양자 컴퓨터의 혁신적 잠재력 실현은 오류 수정과 컴퓨팅 성능이라는 2가지 핵심 문제로 인해 아직 시간이 필요한 상황이다. 또한 양자 컴퓨팅 기본 정보 단위인 큐비트(양자 비트)의 품질이 장시간 계산을 수행하기에는 아직 충분하지 않다. 구글 퀀텀 AI 연구소의 설립자이자 책임자인 하트무트 네븐은 새로운 양자 칩 윌로우를 통해 2가지 획기적인 발전을 이뤘다고 설명했다. 첫째, “윌로우는 큐비트 수를 늘릴…
많은 CISO가 수작업 프로세스를 자동화하고 생산성을 향상하기 위해 생성형 AI를 보안 도구에 빠르게 통합하고 있다. 그러나 한 연구에 따르면, 생성형 AI 도입 급증은 우려를 동반한다. CISO는 생성형 AI를 보안 운영에 통합할 때 이런 신중한 시각을 반드시 고려해야 한다. 생성형 AI를 일찍이 도입한 기업은 이 기술을 사용해 보안 워크플로를 자동화하고 가속화하며 사고 대응 능력을 개선하고 있다.…
지난 10년간 필자는 웨이브메이커(WaveMaker)를 구축하면서 로우코드가 기적적으로 비즈니스 사용자가 풍부한 기능을 갖춘 애플리케이션을 개발할 수 있게 해줄 것이라는 사용자의 기대를 항상 마주했다. 가능하기는 하지만 항상 그럴 수는 없는 기대였다. 왜 그런 기대가 생겨났을까? 2021년 가트너는 2023년까지 대기업에서 활동하는 일반 시민 개발자가 전문 소프트웨어 개발자보다 4배 더 많아질 것으로 예측했다. 아직 현실화된 예측은 아니지만, 시민 개발 프로그램은 진지한 비판적 관심을…
If 2023 was the year of AI discovery and 2024 was that of AI experimentation, then 2025 will be the year that organisations seek to maximise AI-driven efficiencies and leverage AI for competitive advantage. Despite the ambitions many leaders harbour, they face a series of challenges that must be overcome to realise the true value…
JPモルガン・チェースのダニエル・ピント社長は、同銀行はAIの活用事例から最大20億ドルの価値を見込んでいると述べた。これは5月の15億ドルという見積もり額を上回る。また、9月に開催されたバークレイズ・グローバル・ファイナンシャル・サービス会議で、ピント氏は、生成AIがプロセスと効率性の改善に大きな影響を与えるだろうと述べた。同社はすでに生成AIアシスタントを導入しており、AIとLLMを活用してあらゆるプロセスを最適化することも検討している。 「私たちは2つのことを行っている」と彼は言う。「1つは、運用サービスを提供している主要分野をすべて洗い出し、人工知能と大規模言語モデルを用いて最適化できるプロセスをすべて検討することだ。そしてもう1つは、私たちがLLMスイートと呼ぶものをほぼすべての従業員に展開することだ。現時点では、14万人の従業員に展開し、彼らの業務を支援している」 業務効率が、短期的および中期的に生成AIがもたらす最大の影響となると彼は言う。 生成AIに強気の見方をしているのは彼だけではない。IDCの最新レポートによると、ビジネスリーダーの98%がAIを自社にとっての優先事項と捉えており、調査会社は2030年までにAIが世界経済に20兆ドルを追加すると予測している。また、8月にはOpenAIが、同社のChatGPTの週ごとのユーザー数が現在2億人を超えていると発表した。これは昨年11月の2倍の数字であり、フォーチュン500企業の92%が同社の製品を使用している。また、7月にChatGPT-4o miniがリリースされて以来、同APIの使用も2倍に増加している。 リバーベッドの委託により今月発表されたコールマン・パークス・リサーチの調査によると、大企業の意思決定者の59%がAIプロジェクトが期待通りだったと答え、18%は期待以上だったと答えている。 コールマン・パークス・リサーチのディレクターであるイアン・ベストン氏は、「AIはIT部門から離れ、組織全体に広がりつつあります。一般的に、AIに取り組む際には楽観的で前向きな考え方が見られます」と語る。しかし、回答者の23%が、モデルが信頼できないことが証明された、プロジェクトがスケールアップできないなどの理由で、AIが期待を下回る結果に終わっていると述べている。 効率化のメリットが喧伝されているが、ジェネレーションAIは必ずしも作業量を削減するわけではない。法的およびコンプライアンス上の問題、ハルシネーション、その他の問題により、実際には削減されるよりも多くの作業が生じる場合もある。 時間の節約が増えれば、無駄な時間も増える 生成AIが従業員の業務を迅速化した場合、企業は空いた時間をより価値の高い活動に充てられると考える。しかし、必ずしもそうとは限らないと、Slackの研究・分析担当上級副社長であるクリスティーナ・ジャンザー氏は言う。同社がデスクワーカーを対象に実施した最新のグローバル調査によると、従業員は代わりにルーチン的な管理業務に37%も多くの時間を費やしているという。「しかし、可能性はたくさんあります」とジャンザー氏は言う。「まだ初期段階であり、私たちはまだ理解しようとしている最中ですが、生産性やワークライフバランス、仕事への情熱の向上という点で素晴らしい結果が出ています。 問題は、人々は特定のタスクで時間を埋めるようにプログラムされているため、AIが時間を解放しても、人々はそれをさらに多くの事務作業で埋めてしまうことだ、と彼女は言う。「終わりのない雑用リストが存在する」と彼女は言う。 解決策は、企業が従業員にインセンティブを与える方法を再考することだ。「マネージャーは活動指標をインセンティブ化し、インプットとアウトプットを測定する傾向があります」と彼女は付け加える。従業員が会社にもたらす価値ではなく、送信したメールの数や、会社で過ごした時間数に注目しているのです。 制御不能な受信トレイ こうした無駄な作業の増加は、他の従業員にもさらに多くの仕事を強いることになると、ジャンザー氏は指摘する。 もし生成AIが従業員のメール作成を10倍のスピードで支援できるとしたら、従業員は以前の10倍の数のメールに返信することになるだろう。そして、それらのメールは誰かが読まなければならず、場合によっては返信も必要になる。 あるいは、自分にとって最も重要なトピックについて、会社のナレッジベースに1つの記事を書く代わりに、それほど重要ではないトピックについて1ダースの記事を投稿するかもしれない。上司に報告書を提出する必要がある社員は、報告書をより速く仕上げることができ、報告書の数や長さを増やすことができるかもしれない。 「これらのテクノロジーは、誰もが消費し、認識する必要のあるコンテンツをより多く生み出すことができます」と、カーネギーメロン大学のアニタ・ウーリー教授は言う。すでに、検索結果には低品質なAIコンテンツが溢れかえっており、これは、パブリックウェブと企業内の知識リポジトリの両方で情報を探している従業員にとって有害となり得る。実際に役立つ結果を見つけるのは、干し草の山の中から針を見つけるようなものだ。「情報量の増加は、間違いなく生産性が低下する分野のひとつです」とウーリー氏は言う。 注意の分散 生成AIが従業員の生産性に及ぼす潜在的な悪影響のもう一つは、注意の分散であると、CMUのウーリー氏は指摘する。「AIがあなたの代わりに会議に出席し、メモを取ってくれるので、あなたは同時に4つの場所に存在することができます。」と彼女は言う。「そして、実際にそれを試みる人もいます。しかし、私たちが有意義に貢献できるプロジェクトや、参加できる会話には限りがあります。」 AIを使ってより多くのタスクをこなそうとしても、それは「もっと仕事がある」という感覚を増長させるだけだと彼女は言う。「そして、私たちは燃え尽きてしまう危険性がある。 さらに、ジェネAIは私たちの時間管理やワークフロー管理を支援してくれるが、緊急対応が必要な問題をより多く浮き彫りにすることもある。「アラートが発せられるので、今やっていることを中断して他のことに気をとられることになるかもしれない」と彼女は言う。 注意が分散しすぎると、人々は誤った判断を下すようになる可能性があると彼女は付け加える。「私たちが管理できる範囲を超えてしまう。一部の企業では、従業員が同時に関与できるプロジェクト数に上限を設けている。「誰もが自分のキャリアを心配し、より多くのことをしようとしている。」と彼女は言う。「自分の評価を本当に左右するのは何なのか、誰も本当にはわからない。だからこそ、人々はより多くのことをしようとするのだ。」 彼女は、その解決策は企業が明確な目標と業績評価基準を設定し、価値を生み出さないのに仕事を増やすだけのプロジェクト、イニシアティブ、チームの急増を避けることだと語る。「特に分散環境では、ただ仕事をしていることを確認するための会議をなくすことがこれまで以上に重要です」とウーリー氏は言う。 FOMO（取り残されることへの恐れ）の代償 新しいAIツールが毎週のように登場し、それぞれが業務の特定の領域に革命をもたらすことを約束している。例えば、9月にはOpenAIが数学と科学において前例のない推論能力を持つという新しいモデルを発表した。AIによる動画や画像の生成に関する新製品も発表された。Workdayは人事と財務プロセスを変革する新しいAIエージェントを発表し、 GoogleはAIを搭載した広告およびマーケティングツールをさらに発表した。 数多くのツールがあり、それぞれに学習曲線があり、実際に価値をもたらすまでに一定の期間を要する。ツールが多すぎると、常に後れを取ることになる。 ウーリー氏は、企業が物事を成し遂げるために必要最低限の数のツールに絞り込み、実際の業務の妨げにならない新しいツールをテストおよび評価するためのサンドボックスプロセスを持つことを推奨している。しかし、従業員が個人的な裁量を持つことも望ましい。 「検証済みで安全、セキュリティリスクのないツールがあり、それを自分の裁量で試すことができ、それが自分の仕事をより良くするのに役立つなら、素晴らしい」とウーリー氏は言う。「しかし、その結果がどうなるかを前もって考えなければならない」 ハルシネーションと不正確さ Slackの調査によると、デスクワーカーのわずか7%が、AIのアウトプットは業務関連のタスクに完全に信頼できると回答しており、35%はAIの結果はわずかに信頼できるか、あるいはまったく信頼できないと回答している。他の調査でも、この結果を裏付ける結果が出ている。例えば、コーネル大学、ワシントン大学、ウォータールー大学、非営利研究機関AI2の研究者による最近の論文では、最も優れたパフォーマンスのモデルでも、完全に正確な回答を提供できたのは全体の3分の1の時間だけだった。 つまり、AIのアウトプットには、追加の監督、レビュー、編集、修正、または再作業が必要になるということだ。最初の従業員が問題に気づかなければ、その混乱を収拾する作業は他の従業員に降りかかってくる。また、顧客サービス用のチャットボットが企業のウェブサイト上で質問に回答するなど、AIが自律的に作業を行うことを許可した場合、誤ったアドバイスが明るみに出るなど、将来的に深刻な問題を引き起こす可能性がある。 S-RM Intelligence and Risk Consulting社のアメリカ大陸担当サイバーセキュリティディレクターであるスティーブ・ロス氏は、生成AIは1日分の調査を1時間に短縮できるが、それには落とし穴があると指摘する。 「特定の都市圏における石油・ガス会社のトップ6社、各企業のCEO、CFO、CTO、そして彼らの経歴を教えてくれる。AIはGoogle検索よりも深く掘り下げることができる」と彼は言う。しかし、この情報をSalesforceに入力したところ、出力結果の1つに、すべての人の名前と資格情報が完全に偽造されたものがあった。「今、私たちはすべてをさかのぼって監査しなければなりません」と彼は言う。 幸いにも、この問題は早期に発見された。「すべては、これらのものを展開する際に、注意深く戦略的なアプローチを取ることにかかっています」と彼は言う。 利益が少ないデータサイエンスに過剰な投資 AI、どんなAIでもいいからとにかくAIを導入したいという顧客は非常に多く、ユースケースについて慎重に考え抜いていない。 その結果、AIによって数人の作業員が数時間分の作業を削減できるかもしれないが、トレーニングデータの収集と準備、モデルの作成とテスト、企業ワークフローへの統合、そしてAIが引き続き適切に機能していることを確認するためのパフォーマンスのモニタリングなどを行うデータサイエンティストチームに膨大な作業が発生することになる。 ZipRecruiterによると、10月の米国におけるデータサイエンティストの初任給の平均は年俸16万5000ドルだった。「ちょっと待って」とロス氏は言う。「メールを書くためだけにデータサイエンティストを雇うのはやめましょう。まずはユースケースを明確にしましょう」と。明確なユースケースがなければ、ガートナーによると、AIプロジェクトは概念実証の段階から先に進めない可能性が高い。 調査会社によれば、ビジネス価値が不明確であること、データの質が悪いこと、リスク管理が不十分であること、コストが上昇していることなどにより、2025年末までに少なくとも30%のジェネレイテッドAIプロジェクトが放棄されるだろう。AIモデルのカスタマイズには500万ドル以上の費用がかかる可能性があり、ゼロからカスタムモデルを構築すると、企業は最大2000万ドルの費用を負担することになる。 即効性への期待 多くの企業にとって、たとえ生成AIがより多くの作業を生み出すとしても、その苦労は価値がある。それは学習プロセスの一部に過ぎない。 Champlain Collegeでは、生成AIをインストラクショナルデザイナーや専門家のオンラインコース作成に役立てているが、AIによってコース作成にかかる時間は全体で半分に短縮されたものの、常に順風満帆だったわけではない。 「生成されたコンテンツには、不気味な画像などが含まれており、学生や教員はこれをどう見るのでしょうか？」と、同大学のオンライン業務担当副社長であるクリスタ・モンタニーノ氏は問いかける。「それを見るための訓練を受けた人材が必要です。コンテンツを読み、理解し、人間的な要素を加える必要があります。 実際、AIは当初は時間を節約できなかったと彼女は言う。AIのアウトプットを修正する方法を学ぶだけでなく、そもそもそのアウトプットをより良いものにするためのプロンプトを設計する方法も学ばなければならなかった。 「私たちはこれを理解し、チームを訓練する必要がありました。そして彼らは上達し、自然にできるようになりました。しかし、この使い方を習得するには数か月、あるいは数年を要する人もいます」と彼女は言う。 Champlain Collegeは2023年半ばにジェネAIの調査を開始し、AI導入前のコース作成には15週間を要した。AI導入後もコース作成には15週間を要した。しかし、プロセスが7週間まで短縮されるまでに1年かかったものの、改善は見られた。 「人によっては、他の人よりも早く到達した」と彼女は付け加えた。 同様に、高等教育マーケティング会社であるEducation…
The breakthrough potential of quantum computers remains a ways off due to two crucial issues: error correction and computing power. In addition, the quality of qubits — aka quantum bits, the basic units of information for quantum computing — is not yet sufficient for longer calculations. According to Hartmut Neven, founder and head of Google’s…
In boardrooms across the tech industry, CTOs and CIOs face a common challenge: effectively communicating and demonstrating IT productivity to leadership. Especially as organizations aim to deploy generative AI and other transformative technologies at a rapid pace, it’s critical to employ a reliable framework to measure engineering productivity. Established frameworks including DORA, SPACE, and DevEx…
Humans have long been fascinated by the power of the sun. Since as early as the 7th Century B.C., humans used magnifying glass to spark fires with sunlight. Later, we used mirrors to light torches. But if you get too close to the power of the sun while continuing to use outdated methods and tools, you’re…
In today’s economy, as the saying goes, data is the new gold — a valuable asset from a financial standpoint. However, from a company’s existential perspective, there’s an even more fitting analogy. We are all familiar with the theory of evolution, where the Earth began as a rocky planet and eventually teemed with life. A…
Los modelos de inteligencia artificial (IA) generativa como el popular chatbot de OpenAI, ChatGPT, se entrenan con una gran cantidad de datos que pueden inducir, consciente o inconscientemente, a diferentes sesgos dañinos o discriminatorios en sus respuestas. Investigadores de la Universitat Oberta de Catalunya (UOC) y de la Universidad de Luxemburgo han desarrollado LangBiTe, un programa de…