにとって2002年は、韓国と日本で共同でワールドカップが開催された特別な年ですね。
もう一人は、チー・ハン・ユー博士で、Appierの共同創業者兼CEOです。AIに関する20年以上の専門知識を持ち、2016年に世界経済フォーラムによってヤング・グローバル・リーダーとして認められました。だから彼は若く見えるのです。Appierは東京証券取引所にプライム上場している会社で、アジア、ヨーロッパ、米国に17のオフィスを持っています。Appierはフォーチュンマガジンのトップ50 AI企業の一つとして表彰されています。お二人に大きな拍手をお願いします。
戻ってこられて嬉しいです。以前、MBNフォーラムに参加していましたが、ソウルに戻ってこられて良かったです。Hさんが言ったように、私はSASで23年目になり、SASは統計を扱う48年の歴史を持つ会社です。統計から始まり、画面に表示されている言葉は、ここ2、3年で人気が出たものだと思います。この3年間で多くのお金が稼がれました。NVIDIAやサムスンなどのチップ会社のおかげです。しかし、ここ数ヶ月ではNVIDIAの株価下落によって多くのお金が失われました。これは、AIが私たちのシステムに不可欠な部分であり、今後もそのシステムを構築する上で重要であることを示しています。
生成AIとは何か、少しお話ししてから、言語モデルがどのような位置づけになるかについて触れたいと思います。生成AIは新しいコンテンツを生成できるAIの手法です。なぜこれが重要かというと、AIモデルは既存のデータから学習し、新しいデータを生成するからです。古いものから学び、新しいものを生成しているのです。テキストかもしれませんし、人気のチャットボットのような会話かもしれません。Diffusionのようなアプリケーションによるビデオやイメージの生成、3Dシステム、そしてグラフ技術に関する多くの興味深いグラフなどもあります。
しかし、生成AIには他にも影響があります。例えば、金融サービスにおける大きな影響は、合成データ生成と呼ばれるものです。合成データは人工的なデータですが、現在のデータに基づいて構築されています。正確に覚えていれば、韓国には16桁の国民識別番号があり、それは個人を一意に識別する非常にプライベートな番号です。多くの分析モデルを作成したい場合、これらの番号を生成し、プライバシーを保ちながら、新しく生成されたデータに基づいて統計モデルを構築できます。特に銀行顧客が信用モデルやスコアリングモデルを構築する際に大きな影響があります。製造業では、デジタルツインと合成データが大きな影響を与えています。つまり、単に画像やテキストを生成するだけでなく、新しいデータを生成しているのです。
統計の授業をするつもりはありませんが、生成AIはより大きなAIエコシステムの一部です。生成AIはその一つのコンポーネントに過ぎません。SASにとって、人工知能は倫理的で透明性のあるシステムを設計して、人間の決断や行動をサポートし加速させる科学です。AIシステムを設計する際、倫理的であることと透明性があることを確保することが非常に重要です。生成AIはその一部で、トレーニングされたデータに密接に似た新しいコンテンツを生成します。
20年、22年前を振り返ると、モデリングや統計の分野は主に統計学者によって行われていました。ここ5年、8年、10年で変わったのは、コンピュータサイエンスがこの世界に、つまり人工知能の世界に入ってきたことです。人工知能の世界全体を見ると、機械学習、ディープラーニング、生成AI、そして自然言語処理で構成されており、これらはすべて互いに連携しています。人工知能は時に人間の知能を超える知的な機械を作ることです。機械学習は既存の問題セットを理解し、既存のデータを改善することです。ディープラーニングは多くのニューラルテクニックを使用しており、現在耳にする大規模言語モデルは多くのディープラーニングが実際に起こっている結果です。生成AIはその出力ですが、時にはそのモデルがなぜその特定の出力を生成しているかわからないという課題があります。説明可能性が課題です。
技術が登場すると起こるガートナーのハイプサイクルというものがあります。私がこの場に立ったとき、世界知識フォーラムでのテーマはビッグデータでした。10年前のビッグデータを覚えているでしょう。ビッグデータには多くのハイプがありましたが、その後、人々はそれをどう活用すればいいのか、どのようにレバレッジすればいいのか、どの技術を使えばいいのかわからなくなりました。そして時間が経つと、それは語彙の一部になりました。生成AIでも同じことが起きています。今は多くの興奮のピークがあり、企業が実装を始めると、出力が望み通りでないことや、非常にコストがかかることがわかってきています。
次のスライドでは、この人工知能全体をサポートする異なるアルゴリズムについて説明します。機械学習における最適化、予測、ランダムフォレスト、ディープラーニングにおけるオートエンコーダー、そして生成AIとNLPにおける大規模言語モデルです。結局のところ、これらはすべて数学が稼働しています。重要なのは、数学を用いてビジネス成果に向けてどのように活用するかです。
SASは、AIと生成AIの世界での多くの仕事において、様々な業界で自信を持って成功するため、規制シナリオでの支援、多くのユースケースを提供することを目指しています。私たちは、これらの特定のAIのユースケースに関して、世界中の多くのクライアントと協力しています。
私たちの焦点は3つの領域にあります。まず、SAS VAAと呼ばれるものです。SAS VAAは、モデルが何かを言う理由を説明し、ガバナンスをサポートし（つまり、すべてのモデルに正しいデータが入り、正しい答えが出てくることを確認する）、大規模言語モデルの作成をオーケストレーションします。VAAコパイロットは、非常に業界特化したアプリケーションを構築することを目指しています。例えば、不正検出の場合、不正検出の支援を構築しています。クレジットカードを使用する際に、国際的な不正や国内の不正に対して脆弱かどうかなど、私たちがコパイロットの周りで行っている仕事によって大きな恩恵を受けています。最後に重要なのは、合成データ生成です。多くの規制当局や顧客がこの合成データに非常に関心を持っており、モデルを構築するために顧客データを使う必要がなく、合成的に生成されたデータを使うことができます。
生成AIにおけるVAAの考え方は、実験を迅速に行う方法である「加速されたイノベーション」に関するものです。以前は「どうやって早く失敗するか」と言われていましたが、SASでは「どうやってより速く学ぶか」と言っています。データ保護は絶対に重要で、信頼性も重要です。
ここで少し挙手していただきたいのですが、chat GPTを使ったことがある方はいますか？時々、結果が真実ではないことがありますよね？間違っていることもあります。どうやってその出力を信頼すればいいのでしょうか？それがガバナンスの部分です。質問に対する出力が真実であることを確認します。そして、より重要なのは、生成AIから得られる出力を決定に変換することです。なぜなら、最終的にビジネス成果を得るためには、決定がなされる必要があるからです。これらが、SASがAIの世界全体、特に生成AIで焦点を当てている領域です。
私はチハンユーでAppierのCEOを務めています。Appierは名前の由来も幸せに関連しています。AIを使ってあなたをより幸せにしたいという想いから、Appierと名付けました。今日は、AIの分野、特に生成AIの分野で私たちが行ってきた仕事と、AIエンタープライズの未来をどう進むかについて少しお話ししたいと思います。
皆さんは様々な未来のコミュニケーション形態を描いた映画を見たことがあるでしょう。何年も前から人々は企業や個人がどのように他者とコミュニケーションするかを想像してきました。しかし、データを見ると、現代の企業はまだ非常に伝統的な方法で顧客とコミュニケーションを取っています。主にウェブサイト、メール、電話を通じてです。
私の旅はロボティクスからソフトウェアへと続きました。2000年から2010年の間、私はロボットに動物のような知能を持たせる、あるいは自律走行車のように自ら運転できるようにするための研究をしていました。ある日、車を運転しながら「自動運転車をすでに部分的に発明したのに、なぜ私はまだ運転しているのだろう？どうすればAIが実世界でより大きな影響を与えられるだろうか」と考えました。そこでAppierを設立し、AIマーケティングソフトウェアに焦点を当て、顧客がエンドユーザーとより自律的にコミュニケーションを取り、本当の双方向のコミュニケーションを確立できるようにしました。
私たちのミッションは「AIをROI（投資収益率）に変える」ことです。12年前に会社を設立した当初から、私たちはアジアで初めてのAIマーケティング企業でした。一般的に人々はAIそのものには関心がなく、その方法論やソフトウェアシステムが機能するかどうかだけを気にします。そこで私たちは、すべてのAIソフトウェアが実際のROIを提供するという明確なミッションを確立しました。そのために、ソフトウェアのインテリジェントレイヤーを作成しました。
私たちのソリューションは一般的にマーケティングファネルのように見えます。このタイプのファネルは、多くのユーザーを集め、獲得するのを助けます。人々は何年もこれを行ってきましたが、データを活用して知的に行う方法はほとんどありませんでした。後ほど少し共有します。次に、顧客をできるだけ長く維持する方法です。顧客を長く維持できれば、ビジネスをする機会が増えます。最終的に、データ戦略はすべての企業戦略の中心として言及されています。オーディエンスと顧客データを将来のビジネスにどのように活用し、現在のビジネスを最適化するかが重要です。
私たちのソリューションはマーケティングファネルとして整列しています。いくつかの単純な例を使用して、AIがマーケティングの方法をどのように根本的に変えることができるかを説明したいと思います。一つは生産性と可視性を向上させることです。「広告に使われたお金の半分は無駄になるが、どの半分かわからない」というよく知られた言葉があります。これはマーケターにとって一般的な課題です。
伝統的に、多くのデジタルマーケティングは継続的な実験によって行われます。グループAとグループBを設け、最良の方法と前進する最良の道を見つけるために実験します。しかし、デーパックさんは統計の専門家ですが、この分野にいる多くの人々は統計の専門家ではありません。成功した実験を行うには多くの専門知識とデータ駆動型の思考が必要です。そのため、多くの場合、これらの実験は完了しても結論付けられません。
私たちが行っているのは、この問題を逆に考えることです。顧客の既存のデータを活用し、彼らのオーディエンスのモデルを構築し、この顧客に広告で1ドルを使う前に、顧客の生涯価値や価値を予測できるモデルを構築するというものです。このように逆に考えると、お金を使う前でも投資収益率を予測できます。これが私たちの最初のソリューションの仕組みです。
最近では、生成AIの出現により、さらに興味深いソリューションが生まれています。従来の広告では、一つのマーケティングクリエイティブやスローガン、ビデオ、コンセプトを顧客に宣伝します。しかし、コミュニケーションは双方向です。顧客を理解し、彼らとコミュニケーションを取りたいのです。しかし、朝の顧客は仕事に急いでいて、あなたが制作した長いビデオを見る時間がないかもしれません。深夜には製品についてもっと学びたいかもしれませんが、あなたは小さなバナーを配信するだけかもしれません。
私たちが行っているのは、生成AIを活用し、大規模言語モデルを活用して、顧客の現在の状態に合わせることです。例えば、この顧客は現在あなたの製品ABCを見ていて、お金を節約したいと思っているなら、私たちは特定の方法でコミュニケーションします。そして夜には、彼らがより多くのお金を使いたい、高スペックの製品を買いたいと思っているなら、私たちは異なる方法でコミュニケーションします。つまり、各シナリオやタイミングによって、一つのメッセージ、一つのバナー、一つのビデオをすべての顧客に配信するのではなく、AIを活用してリアルタイムのコミュニケーションを実現します。
生産性については、すべての企業が企業の生産性について話していますが、実際には単純な作業に多くの労力が必要です。例えば、ウェブサイトを変更するのにどれくらい時間がかかるか想像してみてください。非常に効率的な組織であれば、ウェブサイトの一部に新しいコンセプトを持ち、プロダクトマネージャーがUIUXデザイナー、UIデザイナーとコミュニケーションを取り、エンジニアにコードを書いてもらい、QAが品質保証テストを行い、1週間で公開できるかもしれません。そうであれば、あなたは非常に生産的で効率的な組織です。
私たちは生成AIをウェブサイトのテンプレートと異なるコーディング方法に組み合わせています。実際には、セクションを選択し、ウェブサイトをどのように変更したいかを記述するだけで、30秒以内にウェブサイトを変更できます。短いビデオをお見せしますので、私の言っていることが本当であることがわかるでしょう。
最初に、顧客はウェブサイトのこの部分を変更したいと思っています。そのため、この部分を選択し、次にこのテンプレートでウェブサイトのこの部分を変更したいと言います。すると、新しいテンプレートを挿入し、AIに新しいウェブサイトのデザインを伝えます。スケッチや説明でもいいですが、今回はサンプルを使用しています。30秒以内に、AIがウェブサイトを変更します。実際に完全にコードが書かれ、テストも行われています。
このモジュールを持った後、私たちは「おそらく私たちのフロントエンドエンジニアは皆、大規模言語モデルのエンジニアであるべきだ」と考え始めました。様々なフロントエンドをコーディングする代わりに、AIと協力し、AIが多くの作業を行えます。フロントエンドだけでなく、バックエンドも同様です。
連続性についてお話しします。競争力と企業の持続可能性をどう維持するかについてです。優れたマーケターや企業のプロフェッショナルを育成するには多くの努力とリソースが必要です。しかし人々は転職し、新しい人が入ってくると、これらの知識を会社内に保ち、長期的なベストプラクティスや長期的な最良の方法として継続することは非常に難しいです。
私たちが行っているのは、顧客が実施した歴史的な実験をすべて蓄積し、実験結果を共有してくれる顧客と共に、AIを訓練して成功した実験を行えるようにすることです。新しい試みをテストしたいというアイデアがあるとき、AIが完全な実験設定を生成でき、統計学者としても機能します。実験が結論付けられたら、最良の結果や成果を適用するのにも役立ちます。このようにして、同僚によって生成されたベストプラクティスを保存し、長期的な企業のテクノロジー基盤にすることができます。
将来のマーケターがどのように見えるかを描くために、この写真を使用したいと思います。左側と右側のあなたの脳のようなものです。左側には実行と意思決定があり、これはAIがユーザーセグメンテーション、ユーザー予測、あらゆる種類の最適化、自動化、効率的な推奨などを行うのに役立つAIの部分です。右側は、最高のマーケティング素材をどのように作成するか、新しいマーケティングスクリプトやマーケティングプランをどのように考案するかという、新たに登場している興味深い機会です。現在、それらの多くは生成AIを通じて自律的に実現できます。
いくつかの例の後、私たちが構築したあらゆる種類の例について話し続けることもできますが、AIがどのようにコードを書き、クリエイティブな文章を生み出し、実験計画を実行できるかを示しました。そして、人間に何が残されているのかという疑問もあるでしょう。それは私たちにとって大きなテーマです。ありがとうございます。
ありがとうございました、チハンユーさん。お二人のプレゼンテーションによると、私たち全員にとって良い戦略は、SASソフトウェアを選択することでしょう。ありがとうございます、それは良い戦略に聞こえます。
誰もがAIの重要性を知っていますが、それは言うは易く行うは難しです。なぜなら、実装は全く異なる話だからです。私の最初の質問は、会社が将来のためにAI戦略を開発しようと考える際、ミスや失敗なしに成功するAI変革を実現するために考慮すべきことは何かということです。おそらくお二人は様々な業界や様々な規模の企業でAIに関連する多くの経験をお持ちでしょう。良い事例や悪い事例はありますか？すべての聴衆にあなた方の経験と洞察を共有してください。良い実装のためにどうぞ自由に発言してください。
ビジネスにはAIの多くの機会があると思います。しかし皆さんご存知の通り、ビジネスを経営している、あるいはビジネスのために働いている皆さんは、時にビジネスがサイロ化する傾向があります。特にプロセスがビジネスの一方から他方に移行する場合です。そこが、AIをより全体的な視点で一つの完全なフローとして見ることができる部分です。
しかし、そのためには、歴史的に私たちのクライアントはアナリティクスセンターオブエクセレンスと呼ばれるものを持っていました。これは基本的に、会社内で行われる必要のあるすべての分析プロジェクトをリードするチームでした。同様に、AIはそれを拡張したものに過ぎません。このAIの旅を始める企業にとって、最初に中央集権的な機能を持つことが非常に重要です。そこからビジネスが思いつく可能性のある様々なAIプロジェクトを評価し始め、特定のユースケースをより有用にする方法についてドットを繋げることができます。そして、運用化、メンテナンス、サポートなど他の事柄も検討します。それが難しい仕事です。
まず、中央集権的なフレームワークを設定し、そこでユースケースを検討することが重要です。部分的な統合ではなく、全体的な統合、複数の部門間の多くの統合が必要です。例えば、チハンさんの例で同じことが言えます。メールキャンペーンを送信する場合、そのフィードバックを取り込むコアフロントエンドシステムと統合し、再び大規模言語モデルに組み込む必要があります。非常に全体的な視点で見る必要があります。
初期の失敗は、一つのユースケースや問題セットとしてだけ見た人々のものだと思います。誰かがより中央集権的かつ連邦的な見方をする必要があります。
なぜなら、一部の企業は最初にAI戦略を実装する非常に強い意図を持っていますが、多くのお金を費やしても、結果は最初に期待したものよりも本当に悪いことがあるからです。だからこそ、彼らが戦略を開発する際には慎重にならざるを得ません。
チハンさんの意見はいかがですか？
ありがとうございます。それは素晴らしいコメントです。過去10年間、AIの変革を経験する顧客をサポートしてきた中で、一般的に考慮すべきいくつかの重要な側面があると思います。最も重要なのは、明確な目標関数または明確なKPIを持つことです。何を達成したいのかを明確にすることです。AIソリューションを求めてくる人々の多数が、どのような指標を最適化したいのかわからないことに驚くでしょう。これはトップラインの最適化なのか、コストの最適化なのか。明確なKPIを持つことが最も重要です。なぜなら、AIは結局のところ機械であり、良いパフォーマンスをするためには明確な目標関数を定義する必要があるからです。
第二に、企業はお金を使えばAIは魔法のように働き、次の年次レビューで良いことが起こると想像することがありますが、それは決してそのような形では起こりません。このようなAI変革プロジェクトは、プロセスにおいて多くの段階的な成功を必要とします。小さなマイルストーンを定義し、各ステップで非常に管理可能で達成可能なマイルストーンを定義することが非常に重要です。そうすることで、企業内で勢いを築き、組織全体を変革するための臨界質量を構築できます。データプロバイダーから最終的なビジネスオーナー、そしてプロセスにおけるすべてのステークホルダーまで、組織横断的なコラボレーションが必要です。
また、各企業が自社のコアコンピテンシーを理解することを強く勧めます。すべてを自分で行うのではなく、自社にどのようなデータと才能があるかを理解することが重要です。一部の企業は自社のビジネスで非常に収益性が高いと想像し、多くのお金を使えば多くの優れたAI人材を雇えると想像しています。おそらく新聞からAI人材一人がアメリカドルで数十万、数百万のコストがかかると読んだことがあるでしょうが、私にはそれを負担できます。だから数人雇えばいいのではと思うかもしれません。しかし私自身を例に挙げると、AIの博士号を取得した時、私の最初の職業選択は実は教授でした。二番目の選択は企業で、三番目はウォールストリートでした。これは金銭的リターンの逆順です。
そのため、AI人材は継続的に革新し、あらゆる種類のアイデアを実験できる素晴らしい遊び場を探しており、金銭的リターンは一要素に過ぎず、すべてではありません。しかし認めなければならないのは、韓国が最近AIにおいて素晴らしい革新を遂げていることです。私はあらゆる種類の学術フォーラムに参加してきましたが、韓国が生み出す優れた研究の数は毎年増加しています。その観点から、多くの素晴らしい人材がいることは確かです。
しかし問題は、それらの人材は特定の領域の企業よりも、似たような人材と一緒にブレインストーミングできる場所で働きたいと思っていることです。あなた自身の差別化要因とコアコンピテンシーを知り、それを構築し、その上に他のプロバイダーを活用して早期スタートと小さなスタートを得て、明確なKPIを持った段階的な成功に基づいて反復することが、成功するAIプロジェクトを達成する方法です。
良いポイントですね。次に、リーダーシップについて話したいと思います。世界にはたくさんのリーダーシップがありますが、AI時代において、非常に複雑で革新的なAIの新しいパラダイムに対処するために必要な新しいリーダーシップとはどのようなものでしょうか？あなたの意見を伺いたいと思います。
どのような新しいリーダーシップが必要なのでしょうか？なぜなら、AIは次期CEOにさえ取って代わる可能性があるからです。あなたは取って代わられるでしょうし、聴衆の全員も取って代わられるでしょう。日常的な作業だけでなく、CEOのような非常に創造的で分析的な仕事も含めてです。AI時代の新しいリーダーシップについて、あなたの意見はどうですか？
私はリーダーシップの全体的な考え方は、正しい決断を下すことだと思います。たとえ間違った決断をしたとしても、それを認め、「はい、これは間違った決断でした」と言うことができます。このようなリーダーシップスキルは、このAIの新時代においても、実際にはあまり変わっていないと思います。AppierやSASのようなAIを提供側から推進している企業だけでなく、クライアント側、製造会社、通信会社、電子機器会社のCEOの視点からも、前提は同じままです。
つまり、市場で受け入れられる新しい革新的な製品を構築したいと思っています。そして、販売する製品について適切な利益率を得て、品質を構築し、ブランドとして認識されることを望んでいます。もちろん上場企業であれば、株主への説明責任など、すべての所有権があります。そのCEOの役割は継続します。AIがCEOの役割を変えるとは思いません。
しかしCEOが理解する必要があるのは、AIがいかに彼らのビジネスを劇的に変えることができるかです。今は非常に一般化しており、誰でもAIを基盤にして企業を立ち上げ、あなたに挑戦する可能性があるという課題があります。それが最もCEOたちが夜に目を覚ましている部分で、「次の競争はどこから来るのか？そして、この企業はAIを使用して私のビジネスをどのように破壊するのか？」と考えています。そのCEOの役割は継続し、彼らは皆AIの力を理解していると思います。
最初の取り組みでは多くが成功しなかったと思いますが、失敗から学び、成功します。多くの人がそれらの失敗から学び、それに応じて適応していると思います。なぜなら起きていることは、競合他社のスライドを見たことがあるかもしれませんが、以前は5、6社ありましたが、今はすべてが非常に小さくなっています。ほぼ毎日新しい会社が設立されているからです。スタートアップビジネスでは、「ユニコーン一社離れただけで破壊される」と言われています。
それが、CEOたちがAIが実際に彼らのビジネスを完全に破壊する可能性があると理解していることだと思います。それが彼らの現在のモードであり、いつどのように会社内でAIに対抗するかを理解しようとしています。
私はこの質問が本当に好きです。なぜなら2015年に、AI時代に必要な未来の才能について話す機会があったとき、「人間の知能と人工知能の両方をリードできるリーダーが必要だ」と言いましたが、当時の人々は私が狂っていると思ったからです。しかし今、それは現実になってきました。
私たちの会社では、純粋にAIによって出荷されるソフトウェア機能を持ち始めています。そのため、エンジニアたちは、ある面では彼らよりも能力があるかもしれないが、すべての面でそうではない同僚と協力しなければならなくなりました。AIの素晴らしい点は、睡眠すらする必要がないことです。AIの同僚は眠る必要がなく、24時間働くことができますが、社交的でなく、他の人と一緒に昼食に行くこともありません。
今、私たちは非常にユニークな労働力を経験しつつあります。ソフトウェアシステムが人間のシステムと協力し、また人類史上初めて、システムが多くの面で人間よりも高い能力を示しています。その進歩のスピードは、サイクルごとにどんどん速くなっています。
どのような労働力とリーダーシップを作る必要があるのでしょうか？人間が何をより良くでき、AIが何をより良くできるかを明確に知り、適切に割り当てるリーダーを持つことが非常に重要だと思います。また、非常に明確にコミュニケーションを取り、全員の仕事の安全性を確保することも重要です。
一部の組織では「AIがあるので、もう労働力は必要ない」と言うと、通常企業内でパニックを引き起こし、AIシステムを導入する前に人材を失ってしまいます。ベストなのは、私たちが一緒に変革し、AIが最高のアシスタントになることを理解することです。そして、もしあなたがAIをうまく管理する最初の人材になれば、一般的に人間社会における非常に大きな価値を持つことになります。これは非常に重要です。
部屋にある別の危険と言えるのは、規制についてです。規制が来ているからです。現在、SASはAI規制のためにホワイトハウスの委員会にいます。欧州連合と協力している規制もあり、GDPRが最初でしたが、今はAI規制があります。シンガポール金融管理局と規制について協力しています。すべての国が規制を開始すると思いますし、規制は従来の金融セクターだけでなく、AIによって他の多くのセクターにも規制が生まれるかもしれません。これもCEOにとって心配事です。なぜなら、何か問題があれば、それはCEOが立ち上がり、規制当局に対応することになるからです。これは、CEOがAIに関連する利益とリスクを理解する必要があるもう一つの部分です。
ほぼ時間切れなので、もし質問があれば、セッション後にステージに来て議論を続けてください。お二人のスピーカーに感謝し、皆様の注目に感謝します。AI戦略が成功することをお祈りします。ありがとうございました。
コメント