あなたのAIプロジェクトは、おそらくすでに所有しているデータで動作します。
多くの企業はAIを始めるために新しいデータを必要としない— すでに持っている情報が検索可能で最新かつ所有物であることを確保する必要がある。
AIプロジェクトの成功のためのデータ管理
多くの企業が最初のAIプロジェクトを計画する際、データ取得が難しいと考える傾向がありますが、実際にはそうではありません。必要な情報はすでにビジネスの中に存在し、契約書、見積もり書、サポートチケット、製品仕様書、ポリシー文書などとして存在しています。問題は、それらが複数の場所に分散し、異なるバージョンで存在していることです。
AIプロジェクトが停滞するのは、モデルではなく、ファイル管理です。
質問から始めよう、アーカイブではなく
データの在庫を整えることから始めるという直感に逆らいましょう。完全なデータ監査には数ヶ月かかり、誰も見ないスプレッドシートを生み出し、学ぶべきことを遅らせることになります。
代わりに、特定の意思決定や繰り返し行うタスクに焦点を当てましょう。非標準作業の価格設定方法、遅延した注文に対する顧客への対応、サプライヤー契約で譲歩できる条項などです。それらのタスクに必要な情報のみを収集しましょう。実際に使用する20文書から、使用しない完全な文書マップよりも、データの状態について多くのことを学べます。
「準備が整っている」とはどういう意味か
特定の文書セットについて、以下の4つの条件を満たす必要があります。
- 検索可能: システムがアクセスできるようにしておく必要があります。共有ドライブ、データベース、エクスポートされたフォルダーなど、メカニズムは重要ではありません。重要なのは、どこかにアクセス可能な場所に存在するということです。
- 最新: 1つの権威あるバージョンがあり、全員がそのバージョンを認識している必要があります。
- アクセス制御: アクセスは、システムがファイルを持っているかどうかではなく、誰がアクセスを要求するかによって制御されるべきです。
- 記述: 各文書には、作成者、作成日時、適用範囲に関する情報が含まれている必要があります。
このリストの内容は技術的なものではありません。組織的なものなので、通常は適切な人には渡されません。
バージョン管理の問題は高額なもの
複数の価格表が存在し、そのうち2つが古い場合、人は日付を確認して正しいものを選びます。しかしシステムはそうはいきません。システムは読み込んだバージョンに自信を持って回答し、顧客に2023年の料金表からの引用を使用してしまう可能性があります。
この問題の解決策は地味で長持ちします。文書セットごとに1人の所有者を指定し、権威あるバージョンを宣言し、残りの古いバージョンはシステムがアクセスできない場所にアーカイブし、最新の状態を保つ責任を負ってもらいましょう。そうすることでAIプロジェクトが改善されます。AI自体をスキップしても、会社全体が改善されるのは、正しい方向に進んでいる良いサインです。
最も貴重な知識は書面化されていない
優れた回答はマニュアルにはほとんどありません。サポートチケット、販売メールへの返信、同僚が特定の顧客に例外を認めたメッセージなどに含まれています。30の優れた回答は、200ページのポリシー文書よりも最初のシステムにとって有益です。
システムが見てはいけないものを決定する
接続する前に境界線を引く必要があります。給与データ、医療情報、赤外にされた顧客記録、法的特権に関連するものなどです。何が除外されるかを書き留め、構造的に別々のストレージとアクセス権限を設定しましょう（システムが従う指示ではなく）。
それからアクセス方法を決定します。上司は文書を見られ、インターンには見られない場合、チャットウィンドウを通じて両者が同じ回答を得る場合でも、その状態が維持される必要があります。システムが全員に同じ回答を与えると、誤った人が情報にアクセスする可能性があります。
期限を設定する
古い情報は静かな失敗モードです。2024年に期限切れになったポリシー文書は、永遠にフォルダーに残り、権威あるように読み取られ続けます。各文書セットにレビュー日とレビュアーを指定しましょう。文書が期限切れになると、再承認されるまでプールから除外されます。
期待すること
一つのワークフロー用のデータ準備には数週間かかります。2番目のワークフローは、所有権の習慣がすでに確立されているため、速くなります。進捗状況は、システムの回答が正しい頻度と、その回答を特定の文書にたどれる頻度の両方で評価する必要があります。後者は初期段階ではより重要です。たどれない回答は修正できません。
この部分はAI導入の最も目立たない部分であり、信頼性の高いAIシステムを構築する上で最も重い負担となります。また、多くのプロジェクトで最初の数週間を費やす理由でもあります。なぜなら、整理されていない情報から良いモデルが正しい回答を生み出すと、自信を持ってよく書かれた間違いが生じ、それらを捕まえるのは難しいからです。