生成AI：企業にとっての意味と導入方法

人工知能(AI)のサブセットである生成AIは、大規模なディープラーニングモデルを使用してテキスト、画像、音声、動画、コードを生成します。生成AIアプリケーションの最高峰は、基礎となるパターンを特定するために、ラベルなしデータで自己監視された基礎モデルに基づいて構築されています。つまり、OpenAIのChatGPT、Google Bard、Microsoft Bing AIなどのアプリケーションは、機械を使用して、人間が作成したような詳細なコンテンツを生成します。

生成AIの代表的な例としては、ChatGPTの基盤である generative pre-trained transformers (GPT)のような大規模言語モデル(LLM)です。今日、LLMは、数値計算、法的文書からインサイトを抽出し、顧客からの問い合わせを管理できるバーチャルアシスタントとして機能することで、ビジネスプロセスの改善に貢献しています。その結果、これらのアプリケーションは、エクスペリエンスの向上、コスト削減、そして収益増加を実現します。

ビジョンの策定から企業全体への拡張まで、生成AIはすでに主要な業界で活用されています。

銀行

生成AIは、リスクを最小限に抑え、パーソナライズされた銀行エクスペリエンスを提供し、アドバイザーの生産性を向上させ、顧客と従業員の満足度を高め、規制コンプライアンスを強化する可能性を秘めています。

• リスク軽減とポートフォリオの最適化: 生成AIは、株式市場の暴落など、限られたデータで、まれな市場イベントの合成データを作成できます。これにより、銀行はリスクモデルを開発するための強固なデータ基盤を構築し、そのようなイベントが銀行にどのような影響を与えるか、そのリスクをどのように軽減するか、そしてそれに応じて銀行のポートフォリオをどのように最適化するかを特定することができます。
• 顧客エンゲージメントと見込み客のプロファイリング: 生成AIは、過去の銀行データのパターンを大規模に分析し、リレーションシップマネージャーやカスタマーケア担当者が顧客の好みをより容易に特定し、ニーズを予測し、パーソナライズされた銀行エクスペリエンスを生み出す支援をします。
• ファイナンシャルアドバイザリー: アドバイザーは、生成AIを使用して、カスタマーサービスの自動化、顧客行動の傾向の特定、顧客のニーズと好みの予測、顧客をより適切にサポートするためのファイナンシャルプランニングツールの開発、そして顧客にとってより魅力的で有益な自然言語コンテンツの作成を行うことができます。その結果､顧客への理解を深め、より的確でパーソナライズされたアドバイスを提供できるようになります。
• コンプライアンス：マネーロンダリング対策に関するデューデリジェンスには、制裁対象リスト、最終実質的所有者（EPP）や重要な公的地位を持つ人物（POP）に関するデータ、ネガティブメディア情報など、様々なコンテンツの分析と管理が含まれます。生成AIを活用することで、コンプライアンスチームはデータを構造化、分類、タグ付け、クレンジングし、検索可能にすることができます。これにより、人為的ミスが排除され、コンプライアンス担当者はより価値の高いタスクに集中できるようになり、コンプライアンス全体の向上につながります。

ヘルスケア  

生成AIは、医療従事者の生産性向上を支援する一方で、労働力不足に悩む業界に不可欠な存在として、相互接続された健康や患者の転帰を改善するためのインサイトを提供します。

• 従業員と顧客のエクスペリエンスの向上: 生成AIは、請求処理、予約のスケジューリング、医療記録の管理などの管理タスクを自動化できます。また、診察データや請求データに基づいてパーソナライズされた患者の健康状態の概要を生成することで、医療に関する意思決定をサポートすることもできます。AIは患者への対応時間を短縮し、患者エクスペリエンスを向上させます。
• 膨大な量のデータを迅速に分析: 生成AIにより、ヘルスケア企業は、トーン、ブランディングセンチメント、製品認識などに関する重要なインサイトを関連メディアから収集できます。ある企業では、メディアレポートの作成時間を90%短縮することができました。また、AIは、複数のソースからの膨大な量のデータをより迅速に分析することができるため、特定の医薬品に関する研究論文の作成にかかる時間を短縮することができました。
• ケアのスピードと質の向上: AIを臨床アシスタントとして使用することで、電子カルテ、医用画像データ、検査結果などを分析・要約し、臨床医にカスタマイズされた治療の推奨事項を提供し、潜在的な副作用を警告することができます。また、健康の社会的決定要因など、バリューチェーン全体からのデータと組み合わせることで、服薬アドヒアランスの向上にも役立ちます。

保険  

保険は確率と統計がすべてであり、まさにAIの得意分野です。生成AIは、顧客からのフィードバック、保険金請求の記録、気候変動の記録、地域の気象パターン、経済状況、人口動態の傾向など、膨大なデータを分析することができます。これにより、引受査定人や保険数理士は、より正確なリスク評価と価格設定をサポートするインサイトを得て、保険金請求プロセスを効果的かつ効率的に行うことができます。

• 製品管理とイノベーション：生成AIは、アクチュアリーが開発・保有する保険商品に関する顧客フィードバックを分析・要約することができます。これにより、アクチュアリーは新商品を革新し、製品開発ライフサイクルを加速することができます。

• 保険契約と保険金請求管理の改善：生成AIは、顧客レビュー、ソーシャルメディアの投稿、ニュース記事といった大量の非構造化データを分析することで、潜在的なリスクを特定し、保険引受の意思決定に役立てることができます。また、生成AIは様々な保険金請求データを分析、要約することで、保険金請求管理全体の効率性と有効性を高めることができます。
• コミュニケーションと顧客サービスの向上：コミュニケーションの改善は顧客との関係強化につながります生成AIを活用することで、保険会社は保険契約の概要や補償内容の説明を、顧客が理解しやすい言葉で自動的に作成できるようになります。
• マーケティングと新規事業開発：生成AIは、外部データと内部データを統合・分析することで、保険会社に顧客に関する360度ビューを提供します。これは、異なる事業部門にまたがるデータであっても可能です。これにより、住宅購入や自動車購入といった顧客イベントが保険会社にとって明確になり、適切なタイミングで適切な商品をクロスセルやアップセルできるようになります。
• グローバルな俊敏性：多くの保険会社にとって、単一言語での業務運営は成長を著しく阻害します。生成AIは、顧客からの問い合わせを翻訳し、希望する言語で回答することで、多言語対応の顧客サービスを提供します。

生成AIは企業にとって大きなチャンスをもたらしますが、課題がないわけではありません。責任ある言語・学習モデルの構築には、データの品質、セキュリティ、そして倫理のバランスを取る必要があります。例えば、LLM（大規模言語モデル）は一見もっともらしい結果を出すかもしれませんが、誤りやバイアスが含まれている可能性があります。だからこそ、人間を常に監視のループに含めることが極めて重要になります。

グローバル企業との業界を超えたパートナーシップを通して、私たちは生成AIを成功に導くための6つのベストプラクティスを明らかにしました。

1. 責任あるAIの文化を確立する: ゲームは変化したかもしれませんが、同じルールが適用されます – 責任ある倫理的なAIの考慮事項を見失わないことが重要です。アーリーアダプターは、すでにユースケースと実用最小限の製品を構築していますが、ガバナンス、ガードレール、プロトタイプ・デリバリーシステム、チェンジマネジメント、ユースケースの優先順位付けに重点を置いています。
2. 監査を組み込む: データ、機械学習パイプライン、エンドユーザー、ベンダーの量が増えるにつれて、特にコンテキストを改善するために外部のナレッジソースを導入する場合は、監査メカニズムが不可欠です。監査は、企業が著作権侵害や独自のデータ漏洩などのリスクからビジネスを保護するためのポリシーを開発および展開するのに役立ちます。
3. センター・オブ・エクセレンスの創設: 「もし私の会社が私の会社が知っていることすべてを理解しているなら」は、多くの組織にとってのマントラです。しかし、AIはそれをかなえる訳ではなく、AIのほとんどの作業はデータの整理とクリーニングです。そこで、センター・オブ・エクセレンスが重要となります。このセンター・オブ・エクセレンスが生成AIにおける従業員のスキルアップを図れば、初期段階でAIに使用するプロンプトを調整し、後の段階では微調整することで不正確で偏ったアウトプットに対処する方法を学ぶことができます。
4. アイデアを民主化し、生産を制限する: 生成AIはまぎれもなく活気に満ちています。データリテラシーの高い従業員は、それによって仕事を効率化する方法を模索したいと思うでしょう。ビジネスリーダーは、生成AIへの従業員の関心を高める必要がありますが、従業員がテストも規制もないAIプロジェクトを立ち上げるのを防がなくてはなりません。そこで、生成AIを運用する能力がなくても、従業員が実験できるような対策を講じる必要があります。また、センター・オブ・エクセレンスをチェンジマネジメントハブとして運用することで、プロトタイプを設計、統合し、エンタープライズグレードのソリューションに拡張することができます。
5. 動的データの準備: 動的データとは、新しい情報が利用可能になると、時間の経過とともに定期的に変化するデータです。生成AIが生成する膨大な量の動的データ(表、コード、画像など)は、課題を生み出します。その結果、データの処理を大幅に変更する必要があります。このような追加情報をもとに、企業のリーダーは俊敏性を発揮して、データソース、人材、テクノロジーを合理化する必要があります。
6. ビジネス部門を取り込む: 生成AI の可能性を探らなければならないのは、テクノロジーチームや分析チームだけではありません。経営幹部がAIで何を実現できるかについて、興味を持ち、意欲的に発言することが急務です。彼らはエンドユーザーと最も密接な関係にあるため、こうした姿勢を奨励すべきです。

初期のウェブブラウザと同様に、生成AIは私たちとテクノロジーの関わり方を根本から変革します。実際、ゴールドマン・サックスによると、生成AIは世界のGDPを7%押し上げる可能性があります。優れた企業リーダーは、アドホックな取り組みを包括的な生成AI戦略へと転換すべく、積極的に取り組んでいます。そして、他のリーダーたちにデータドリブンな意思決定、確率的思考、そして実験を習得できるようトレーニングを行っています。

この機会を捉えるには、データの品質、管理、そして倫理性を損なうことなく、あらゆる業界のユースケースを取り入れる必要があります。誰にとっても容易な道のりではありませんが、今こそ探求の時です。