最初のAIプロジェクトを選択して、数週間ではなく四半期で成果を出す方法

AIプロジェクトが失敗する理由

最も多くのAIプロジェクトが同じ理由で立ち往生します。企業が最もエキサイティングな利用ケースを選ぶのではなく、最も実現可能なものを選ぶからです。6ヶ月後にはデモやプレゼンテーションはあるものの、ビジネスへの測定可能な変化はなくなります。問題は技術そのものではなく、最初の1週間で下された選択にあります。

この選択を成功させる方法を以下に示します。

決定やタスクから始めよう、テクノロジーからではない

「AIを使うべきだ」というのは目標ではありません。それは予算の無駄になる可能性のある項目です。代わりに、会社内で誰かが現在行っている具体的な作業から始めましょう：同じ質問を40回も答えているサポートエージェント、請求書データをシステムにコピーしている財務担当者、フォローアップメールをわずかに異なる形で書いているセールスパーソンなどです。

優れた最初の候補には3つの共通点があります。タスクは頻繁に発生し、パターンがあり、出力が正しいかどうかを数分で判断できる人います。頻度によりリターンが得られます。パターンにより学習が可能になります。迅速な判断により、品質について何週間も議論するのではなく、すぐに改善することができます。

候補を誠実に評価しよう

5～6つの実際のタスクをリストアップし、それぞれを評価します。探しているのは価値がありかつ達成可能なプロジェクトです。

価値: このタスクは1週間に何時間消費しますか？または、間違いはいくらコストがかかりますか？大まかな数字をつけましょう。
データ: システムに必要な例や文書、記録はすでに持っていますか？データパイプラインを構築する必要がある場合は、それは別のプロジェクトです。
誤りの許容度: システムが間違った場合、何が起こりますか？誤ったドラフトメールは問題ありません。しかし、誤った医療用量は危険です。人間が出力の確認を行うタスクを優先しましょう。
成功の明確性: 非技術的な経営陣が受け入れられるような、1文で成果を説明できますか？

最適な最初のプロジェクトは4つの項目すべてで高い評価を得ます。非常に価値のあるケースでもデータが存在しない場合や誤りが危険な場合は、2年目のプロジェクトとして素晴らしい一方で、最初のプロジェクトとしては最悪です。

「自動化」ではなく「支援」を優先しよう

完全自動化には不安とスケジュールの延長が伴います。支援版の同じアイデアははるかに早く実装でき、リスクも低くなります。人間がループに参加するため、間違いは見つかります。実際の利用データを収集できるため、後でより深い自動化を行う根拠は証拠に基づいたものになります。また、1週間で本番環境に投入できるので、初日から人をプロセスから排除しようとしないからです。

測定可能な目標を設定しよう

誰もコードを書く前に、成功がどのように見えるのか、そしてそれをどのように測定するのかについて合意しましょう。「このチケットタイプの平均処理時間を9分から5分に短縮する」や「請求書処理ミスを半分に減らす」などです。1ヶ月以内に確認できる数値は、プロジェクトを正しい方向に導き、拡大、調整、または停止すべきかどうかを明確な瞬間を与えます。

「顧客体験を向上させる」のような曖昧な目標は、勝利や敗北が判断できないため、プロジェクトが終わらないことになります。

期限を設定して範囲を絞ろう

最初の動作可能なバージョンを6週間以内に作成する、6ヶ月ではなく。短い期限はデザインのツールとして機能します。それは利用ケースをその本質的な核に絞り込み、クリーンなパイロットを広範なプラットフォームに変える機能を備えた機能を抵抗させます。6週間後に成果を示せない場合は、範囲が間違っており、今すぐ学ぶより安価です。

良い結果とは？

優れた最初のAIプロジェクトは、狭く、頻繁に利用され、人間によってレビューされ、単純な数値で測定されるものです。それは静かに信頼を獲得し、その信頼こそがより困難で野心的な作業を容易にするのです。

適切な選択をするのはゲーム全体であり、最も多くの企業がその部分を急いでいます。6ヶ月間、この高価な方法で学ぶのではなく、Hercules Aでは最初の決定の重みを負い、残りの作業を簡単にしています。

実現可能なタスクを選びましょう。支援版をリリースしましょう。退屈な数字を測定しましょう。そして、繰り返しましょう。