最近では、プロンプトエンジニアリングをしたり、音楽制作に役立つ AI ツールをいじったりすることで、誰もが「AI エキスパート」になっているようです。今では誰もが自分を AI 開発者だと考えています。しかし、それほど昔のことではありませんが、AI ユーザーと AI 開発者およびエンジニアの世界は非常に異なっていました。
AI チームはどのように構成しますか?
組織内の人々のグループ。
AI への依存度が高まっている組織では、AI チームには実際に誰が所属しているのでしょうか。最近の AI Today ポッドキャストでは、進化する AI チームというトピックについて取り上げました。LLM が大流行する前は、AI ユーザーと AI 開発者およびエンジニアの世界は実に今とはまったく異なっていました。ほんの数年前まで、AI で何かをしたい場合、高度なスキルを持ち、高給で、なかなか見つからない人材が必要でした。企業が探し求めていたのは、いわゆる「ユニコーン」でした。企業はデータ サイエンティストをすぐには雇えず、この人材の獲得は熾烈でした。
企業は、高度なスキルを持つデータ サイエンティスト、機械学習エンジニア、データ エンジニア、その他高給で見つけるのが難しい人材を必要としていました。見つけるのが難しいのは、数週間のコード アカデミーに通ったり、オンラインで何かを読んだりするだけでは、データ サイエンティストや機械学習エンジニアになれないからです。これらのスキルを身に付けるには、かなりの時間がかかりました。
しかし、今では生成型 AI のおかげで、ほぼ誰でも AI で何かを生成できるようになりました。そして、生成型 AI によって、誰が AI 出力を作成できるかという状況が本当に変わりました。ただし、誰でも AI を作成して操作できるようになったからといって、誰もが AI 開発者になれるわけではないことに注意することが重要です。
AI「市民開発者」の台頭
ジェネレーティブ AI は、AI チームに関して、組織に非常に興味深い影響を及ぼしています。数年前に組織にアンケート調査を行い、誰が AI プロジェクトに取り組んでいるかを尋ねた場合、ほとんどの人はおそらく何も取り組んでいないと答えたでしょう。しかし現在、組織を無作為に選んで同じ質問を「AI で何かやっている人はいますか」と尋ねると、実際には会社の大多数が取り組んでいるかもしれません。もちろん、彼らが考えているのは、より優れた電子メールやブログ記事の作成、またはスライドの生成に役立つプロンプト エンジニアリングです。または、画像生成ツールを使用しているか、既存のツールに組み込まれた AI 機能に AI を少し加えて効率化を図っている場合もあります。
スプレッドシートがカジュアルな定量分析を民主化したのと同様に、Generative AI もカジュアルな自然言語処理や画像生成・分析タスクを民主化しています。Generative AI ユーザーの大半は、いわゆる「市民 AI 開発者」です。これは、ノーコードおよびローコード ユーザーが「市民開発者」として権限を与えられているのとほぼ同じです。範囲が狭く、反復サイクルが速い AI のパターンは、市民 AI 開発者によって実際に実現できます。これは、特に会話パターン、パターンと異常、認識パターンの側面に当てはまります。
そして、多くの基本的な AI プロジェクトは、AI 市民開発者の一般ユーザーでも実行できることは事実です。組織は、これらのアプリケーションのために、高度なスキルと高給の人材をめぐって争う必要はありません。しかし、このような場合でも、データの入力と出力の品質と可用性を管理し、信頼できる AI の問題を考慮し、出力を他のシステムに接続する必要があります。
また、これらの生成 AI ユーザーは、自分たちが AI を使って何かをしていると考えているかもしれませんが、実際のディープ AI 開発者であるとは考えていません。ML モデルを構築したり、これらのモデルを再トレーニングしたりすることはできません。つまり、AI 市民開発者は組織内に居場所がありますが、AI スペシャリストに取って代わるわけではありません。
AIの主要プレーヤーは誰ですか?
AI の 7 つのパターンの大部分は、単純な生成型 AI アプリケーションでは対応できないため、AI スペシャリストが依然として必要です。自律パターン、目標駆動型パターン、ハイパーパーソナライゼーション パターンなどのパターンには、洗練された専門チームと役割が必要です。
たとえば、自動運転車を例に挙げてみましょう。大規模な言語モデルを使って車両を A 地点から B 地点まで移動させることはできません。そのため、AI プロジェクト開発のための従来のチームは依然として必要です。これらのチームは、データ サイエンティスト、機械学習エンジニア、データ エンジニア、運用化チームなどで構成されています。したがって、実際に AI を現実世界に導入するときには、それを実行できるチームが必要です。
AI チームの範囲も拡大しています。チームには現在、AI プロジェクト管理の役割と信頼できる AI チームが含まれています。これらのグループは、プライバシー、コンプライアンス、リスク、倫理、ガバナンス、さらには知的財産のライセンスと管理の側面にも責任を負っています。
現代の AI チームは、以前の「研究的な」チームよりもはるかに幅広く複雑になっています。AI はより包括的なものへと広がりました。つまり、AI はチームの取り組みであり、実際には組織内の全員が AI チームに所属しているということです。
AIプロジェクトマネージャーの役割の拡大
テクノロジーは、3 本足の椅子の一部にすぎません。他の 2 本の脚は、より重要な「人」と「プロセス」です。多くのプロジェクトは、悪い問題に悪いテクノロジーを投入することで失敗しています。残念ながら、問題を探すための解決策は、まだ多すぎます。
AI プロジェクトを順調に進めるには、あらゆる種類の AI プロジェクト マネージャーとファシリテーターが必要です。彼らはプロジェクトの焦点を維持するのに役立ち、AI プロジェクト管理は依然として非常に重要です。また、AI 方法論のベスト プラクティスに従うことも同様に重要です。AI 方法論の認知プロジェクト管理である CPMAI などの方法論は、AI プロジェクトの成功に必要な段階的なアプローチを PM に提供します。
AI が組織の中核となるにつれ、全員のレベルが上がり、AI プロジェクトの実行と管理が成功するほど、組織の勝利が増します。
(開示: 私は AI Today ポッドキャストの共同ホストです)
元記事: https://www.forbes.com/sites/cognitiveworld/2024/05/03/who-is-on-the-ai-team/