人型ロボットからすでにモバイルデバイスに搭載されているシンプルなデジタルアシスタントまで、多くの種類がある人工知能(AI)や機械学習(ML)はビジネスをはじめ、さまざまな場面で使用されています。しかしその意味は混同されやすく、誤解される恐れがあります。では、AIや機械学習をビジネスで活かすための課題はいったい何なのでしょうか。
今日、私たちが目にするほとんどのAIは弱いAIに分類されるものですが、時間とともに学習して成長するスマートテクノロジーの実現は近づきつつあります。そこで登場するのが、AIのサブセットである機械学習(ML)です。MLアルゴリズムは、周囲のデータに基づいて分析、学習し実行できるレベルに到達しており、一部のアルゴリズム(教師なし機械学習)は明示的にプログラムする必要もありません。大量のデータの並べ替えからデータ内の有用なパターンの発見まで、人間なら何百時間もかかるような大量のデータを扱う面倒な作業は、今やMLアルゴリズムを使ってわずかな時間で行うことができます。このテクノロジーは、自律走行車やサイバーセキュリティ技術などですでに実用化されています。データが毎秒生成される現代において、これはほんの始まりに過ぎません。
ビジネスに人工知能と機械学習を利用するべき理由
人間とテクノロジーをつなぐ上での課題
しかし、それには以下のような課題があります。
データの量と複雑さ
データは急速に増え続けていますが、その多くは非構造化データや半構造化データです。これらはリレーショナルデータベースから生成される構造化データの場合と比べて、データの理解とパターンの発見がはるかに困難です。データの準備
データの準備とデータ品質の確保は、AIやMLから価値を引き出すための重要な課題の1つです。データを分析するためには、データを調査して理解した上で、データの準備、フォーマット、クリーンアップを行うことが重要です。これは、データサイエンティストにとって最も手間のかかる作業であり、多くのデータサイエンティストがこの作業に80%の時間を費やしていると言われています。多くのツールとテクノロジー
通常、AIやMLから価値を引き出すには、さまざまな手順、ツール、テクノロジーが必要です。まったく異なるツールやシステムからデータを移動して集約し、関連付けなければならないため、時間がかかります。企業は、単一のプラットフォームを使用して、リアルタイムの本番環境に機械学習を簡単に適用して管理できる機能を必要としています。AIと機械学習から価値を引き出す
データから異常値を見つける
AIやMLは、集中的な訓練によってベースラインを作成することで、過去の行動からの逸脱や、類似のホストやユーザーのようなピアグループからの逸脱などを特定し、他の方法では特定できない不自然な変化、行動、問題をすばやく見つけることができます。
過去の行動からの逸脱
ピアグループからの逸脱(多変量凝集型異常検出)
特徴の不自然な変化
未来を予測する
ビジネスからITやセキュリティの運用に至るまで、幅広いプロセスで生成されるリアルタイムデータに基づいて、非常に正確でプロアクティブな意思決定を行うことができます。予防措置を講じるには、どのようなデータが保存されているかを把握していなければなりません。サービス健全性スコア、容量計画、さらにはメンテナンスの必要性まで、今ではあらゆる予測が可能です。
サービス健全性スコアの予測
顧客離れの予測
容量計画
トレンドの予測
影響を与えているエンティティを検知
早期警告 - 予測的メンテナンス
全体を把握する
トレンドを見つけることは、プロアクティブな運用に不可欠です。自社のデータの中から行動やトレンドを見つけ、それらを相互に比較する方法を理解することは有益です。クラスタリングを利用すれば、類似のデータポイントを識別してグループ化できるため、アラートのノイズを低減し、ひいてはより的確な意思決定を行えるようになります。
ピアグループの特定
イベントの相関付け
アラートのノイズを低減
行動に関するデータ分析
人間と機械を結び付ける
実用的で予測的なインサイトを得るためにAIとMLを活用できます。
マシンデータにはビジネスと運用に関する強力なインサイトが含まれており、サービス上の問題を迅速に診断したり、セキュリティ上の高度な脅威を検出したり、不正行為のフィンガープリントを明らかにしたりする場合に利用できます。
IT運用を最適化しビジネス価値を高めるための推奨事項をガートナー社が紹介しています。