拡張知能は、人工知能が人知に取って代わるのではなく、人工知能によって人知を強化します。誰もが使いやすいビジュアル表現やデータストーリーでデータアナリティクスを利用できるようにツールに投資している組織では、あらゆるレベルでデータリテラシーが強化され、ビジネスで成功する可能性が高まります。

ブログ著者:Bernard Marr   本ブログは Boosting Data Literacy and Insights Through Augmented Intelligence の翻訳になります。

細かなデータを残らず収集すると、文字どおりデータの海で溺れ​​てしまい、ビジネスの成功が約束されている地には永遠にたどり着けません。データを収集するだけでは不十分だからです。データは分析して、組織のあらゆるレベルの専門家に配布する必要があります。データのインサイトを適用してビジネスを強化できるのは、専門のビジネス領域について専門知識を備えている個人ですが、これは必ずしもデータアナリティクスの洞察力であるとは限りません。組織のためにデータを活用する秘訣は、Qlik Sense など、拡張知能を利用するビジネスインテリジェンスツールを使用することです。拡張知能では機械が人知に取って代わるのではなく、人知を機械によって強化し、組織内のあらゆるレベルのユーザーのデータリテラシーを高めます。

データは人間の能力を拡張する必要がある

機械が人間の仕事を奪うことについては多くの懸念と誇張がありますが、本当に魅力的なのは、人間がデータから迅速に価値を実現し、機械から自動的に提供されたインサイトを活用して実際の問題を解決するうえで、機械と人間の連携が役立つという点です。漠然とした目的を追求するのではありません。業界別に最適化され、特定の問題に焦点を当てた拡張知能は、データがどのように人間の能力を拡張して、組織で高い業績を生み出せるか、ということなのです。これにより、企業全体への人工知能 (AI) の導入も加速します。

データビジュアライゼーションと管理ダッシュボードによりインサイトを強化

データからインサイトを効果的に獲得し、それを人間が主導するチームに伝達する適切なツールがないことで、組織の多くが時間、コスト、機会を無駄にしています。データの視覚的表現は重要ですが、それだけでは不十分です。数テラバイトのデータを分析した後、その中から本当に重要な情報を明らかにするために、ビジュアライゼーションにインテリジェントなストーリーを追加して、ビジネスユーザーにとっての重要ポイントをインサイトの中で強調する必要があります。ここで機械のサポートが役に立ちます。たとえば、Narrative Science との提携によって、Qlik Sense ビジネスインテリジェンスプラットフォームでは、(人間が書いたレポートと同等の品質の) 詳細な自然言語レポートをデータから自動作成し、ビジネスインテリジェンスの目的でインサイトの視覚的表現に追加できます。これらのストーリーは読みやすく簡潔です。また、リアルタイムに変化するデータやユーザーの行動によって動的に変更されます。拡張知能は、データを処理する機械と人間の間に存在する通信障壁を打破して、ビジネスインテリジェンスの効率化を実現し、実際のビジネス上の問題を解決します。

規制が厳しい業界で、機械主導型インサイトを業務の一環として使用する場合は、人間がその正当性を保証し、確認する必要があります。人工知能によるアドバイスや機械によって生成された助言を、なぜ機械がそのような結論に至ったかについて根本的な理由を理解せず、ただやみくもに受け入れることはできません。拡張知能を使用すれば、人がこの内部からの視点を得られます。

拡張知能が成功を牽引

Dell Technologies や Microsoft をはじめとする大手テクノロジー企業の多くは、有用なデータをビジネスエキスパートに提供するソリューションに投資した会社が、近いうちに拡張知能が変革につながる変化を牽引し続けるようになると考えています。このような形で既に大きな成功を収めている会社も複数あります。

あらゆる業界の会社が機械学習を使用してビジネス上の意思決定を行い、業務を最適化しています。

資産管理会社のアドバイザーは、顧客のニーズについて豊富な情報を持っています。たとえば、個人のソーシャルメディアからクライアントに赤ちゃんが生まれたばかりであることを示すデータを機械が発見した場合、それはファイナンシャルアドバイザーによるチェックインが発動する可能性のある重要なライフイベントです。

ヨーロッパ最大のビール会社である Heineken は、人と機械の連携および拡張知能を使用して、サプライチェーンでの予測から非効率性の排除まで、ビジネスのあらゆる段階で業務を最適化しています。実店舗での買い物客の行動に関する情報から、ボトルや缶がどのように店から搬出されるかまで、同社が収集するデータはあまりに膨大です。機械で解析し、同社が使用できるように提示しなければ処理しきれません。

医療分野では、AI によって医師をはじめとする医療従事者の役割が拡張されています。たとえば、放射線科医の場合、AI アルゴリズムによってすべての X 線画像が事前に分析され、異常を検出されます。その後、人がその画像を受け取り、最終的な診断を行います。この連携がもたらす付加価値は、機械は異常を絶対に見落とさず、人間の医師は良性の腫瘍と癌細胞の発生の見極めについて機械に勝るという事実に基づいています。

同様にエネルギー分野では、BP と GE Power が機器のセンサーから膨大な量のデータを収集しています。このデータが拡張現実を通じて処理された形でエンジニア、サイエンティスト、その他の意思決定者に届けられると、人と機械の連携によって、他の方法では実現できないような観点からより的確な意思決定が可能になります。