生成 AI こそが答え: 何が問われていたのか?

Tom Godden (00:10):
そうですね、生成 AI こそが答えだと私たちはよく言っています。何が問われていたのか? 生成 AI は本当にエキサイティングな新しいテクノロジーです。これは変革をもたらすテクノロジーです。実際、これはおそらく印刷機、電気、パソコン、インターネット、さらにはクラウドなどのテクノロジーがもたらした変革と同等のものだと考えています。

Phil Le-Brun:
あなたは新しいテクノロジーとおっしゃいますが、ある意味では 60 年にわたる開発の集大成です。これにより、低コストのコンピューティングを可能にするクラウドや、統計的手法の進歩、現在生成 AI に使用されているトランスフォーマーモデルなど、すべて実現しました。このような新しいブレークスルーが積み重なり、今では組織で信じられないようなことができるところまで来ています。

Miriam McLemore:
私が追加するのはデータですよね? 私たちは皆、データに悩まされてきました。私たちはデータに埋もれています。生成 AI はそうしたデータを実際に使用し、チャットボット、コールセンター、コンテンツ作成の改善など、先ほど挙げたものを生産的に使用する道筋を提供します。HealthScribe で新しいアナウンスがありました。あなたは病院の診査室で椅子に座り、医者がコンピュータに入力しているのを見ていました。医者を患者のいる部屋に戻しましょう。優れた新機能がいくつかありますが、重要なのはデータを活用することです。

Tom Godden:
そして、すべての基本モデル、つまり大規模な言語モデルについて、私たちは皆生成 AI にワクワクしています。人々は最終的には、生成 AI を使い始めたいと思っています。しかし、違いを生むのはあなたのデータです。強固なデータ基盤がなければ、生成 AI を使っても、上手な隠し芸以上のことを行うのは本当に難しいでしょう。会社としても、事業としても、その予測可能性とコンテキスト情報を取得する必要があり、その中で違いを生むのはデータです。

Miriam McLemore:
データは作業に手間のかかるものとして事務管理部門に委ねられていたのが、今や経営幹部チームがそのデータ戦略に取り組む必要があるようになったというのは、すばらしいと思います。

Phil Le-Brun:
私たちは、機械学習と人工知能を民主的に扱う企業としてこの道のりを歩んできましたが、この道のりのほとんどはテクノロジーを理解している企業のためのものです。生成 AI により、その競争の場が平等になったのです。McKinsey のデータを見ると、生成 AI のメリットの 75% は、顧客対応業務 (コールセンターなど)、販売とマーケティング、研究開発、そしてソフトウェア開発の 4 つの分野から得られることが示唆されています。例えば、あなたはチャットボットを例に挙げました。チャットポッドは、ブランドと会話することができます。顧客としては、必要なものを手に入れるための会話ができ、会社側からすると、コストの節約やカスタマージャーニーで生じる問題に対処することができます。つまり、こうした機能は競争上の優位性をもたらします。

Miriam McLemore (03:20):
あるお客様の例です。日々の業務の速さについていくために一生懸命ですが、そのために忙しくなり、先を見据えず、大きな視野で考えることができていません。私たちはリーダーとして、どのようにそれを打ち破るのでしょうか? あなたは外側から中を見ながら、変化を期待しています。私たちは今までとは異なるリーダーとなり、あなたの足かせとなっている官僚主義に対処しなければなりません。

Tom Godden:
そうですね、これはクラウドコンピューティングやデジタルトランスフォーメーションと同じように、変革的な変化です。 私は、今までのやり方のおかげで、ここまでできたのだと思います。文化を正しく理解しなければなりません。組織を正しく整理しなければなりません。私たちが好んで使うプロセスやメカニズムについてもしっかりと把握して、適切な場所に配置する必要があります。そうでなければ、超高速のレーシングカーを購入しても、ピットクルーとドライバーにトレーニングを受けさせておらず、使用する準備が整っていないことになります。これではどこにも進めません。おそらくある程度のメリットは得られるでしょうが、私たちは変革について話しているのです。それが懸念事項だからです。そのまま動かないレースなんてありえませんよね? 競合他社はじっとしていません。こうしたレースでは先手が有利です。ですから、業界内で変革を起こすか、破壊的イノベーションにまで達しましょう。そうすれば、レースに優勝することができます。

Phil Le-Brun:
Scott Galloway 教授は、人工知能が会社に与える影響について心配すべきではないと話しています。AI を使って会社を変革する方法を理解している人の影響について心配すべきです。Miriam、「大きく考え、小さく始めて、迅速に規模を拡大する」と言いますが、 それこそ、私たちがやるべきことだと思います。 派手な売り込みに惹かれるべきではありません。しかし、小さく考えているとそうなってしまいます。では、会社を変革する際、大きく考えるとはどういうことでしょうか。惰性に打ち勝ち、AI をどう活用できるかを今から学びましょう。あなたの組織にとって何が有効かを知るための最速の方法を手に入れましょう。

Tom Godden (05:27):
生成 AI こそが答え、というところに話を戻しましょう。問題とは何なのでしょう。 生成 AI は付加価値を生みだしますし、素晴らしいツールなので、活用しない手はありません。「ただの」データ分析、「平凡な」人工知能、「よくある」機械学習と言われているのを時折目にしますが、6 か月前には非常に高度なテクノロジーであると考えられていました。これらが、解決すべき問題により適している場合もあります。また、問題解決のために、生成 AI の大変な作業がいつも必要なわけではありません。価値に基づいて行動しましょう。誰もがそうしているからといって、追随する必要はありません。

Miriam McLemore:
挑戦しましょう。

Tom Godden:
前進しましょう。見切り発車でもいいのです。先手が有利です。これは変革をもたらします。もう一度言いますが、生成 AI はこれまでの他の破壊的変革と同じレベルのものです。行動するときです。活用しましょう。

Phil Le-Brun:
今動き出そうとするあなたの足を引っ張るものはありません。AWS SageMaker JumpStart で、今すぐ大規模言語モデルを使用できます。 必要なものはすべて備わっています。従量課金制ですので、今すぐ試してみましょう。うまくいかなければ、使わなければいいのです。

Miriam McLemore:
今すぐデータ戦略を策定できます。昨日始めるべきだったかもしれません。

Tom Godden:
生成 AI にトライしてもしなくても、あなたのためになるでしょう。また、クラウドを整理してください。まだ体制が整っていない場合は、Cloud Center of Excellence を導入して、それを実行できるチームを作りましょう。これはあなたのためだけでなく、実際に必要になるのです。最低限必要であり、生成 AI の基礎になります。

Phil Le-Brun:
CIO だけに任せないでください。CIO を軽視しているわけではありませんが、これはビジネスにおける課題です。経営幹部である私たちは、財務と人材管理を理解する必要があります。今は、経営幹部がテクノロジーとデータの海に足を踏み入れ、何を知る必要があるかを見つけなければなりません。Tom、あなたの話に戻ると、これは魔法ではありません。これは、テクノロジー、ビジネスプロセスの変化、また人々の変化が組み合わさったものになるでしょう。どうやってこれらをまとめますか? IT チームだけに任せるわけにはいきません。

Tom Godden (07:26):
その一環として、責任ある AI を総合的に検討する必要があります。 既に AI と ML に取り組んでいる場合は、責任ある AI プログラムを導入しておく必要があります。しかし、その生成という性質の理由から、生成 AI の力を強化し、物事の先入観をどう軽減するか、システム内部でのハルシネーションの発生をどう防ぐかを理解する必要があります。適切な構造が整っていないと、有害な結果さえ発生します。この点については、いろいろと議論されてきました。Galloway 氏の言葉を借りれば、生成 AI の使い方を理解しているのは人であり、人間による監視が非常に重要になります。私たちは、そのシステムから人間を完全に排除できる段階には、まだ到達していません。 既に本番環境で生成 AI を使用しているかもしれませんが、その動作状況を人間の監視下でテストを繰り返すことで、実際に使えるものとなります。そのため、テストして、動作させ、本番環境に移行する、これまでの多くのソフトウェアとは異なります。この場合、「よし、次に進もう。いや、戻って、テストは後だ。やり直しかも、いつかそのうち」となるでしょう。 ユースケースやテストを定期的に実行しようとしている場合は、このようになるでしょう。ですが、これではだめです。つまり、毎日、場合によっては 1 時間ごとでも、あなたがコントロールしていることを確認しましょう。

Miriam McLemore:
Phil、それは良いポイントをついています。あなたがよく言っているように、予測への依存には注意が必要です。なぜなら、このテクノロジーを使って自分が信じていることを言わせたり再確認したりできるからです。データに注意して、そして耳を傾けなければなりません。そして、そのデータを活用して、新しい道を切り開き、新しいアプローチを検討する必要があります。

Phil Le-Brun:
私たちがデータについて話すことの多くがその点に戻ります。つまり、データについて私たちが目にする問題の 75% 以上は、人、組織、文化にまつわるものなのです。そして、それはリーダーシップから始まります。リーダーとして、あなたは行動のロールモデルになっていますか? データに疑問を持っていますか? 正しい質問をしていますか? すでに行った決定を確認しようとしているだけですか? あなたが現在経営幹部であり、責任ある AI についての可能性だけでなく義務もあるならば、今はとても興味深く、エキサイティングな時代だと思います。そして、それは倫理観や先入観などだけではなく、あなたの行動の意味も含まれます。あなたは Amazon Bedrock を使って、モデルを安全な環境に導入していることと思います。データを取得して公開モデルに組み込むのではなく、データを使用してそのモデルをトレーニングします。しかし、すべての問題を解決できる単一の基盤モデルはないこともわかっています。

Tom Godden:
そこで Bedrock が真の強みを発揮します。API を通じて、これらの言語モデルにアクセスでき、また必要であればピボットや移動を行うことができます。また必要に応じて、新しいユースケースのために新しい言語モデルにアクセスできます。他のすべての AWS のサービスのように、非常に迅速にこれらを実行できます。必要なときにはスピンアップし、不要であればスピンダウンします。

Phil Le-Brun (10:28):
独自のモデルを構築したくても、慌てて構築しないでください。息を吸って、落ち着いてください。慌てないで。1 億ドルを使うことも可能でしょう。ですが、モデル構築のビジネスケースが実際にある場合は、まず、今あるテクノロジーで何を行う必要があるかを考えましょう。ですが、クラウドにはインフラストラクチャがあります。推論やトレーニングのコストを削減するには、AWS の Trainium や Inferentia などがあります。将来の目標には関係なく、データ戦略を策定し、クラウドで利用したいと考えるかもしれません。それに、自宅では試したくはないでしょう。

Tom Godden:
基盤モデルに関するバニティメトリクスについて少し話しましょう。最新の統計によると、最大の基盤モデルには 5,000 億を超えるパラメータがあります。本当にすごいですね。すばらしい。5,000 億欲しいです。なぜ 8,000 億ではないのですか? それほど大きなサイズを必要としないからだと思います。実際、誤った結果や回答が増える可能性があります。公開されているオープンソースのデータを含め、実施予定のユースケースの目的に合わせて構築され、状況に応じたビジネス情報に合わせて調整された専用データがあれば、話題になっているバニティメトリクスよりも優れた結果と有効性を得る可能性が高くなります。5,000 億のパラメータはすごいように聞こえますが、問題解決にこれほどは必要ではない場合があります。

Miriam McLemore:
そうですね、正しく設定された問題のための、正しいデータが必要です。繰り返しになりますが、あなたがおっしゃったように、問題から始めます。促進できるビジネスバリューから逆算して考え、一歩踏み出し、どこから始めればよいかを決定します。ワクワクする段階ですが、少し時間を取って、自分のペースを把握し、アプローチの価値を高めるものについて理解しましょう。すでに一歩踏み出し、私たちが追随したくなるようなすばらしい道を切り開いているお客様には驚かされます。優れたことの 1 つだと思います。AWS セッションでは、他のお客様のユースケースに挑戦し、試してみたユーザーから学びを得ます。すべてを自分で行う必要はありません。

Tom Godden:
Code Whisperer についても話しました。 コンタクトセンターにも非常に興味を持っている人がたくさんいます。豊富なターゲットを持つ環境です。あなたはお客様との直接的な関係があるので注意が必要ではあるものの、ヘルスケア業界で次の新しい治療法を生み出す際のリスクも低くなります。ぜひ実行しましょう。私たちにはそのような進歩が必要です。しかし今、私たちは非常に高いリスクにさらされています。本当に、本当に複雑な状況です。また、自分のイントラネットを見ている人もいますが、あなたのイントラネットが私のものと同じであれば、情報は意味のないものとなってしまいます。イントラネット上に優れた検索エンジンがあったとしても、ほとんど何も見つから無いでしょう。今では、組織内のあらゆる情報を取得して公開する卓越した機会があります。また、人々がその可能性を理解し、低リスクの方法で行える、すばらしい方法もあります。それは多くの価値をもたらします。やってみましょう。見切り発車でもいいのです。

Miriam McLemore (13:35):
私たちが行った大きな発表の 1 つは、トレーニングに関するものですよね? どのようにトレーニング方法を学ぶかということです。 組織の外でチームがトレーニングを受けるようにしましょう。また、経営陣もトレーニングを受けるようにしてください。私たちは、お客様が組織のトレーニングを開始するのに役立つさまざまなサービスや、正しいアプローチで意思決定を行うために利用できるツールを用意しています。

Phil Le-Brun:
学びと好奇心 トレーニングと認定のエグゼクティブコースがあります。 単刀直入ですが、生成 AI とは何でしょうか? 今は Coursera のコースがあります。これはすばらしいです。データとパラメータの量のバランスおよび正しいバランスの計算と検出結果についての要点や、これまでの会話について理解したいのであれば、すべてそこで学べます。その多くはパブリックドメインです。今すぐ始めましょう。すぐに学習を開始してください。早すぎることはありません。

Tom Godden:
また、そのトレーニングは人々を巻き込むのにも役立ちます。なぜなら、正直に言うと、これは変革をもたらすテクノロジーですが、破壊的である可能性もあるからです。当然、非常に心配している人もいますが、どうしてでしょうか? 私の役割は、仕事をすることだけではありません。家賃やローンを払わなければならないし、子供たちを大学に入れる必要もあります。この新しい、とてつもなくエキサイティングな、変革の世界で、私にはまだ他にも役割があるのでしょうか? それは社会にどのように影響するのでしょうか? トレーニングでは、自身の役割を見いだし、果たせる役割を理解するのを手助けします。そうしたトレーニングを通じたサポートが、これまで見てきたどの変革的進化においてよりも、さらに重要になると思います。

Phil Le-Brun:
そうですね、サイロを破壊しようということですね。先入観についてお話されていましたね、Tom。先入観を軽減する最良の方法は、顧客ベースを代表するチームを作ることです。機械学習全般、つまり生成 AI が組織全体に浸透することは間違いないと思っています。生成 AI は組織の構造に関係なく機能します。組織の構造のせいではありません。ですから、官僚化した組織にならないようにしてください。生成 AI でその一部を排除することはできると思いますが。その点に戻ると...

Tom Godden:
新しい組織図を見せてください。

Phil Le-Brun:
はい、 PowerPoint を自動化します。

Miriam McLemore:
誰が担当すべきか教えてください。

Phil Le-Brun:
そこにいくらかの先入観が忍び寄るでしょう。そうです。ですが、その先入観で、自社の競争上の優位性を理解しましょう。Autodesk のように生成 AI を活用している企業では、現在、一部の設計の重みを 40% に戻しています。持続可能性のメリットはすばらしいですね。彼らは「組織の競争力を高めるには、生成 AI をどこで活用できるか?」ということをはっきりと認識しています。

Tom Godden:
生成 AI は付加価値を生みだしますので、挑戦してみてください。みんながそうであるからといって、それを行う必要はありません。

Phil Le-Brun (16:11):
おもしろいと思うのは、「厳しい時代だからお金を節約するか?」と「イノベーションを起こすか?」の間には、緊張関係があるという点です。そこにはもう選択の余地はないと思います。つまり、両方を行う必要があります。現実には、組織では非常に多くのお金が無駄になっています。ある調査では、CXO の 94% が、自社の組織構造がイノベーションを妨げていると回答していたと思います。それこそが官僚化した組織なのです。決断を行うのにどれくらい時間がかかりますか? 私たちが冗談めかして「官僚主義マス指数」と呼んでいるものです。 決定を待つ時間に比べて、意義ある仕事にどれくらいの時間を費やしていますか? これらの時間をどのように削減するのでしょうか? イノベーションか、お金の節約か、は問題ではないと思います。 両方を行う必要があるのです。差別化されていない仕事のコストを削減し、それをイノベーションに充てれば、好循環になります。さらに、機械学習や生成 AI を使用して、組織内のコストや煩雑さの一部を実際に削減することもできます。

Miriam McLemore:
私たちがお客様の間で見てきたこと、そしてお客様に伝えていることは、すべて手元にあるときよりも、制約がある方がイノベーションが促進されるということです。苦境にあることで、「この場所からどうやって抜け出せばよいか?」という創造性が身に付きます。 厳しい経済状況を利用して、違う視点から考えることができます。選択の余地がないのですから。 あなたがおっしゃるように、生成 AI の大きな価値の 1 つは、生産性と、一部の差別化されていない作業の節約であると思います。私は The Coca-Cola Company に長年在籍し、コンテンツの作成、新しいサイト、新しい体験、消費者や顧客向けの新しいイメージ、および POS 資料の作成を行ってきました。MarTech において生成 AI は、ゲームチェンジャーとなるでしょう。

Tom Godden:
これは他の変革でも見てきました。本当の変化は必ずしもテクノロジーだけではなく、新しい方法でテクノロジーを適用したいという意欲です。電気の導入で、工場のレイアウト方法や工場の運営方法が変わりました。工場を 24 時間安全に運営することができるようになりました。繰り返しになりますが、テクノロジーは最初のイネーブラーであり、実際の変革はプロセスを再考したときに起こったのです。このことから、この新しいものとのバランスを探し出すときは、立ち返ってプロセスを観察し、「なぜこれを行っているのか?」を問わなければなりません。 生成 AI で、これをまったく別の方法で行うことは可能でしょうか? 生成 AI で過去を自動化するだけではだめです。これを機会としてとらえ、再考し、まったく違うやり方で行いましょう。