コロナ禍という逆風の中で、企業の多くがAIへの投資を行っていた。注意が必要な点は、成功企業はAI導入だけでなく、AI活用の「民主化」にも取り組んでいることだ。彼らは、専門家だけでは対応しきれないAIニーズにどう対処したのか。
コンテンツ情報
公開日 | 2021/12/01 | フォーマット | 種類 | レポート | |
---|---|---|---|---|---|
ページ数・視聴時間 | 24ページ | ファイルサイズ | 4.31MB |
要約
2020年はコロナ禍という変化にさらされながらも、AI導入企業が15%も増えた。かねてデータの重要性は認識されてきたが、危機に際してビジネスの挑戦的なシフトに取り組んだ企業が多かったようだ。ただ、すでにAIから成果を得ている企業に目を向けると、数百から数千もの機械学習モデルを活用しており、単にAI導入するだけでは成果が得られないことに気付かされる。
成功企業のようになるには、社内全体にデータ活用を拡大する「民主化」を実現する必要がある。データ専門家はその実現において重要なものだが、社内全体という大規模な取り組みにおいて、雇用可能な専門家の数はあまりにも少数で、ニーズに対応しきれない。そこで一部の企業では、データチームを社内の請負業者として、事業部門や社内グループのプロジェクトに取り組ませている。
これには、スケールアップや作業時間の短縮などのサポート的なツールが欠かせない。本資料では、なぜ企業にデータサイエンスや機械学習、AIのプラットフォームが必要なのかという重要なテーマにあらためてフォーカスし、企業調査も交えてその実現手段を探っていく。
成功企業のようになるには、社内全体にデータ活用を拡大する「民主化」を実現する必要がある。データ専門家はその実現において重要なものだが、社内全体という大規模な取り組みにおいて、雇用可能な専門家の数はあまりにも少数で、ニーズに対応しきれない。そこで一部の企業では、データチームを社内の請負業者として、事業部門や社内グループのプロジェクトに取り組ませている。
これには、スケールアップや作業時間の短縮などのサポート的なツールが欠かせない。本資料では、なぜ企業にデータサイエンスや機械学習、AIのプラットフォームが必要なのかという重要なテーマにあらためてフォーカスし、企業調査も交えてその実現手段を探っていく。
0 コメント:
コメントを投稿