プロジェクトマネージャーがAIプロジェクトを始める前に知っておくべき10のこと

AI and machine learning technologies are transforming the way organizations streamline their business processes and operations. Across industries, companies are realizing the benefits of AI technology like data-driven outcomes, automated processes, and faster implementation.
A recent テックリパブリック survey found that 90% of organizations are currently working on AI projects. However, only one in three AI projects is proving to be successful. To leverage maximum benefits, project managers must plan their strategy before executing their AI project.
Here are 10 things for project managers to consider before starting their next AI project.

AIプロジェクトで考慮すべき10のこと

1.高品質のデータを確保する。

質の高いデータは、AIプロジェクトを成功させるための最も重要なリソースです。データは、AIモデルをビジネスケースに効果的なものにするために不可欠です。

AIプロジェクトの計画では、良質なデータを得るために十分な時間とリソースを確保すること。

2.AIがプロジェクトの要件に適合するかどうかを確認します。

次のプロジェクトにAI技術を選択する前に、AIがビジネス上の問題に対する最も妥当な解決策であることを確認する必要があります。資格のあるAIコンサルティング・パートナーの助けを借りれば、AIプロジェクトが特定のビジネス課題に対する実現可能なソリューションかどうかを判断することができる。

3.AIプロジェクトのアウトプットを定量化する。

AIプロジェクトの成功に期待される成果とは何だろうか？明確に定義された期待値がなければ、プロジェクト・マネジャーがAIプロジェクトの成果を定量化することは難しい。

このような状況に対処するには、AI実装の最初のバージョンを常にベースケースとして扱い、ソリューションの質が最初の問題を解決するのに十分かどうかを判断する。初期の精度が人間の平均よりもはるかに低い場合は、データの量や質に問題があるか、分類スキームに使用している手法をデータで表現できるものに調整する必要があることを意味します。

ベースケースを確立し、最初の精度の数字から実行可能なソリューションを特定したら、後のバージョンと反復を使用して、ビジネス価値とROIを向上させる。

4.解決すべき問題を定義する

多くのプロジェクト・マネジャーや企業は、解決しようとしているビジネス上の問題や目的を明確に理解しないまま、AIプロジェクトを実施している。AI技術に関する全体的な「誇大広告」は、AIがあらゆる種類の問題に対処できるように思わせる。現実には、そうはいかない。

ビジネス上の問題を定義し、それがAIベースのソリューションで解決するには複雑すぎるかどうかを見極める。

5.すべてのプロジェクト関係者がAIについて同じ理解を持つようにする。

プロジェクトマネージャー、チームリーダー、開発者などのステークホルダーは、これまでの経験や学習に基づいて、AI技術について異なる理解を持っている。

AIソリューションは通常、トレーニングに利用可能なデータと、手持ちのデータでソリューションを機能させるための専門知識によって制限される。最新の研究を再現するためのコードや利用可能なデータがないことも多い。このため、AIは買って忘れるようなソリューションではなく、プロセスであり、絶え間ないインプットが必要で、利害関係者は他のソフトウェア・ソリューションからの期待をリセットする必要がある。

AIプロジェクトを実施する前に、AIソリューションの実施に向けた一貫したアプローチを開発する。

6.AIプロジェクトの範囲を定義する

AIプロジェクトには多くの利点がありますが、他のITプロジェクトや開発プロジェクトと同様に、プロジェクトの期限と予算があるのが一般的です。割り当てられたリソースに基づいて、AIプロジェクトの全体的な範囲、つまり達成する予定の内容を定義します。プロジェクトに必要なデータの収集とクリーニングのスケジュールを作成し、プロジェクトを滞らせる可能性のあるデータのニーズと、そのようなデータの提供に責任を持つ人を特定する。

コスト、利用可能なリソース、投資収益率について、プロジェクトの範囲を評価する。

7.正しいデータを選ぶ

適切なAIアルゴリズムを選択する前に、プロジェクトチームは目の前のタスクに合わせてトレーニングデータを選択し、クリーニングし、フィルタリングする必要があります。モデル・トレーニングのために適切なデータセットを準備し収集することで、プロジェクト・エンジニアは将来のAI開発と実験を加速させることができる。適切なトレーニングのために、プロジェクト管理チームは、データと結果の何が重要かを理解するためのデータサイエンスに精通した熟練した専門家と、Pythonのようなプログラミング言語を必要とするが、Javaの使い方を理解することは、個々のマシン上で実行可能なクライアント側アプリケーションの構築に役立つ。

8.正しいAIアルゴリズムを選択する

教師あり学習であれ教師なし学習であれ、プロジェクト・マネージャーはプロジェクトに適したAIアルゴリズムを選択しなければならない。重要な考慮点は、プロジェクトの要件に応じて、分類タスク、エンティティ認識、推薦、生成テキスト、生成ビジュアルコンテンツ、クラスタリング、異常検出、ランダムフォレストなど、タスクごとに異なるタイプのAIアルゴリズムから選択できることだ。

9.データセキュリティの確保

他のソフトウェア・ソリューションと同様に、AIベースのソリューションもセキュリティ関連の要件をすべて満たす必要がある。プロジェクト・マネージャーとして、潜在的な攻撃者からAIシステムを保護するための適切な対策を講じる必要があります。さらに、AI開発プロジェクトに取り組む際には、データ・セキュリティ規制を遵守していることを確認してください。

10.AIソリューションのカスタマイズ

AIベースのソフトウェアは、"万能 "のソリューションではありません。なぜなら、扱っているデータや、ビジネスや業界に特化したソリューションには、ニッチなデータや、自社に特化したデータが必要だからです。ソリューションは、独自のビジネス要件に応じてカスタマイズする必要があります。あなたの組織がテクノロジー・パートナーと協働しているのであれば、彼らがカスタマイズされたAIソリューションを提供できるかどうか、そのモデルをどのようにあなたのデータに合わせて調整できるかを確認してください。

カスタマイズだけでなく、組織が使用しているサードパーティーのシステムと簡単に統合できるようにAI製品を構築する。

結論

他のテクノロジーと同様に、AIはそれだけでビジネス上の問題を解決できる「銀の弾丸」ではない。プロジェクト・マネージャーは、他のITプロジェクトとは異なる方法でAIにアプローチする必要があり、ベースケースのソリューションでデータが示すものから始めなければならない。他の考慮事項の中でも、プロジェクト管理チームは、AIテクノロジーを使って解決しようとしているビジネス上の問題を明確に定義しなければならない。