AI Strategy: How to Choose What AI Product to Implement
本論文は、AIプロジェクトの選定における不確実性を克服するために、各アイデアの潜在的価値、成功の可能性、および実装コストを個別に評価することで、高いポテンシャルを持つ賭けの堅牢なポートフォリオを構築することを支援する、期待ROI（eROI）フレームワークを導入するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
あなたは巨大な宇宙船の船長だと想像してください。あなたは限られた燃料を抱えています。どの遠い惑星を訪れるべきか、決断を下さなければなりません。レーダーにはキラキラと輝く有望そうな惑星も映っていますが、謎めいた、潜在的に危険な惑星もあります。ビジネスの世界において、この「燃料」とはお金と時間であり、「惑星」とは新しいプロジェクトです。長い間、人工知能（AI）を導入しようとしてきた企業は、その惑星に実際に着陸できるか、あるいはそこへ行く価値があるのかを確認するのではなく、惑星がいかにクールに見えるかに基づいて、どの惑星を訪れるべきかを推測している船長のような状態でした。この論文は、まさにその問題——つまり、100％確実に成功する保証がない中で、どのAIプロジェクトを構築すべきかという問題——を掘り下げています。著者たちは、「eROI（期待投資収益率）」と呼ばれる新しい考え方を導入しています。利益という一つの魔法の数字を予測しようとする代わりに、彼らは意思決定を3つのシンプルな問いに分解することを提案しています。「もし成功したら、どれだけの利益が得られるか？」「それが実際に成功する可能性はどのくらいあるか？」「構築するためにいくらコストがかかるか？」これは、ドックを出発する前に、地図、天気予報、そして予算を確認するようなものです。
ビジネスとデータサイエンスの専門家である著者たちは、多くの企業がAIにおいて失敗するのは、テクノロジーが難しすぎるからではなく、最初に始めるプロジェクトを間違えているからだと主張しています。彼らは、リーダーたちが何百ものアイデアの中から勝者を選び出すためのフレームワークとして、eROI（期待投資収益率）を提案しています。その核心となるアイデアはシンプルですが強力です。すべてを一つの混乱した数字に押し込めるのをやめ、意思決定を3つの明確な柱に分けることです。
第一に、「もし成功したら、どれほどの価値があるか？」と問いましょう。これは単なる目先の現金のことではありません。プロジェクトが会社の大きな目標に合致しているか、将来のための新しいデータ資産を生み出すか、あるいはチームに新しい知識を教えるものかどうかということです。
第二に、「成功する可能性はどのくらいあるか？」と問いましょう。ここが難しい部分です。AIには科学的な不確定性がつきものです。データを持っているからといって、コンピュータがそのパターンを見つけ出せるとは限りません。著者たちはこれを4つのチェック項目に分解しています。「顧客はそれを使うか？」「エンジニアは構築できるか？」「適切なデータを持っているか？」「そして最も重要なのは、その科学的根拠はそもそも可能なのか？」もし、いずれかの答えが「おそらく無理だ」であれば、プロジェクト全体がリスクとなります。
第三に、「コストはいくらか？」と問いましょう。これにはソフトウェアの価格だけでなく、チームが費やす時間、新しいデータを購入するコスト、そして新しいツールを既存の日常業務に適合させるための多大な労力も含まれます。
この仕組みを示すために、著者たちは「Compass」という不動産会社の物語を紹介しています。彼らは同社が検討していた3つの異なるAIアイデアを検証しました。
「売却可能性」ツール： これは、エージェントの連絡先リストを分析し、近いうちに家を売りに出す可能性が高い人物を特定するシステムでした。
- 判定： これはホームランでした。エージェントの売上を直接的に向上させたため、価値は非常に高いものでした。データが明確で科学的なプロセスも単純明快であったため、成功の可能性は高いものでした。構築するためのツールを既に持っていたため、コストは中程度でした。
- 結果： 同社はこれを構築し、結果として数億ドルの追加収益を生み出しました。
「市場滞在期間」ツール： これは、特定の価格設定において、家が市場にどのくらいの期間留まるかを正確に予測しようとする高度な計算機でした。
- 判定： これは罠でした。書類上は高い価値があるように見えましたが、成功の可能性は低いものでした。なぜなら、その背後にある科学が破綻していたからです。価格がどのように「原因」となって家の売却速度を早めるかを予測するには、もし価格が異なっていたらどうなっていたかというシナダイナミクスを知る必要があります。しかし、現実の世界ではその「もしも」のシナリオを見ることはできません。著者たちはこれを「因果関係」の問題と呼んでおり、特別な実験なしにはAIがこれを解決することはできないと述べています。
- 結果： 同社は賢明にもこのアイデアを棚上げしました。科学的な根拠がまだ存在しない以上、これを構築することは資金の無駄になるからです。
「リノベーション可視化」ツール： これは、ボロボロのキッチンの写真を取り込み、リノベーション後にどのような外観になるかを示す生成AIツールでした。
- 判定： これは「検討の余地あり」でした。すでに安価な方法（バーチャル・ステージングなど）が存在するため、価値は低〜中程度でした。AIが奇妙な間違いを犯して買い手を怒らせる可能性があるため、成功の可能性は中程度でした。コストは中程度でした。
- 結果： 最新の「生成AI」というバズワードを用いた魅力的なツールではありましたが、計算が合いませんでした。エラーのリスクがメリットに対して高すぎたため、同社はあるバージョンを構築したものの、普及には至りませんでした。
論文は、成功の秘訣は優れたアイデアや最も賢いエンジニアを持つことではなく、ポートフォリオとしての賭けを持つことであると示唆しています。一つの「最高の」プロジェクトにすべての燃料を注ぎ込むのではなく、いくつかの確実なもの（クイック・ウィン）、いくつかの大きなリスクを伴う夢（ムーンショット）、そしてその大きな夢が本当に実現可能かどうかを探るための研究プロジェクトを組み合わせるのです。
著者たちは、これを使うために完璧な数学は必要ないと注意を促しています。利益を1セント単位まで正確に計算する必要はありません。3つの柱に対して「低い」「中程度」「高い」「非常に高い」といった単純な評価を用いるだけでよいのです。これにより、チームはプロジェクトが「良い」か「悪い」かを議論するのではなく、「なぜ」成功または失敗する可能性があるのかについて、真の対話ができるようになります。
結局のところ、この論文は、AIプロジェクトを選ぶことはロードトリップを計画することに似ていると教えてくれます。単に写真が美しい目的地を選ぶだけではいけません。車がその道に対応できるか（技術的な確実性）、ガソリンが足りているか（投資）、そして目的地が本当にドライブに行く価値があるのか（価値）を確認しなければなりません。これらの問いを切り分けることで、企業は見た目は良くても構築不可能なプロジェクトに資金を浪費することをやめ、実際にゲームチェンジャーとなるプロジェクトに資金を投じることができるようになるのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。