**著者:**調査内容と分析は、マッキンゼー グローバル インスティテュート パートナー、マッキンゼー ベイエリア オフィス パートナー (ラレイナ イーがシニア パートナー) の Michael Chui 氏、ワシントン D.C. のアソシエイト パートナー Bryce Hall 氏によって行われました。オフィス ; シニアパートナーの Alex Singla と Alexander Sukharevsky (マッキンゼー人工知能の QuantumBlack グローバル責任者、それぞれシカゴとロンドンのオフィスに拠点を置く)。
画像の出典: Unbounded AI ツールによって生成
人工知能の現状に関するマッキンゼーの最新の年次世界調査では、生成人工知能 (gen AI) ツールの爆発的な普及が確認されています。これらのツールの多くが利用可能になってから 1 年も経たないうちに、回答者の 3 分の 1 が、自分の組織は少なくとも 1 つのビジネス機能で生成 AI を定期的に使用していると回答しました。最近の展開では、AI は技術系従業員の話題から企業のリーダーの話題へと移りつつあります。調査対象となった経営幹部の 4 分の 1 近くが、仕事で個人的に gen AI ツールを使用していると回答し、AI を使用している企業の回答者は 4 分の 1 以上が次のように述べています。 gen AI は取締役会の議題となっています。さらに、回答者の 40% は、AI テクノロジーの進歩により、組織の AI への全体的な投資が増加すると回答しました。この調査結果は、AI に関連するリスクの管理がまだ初期段階にあることを示唆しており、回答者の半数未満が、組織が最も関連性があると考えられるリスク、つまり不正確性を削減していると答えています。
すでに AI 機能を組み込んでいる組織は、AI の可能性を最初に探求していますが、より従来型の AI 機能から最も価値を見出している組織 (いわゆる AI パフォーマンスの高い組織) は、AI ツールの導入を進めています。 。
回答者は、AI がビジネスに大きな影響を与え、従業員に大きな変化をもたらすと予想しています。彼らは、人材ニーズの変化に応じて、一部の分野での人員削減と大規模な再教育を期待しています。ただし、Gen AI の使用により他の AI ツールの導入が促進される可能性はありますが、企業によるこれらのテクノロジーの導入が大幅に増加することはありません。 AI ツールを導入している企業の割合は 2022 年以降安定しており、導入は依然として少数のビジネス機能に集中しています。
＃＃１． まだ初期段階ではありますが、生成AIの応用は非常に普及しています
2023 年 4 月中旬の現地調査結果によると、AI テクノロジーは一般に利用可能になったばかりであるものの、これらのツールの実験はすでに一般的であり、回答者は新しい機能が業界を変革すると期待していることがわかりました。次世代 AI は企業世界の人々にとって興味深いものです。地域、業界、年功序列を超えて、個人が職場でも仕事外でも次世代 AI を使用しています。回答者の 79% が職場または仕事外で AI に少なくともある程度触れたことがあると回答し、22% が仕事で定期的に AI を使用していると回答しました。使用率は年功レベルを問わず同様であると報告されていますが、テクノロジー業界と北米で働く回答者の間で使用率が最も高かったです。
注: より多くの調査データを表示するには、原文をクリックしてください
組織は現在、生成 AI を広く利用しています。回答者の 3 分の 1 は、自分の組織がすでに少なくとも 1 つの機能で生成 AI を定期的に使用していると回答しました。これは、AI 導入を報告している組織の 60% が生成 AI を使用していることを意味します。さらに、AI 導入を報告している企業のうち、40% が gen AI のおかげで AI への投資が増えると予想しており、28% が gen AI の使用が取締役会の議題にあると述べています。レポートによると、これらの新しいツールを最も使用するビジネス機能は、AI を最も使用するビジネス機能と同じであり、マーケティングと販売、製品とサービスの開発、およびカスタマー サービスやバックオフィス サポートなどのサービス運営です。これは、企業がこれらの新しいツールに最大限の価値を求めていることを示唆しています。私たちの以前の調査では、ソフトウェア エンジニアリングと合わせて、これら 3 つのドメインが、生成 AI のユースケースによってもたらされる年間合計価値の約 75% を占める可能性がありました。
Alex Singla (マッキンゼー人工知能、QuantumBlack グローバル責任者) は次のようにコメントしています。
生成 AI に関する議論の進化の速さには驚くべきです。ほんの数か月前、幹部間の会話は初歩的なもので、主にそれが何なのかを理解しようとして、何が誇大広告で何が現実なのかを見ようとするものでした。そして今、わずか 6 か月ほどの間に、ビジネス リーダーたちははるかに複雑な会話を交わすようになりました。調査結果から、企業の 3 分の 1 近くが少なくとも 1 つのビジネス機能で生成 AI を使用していることがわかります。これは、ビジネスにおける生成人工知能の実現可能性に対する企業間の理解と受け入れのレベルを浮き彫りにしています。
次の問題は、企業がどのように次のステップに進むのか、そして生成 AI が、これまで観察されてきた、導入率 50% 付近で頭打ちになっている、より一般的な AI パターンに従うのかどうかです。データから、すでに AI を使用している企業のほぼ半数が AI への投資を増やす計画を立てていることがわかります。その理由の 1 つは、AI を最大限に活用するには、より広範な機能セットが必要であると認識しているためです。
AI を実験からビジネス エンジンに移行させ、高い投資収益率を確保するという次のステップに進むには、企業は広範な問題に対処する必要があります。これらの質問には、組織内での生成 AI の具体的な機会の特定、ガバナンスと運用モデルはどうあるべきか、サードパーティ (クラウドや大規模な言語モデルのプロバイダーなど) を管理する最適な方法、さまざまなリスクを管理するために必要なもの、理解などがあります。人材とテクノロジースタックの影響、そして銀行の短期的な利益と規模拡大に必要な長期的なファンダメンタルズとのバランスをとる方法を理解すること。これらは複雑な質問ですが、真に大きな価値を引き出す鍵となります。
多くの組織は、AI によってもたらされる潜在的なリスクにまだ対処できていません
調査によると、AI テクノロジーの広範な導入や、これらのツールがもたらす可能性のあるビジネス リスクに対して十分な準備ができている企業はほとんどないようです。 AI の導入を報告した回答者のうち、従業員の職場での AI テクノロジーの使用を管理するポリシーを組織が定めていると回答したのはわずか 21% でした。 AI 導入のリスクについて具体的に尋ねたところ、最もよく挙げられる AI リスクである不正確性を自社が軽減していると答えた回答者はほとんどいませんでした。回答者は、以前の調査で AI に対する最も一般的なリスクであったサイバーセキュリティと規制遵守の両方よりも、不正確さについて言及する頻度が高かった。不正確さを軽減していると答えた回答者はわずか 32% であり、サイバーセキュリティ リスクを軽減していると回答した 38% よりも低くなっています。興味深いことに、この数字は、昨年 AI 関連のサイバーセキュリティ リスクを軽減したと報告した回答者の割合 (51%) よりも大幅に低いです。全体として、これまでに見てきたように、回答者の大多数は、組織が AI に関連するリスクに対処していないと回答しました。
Alexander Sukharevsky (マッキンゼー人工知能、QuantumBlack グローバル責任者) は次のようにコメントしています。
生成型 AI に関連するリスクについては広く認識されています。しかし同時に、不安と恐怖が蔓延しているため、リーダーがリスクに効果的に対応することが困難になっています。私たちの最新の調査によると、生成 AI に対するリスク ポリシーを導入している企業は 20% をわずかに超える程度です。これらのポリシーは多くの場合、データ、知識、その他の知的財産などの企業の機密情報の保護に重点を置いています。これらは重要ですが、確立されたポリシーを反映する企業のテクノロジー アーキテクチャを変更することで多くのリスクに対処できることもわかりました。
しかし、本当の落とし穴は、企業のリスクに対する見方が狭すぎることです。企業は、社会的、人道的、持続可能な開発などの一連の主要なリスクにも注意を払う必要があります。実際、生成型 AI の予期せぬ結果は、一部の人が宣伝している終末のシナリオよりも、世界に問題を引き起こす可能性が高くなります。最も建設的な方法で AI にアプローチする企業は、こうした広範なリスクを特定して対処するための構造化されたプロセスを開発しながら、AI を実験および使用しています。彼らは、それらの結果の一部をより正確に予測するために、生成 AI アプリケーションがどのように誤動作するかを考えることを任務とするテスト ユーザーと特定のチームを設立しています。また、ビジネス内で最も優秀で最も創造的な人々と協力して、ビジネスと社会全体にとって最良の結果を決定します。生成型 AI の責任ある生産的な開発には、新たなリスクと機会の性質を思慮深く、体系的かつ包括的に理解することが不可欠です。
＃＃２. 先駆的な企業が人工知能の分野で主導権を握っています
調査結果は、AI効率の高い企業（回答者が2022年の利息・税引前利益の少なくとも20％がAIアプリケーションによるものである可能性があると答えた企業）が、生成型人工知能とより伝統的な人工知能の両方のAIに全力で取り組んでいることを示している。 AI から莫大な価値を引き出しているこれらの企業は、すでに他の企業よりも多くのビジネス機能、特に製品とサービスの開発、リスクとサプライ チェーンの管理で Gen AI を使用しています。すべての AI 機能 (従来の機械学習機能、ロボティック プロセス オートメーション、チャットボットなど) にわたって、AI 効率の高い企業は、製品開発サイクルの最適化や新機能の追加など、製品やサービスの開発に AI を使用する可能性が他の企業よりも高くなります。既存の製品と新しい AI ベースの製品の作成。これらの組織は、リスク モデリングだけでなく、パフォーマンス管理、組織設計、従業員配置の最適化などの人事領域でも、他の組織よりも AI を多く使用しています。
他の組織とのもう 1 つの違いは、ハイ パフォーマーの AI への取り組みは、他の組織にとって最優先事項であるコスト削減を志向していないことです。 AI を有効に活用している企業の回答者は、組織の AI の最大の目標がまったく新しいビジネスまたは収益源を生み出すことであると回答する可能性が 2 倍高く、新しい機能の作成により既存の製品の価値が高まると言及する可能性が最も高かった。
これまで見てきたように、これらの非常に効率的な組織は、他の組織よりもはるかに多くの額を AI に費やしています。AI 効率の高い組織の回答者は、AI にデジタル予算を費やす可能性が 20% 高いと回答しています。これは、AI の 5 倍以上です。他の組織。さらに、組織全体で AI をより広範囲に使用しています。 AI 効果的な企業の回答者は、他の企業よりも、自社の組織が 4 つ以上のビジネス機能にわたって AI を導入し、より多くの AI 機能を組み込んでいると回答する可能性が高くなります。たとえば、Gen AI および関連する自然言語機能に加えて、高業績者への回答者は、少なくとも 1 つの製品またはビジネス機能プロセスにナレッジ グラフが埋め込まれていると報告することが多くなりました。
AI 効率の高い企業も AI から価値を引き出すという課題を免れないわけではありませんが、この結果は、これらの企業が直面する困難は AI における相対的な成熟度を反映している一方、他の企業は基本的な戦略的要素との闘いに苦戦していることを示唆しています。 AI 効率の高いビジネスへの回答者が最も多く挙げる最大の課題は、本番環境でのモデルのパフォーマンスの監視や、必要に応じて時間の経過とともにモデルを再トレーニングするなど、モデルとツールです。対照的に、他の回答者は、ビジネス価値に関連した明確な AI ビジョンの策定や、適切なリソースの確保などの戦略的問題を挙げました。
Gen AI アプリケーションが提供できる、より革新的なユース ケースを採用するには、多くの特殊な MLOps 技術と実践が必要になる可能性があり、それを可能な限り安全に行う必要があります。リアルタイム モデルの運用は、システムを監視し、問題を迅速に解決するためのインスタント アラートを設定することで AI システムを抑制できる分野の 1 つです。ここでは、成績優秀な企業が際立っていますが、まだ成長の余地があります。これらの企業の回答者の 4 分の 1 が、システム全体が監視されており、インスタント アラートが装備されていると回答しましたが、わずか 12% でした。
ブライス・ホール (マッキンゼー・アソシエイト・パートナー) のコメント:
過去 6 年間にわたって毎年実施されている当社の世界規模の AI 調査で一貫して判明したことの 1 つは、ハイパフォーマーは成功するために何が必要かについて広い視野を持っているということです。彼らは、価値に焦点を当て、その価値を実現するために組織を再構築することに特に優れています。このパターンは、ハイパフォーマーが生成人工知能をどのように使用しているかを研究する場合にも明らかです。
たとえば、戦略の観点から見ると、私たちが分析したリーダーたちは、ビジネス分野で AI の価値の高い機会を計画しています。彼らがこの研究を生成 AI だけに限定して行っているわけではないことは注目に値します。私たちは皆、目まぐるしいほどの Gen AI アプリケーションに興奮していますが、企業にとっての潜在的な価値の半分以上は、Gen AI を使用しない AI アプリケーションからもたらされています。これらの企業は、潜在的な価値に基づいてすべての AI の機会を検討するという規律あるアプローチを維持しています。
このアプローチは、すべてのコンピテンシー分野に適用されます。たとえば、テクノロジーとデータに関しては、業績の高い企業は、自社が特定した価値を実現するために必要な機能に重点を置いています。これには、企業および業界固有のデータに基づいて大規模な言語モデルをトレーニングできるようにする機能が含まれます。彼らは、既存の AI サービス (いわゆる「テイカー」アプローチ) を使用して達成される効率と速度を評価およびテストし、たとえばモデルを調整して独自のデータを使用するようにモデルをトレーニングすることによって、競争上の優位性を生み出す機能を開発しています (これを「シェイパー」アプローチと呼びます)。
3. AI 関連の人材ニーズが変化するにつれ、労働力に対する AI の影響は重大になることが予想されます
AI の予想される影響に特化して、サービス運用は、大多数の回答者が組織の人員数の減少を予想している唯一の業務です。この発見は、当社の最近の調査とほぼ一致しています。AI の出現により、従業員の活動のうち自動化できる割合は 50%、60%、70% と推定されましたが、これは必ずしも自動化につながるわけではありません。役割全体の。
AI を効率的に活用する企業は、他の企業よりも高いレベルのスキル再教育に取り組むことが期待されています。これらの組織の回答者は、AI 導入の結果、今後 3 年間で従業員の 30% 以上を再教育すると回答する可能性が 3 倍以上となっています。
私たちは生成人工知能の初期段階にあり、企業はすでに、新しい仕事の機会の開拓、仕事のやり方の変化、まったく新しいカテゴリーの仕事の導入に至るまで、それが人材に大きな影響を与えることを予測しています。ジャストインタイムエンジニアリング）。生成 AI の強みの 1 つは、生成 AI の最大の課題でもありますが、ほぼすべての人の仕事を支援できることです。
この規模は従来の AI とは異なります。従来の AI は、機械学習、データ サイエンス、ロボット工学などの技術分野で深いスキルを持つ、かなり少数ではあるものの重要な労働力に影響を与えます。高度に専門化された能力が求められることを考えると、AI の人材は常に不足しているように思えます。私たちの調査では、これらの役割の採用が依然として課題であることが示されています。対照的に、生成 AI では、大規模な言語モデルを構築し、生成モデルをトレーニングするには依然として高度なスキルを持つ人材が必要ですが、ユーザーはほぼ誰でも可能であり、効果的に機能するためにデータ サイエンスの学位や機械学習の専門知識は必要ありません。この比喩は、メインフレーム (高度なスキルを持った専門家が操作する大型コンピューター) からパーソナル コンピューター (誰でも利用できる) への移行に似ています。これは、人々がテクノロジーを電動ツールとして使用する方法を変える革命的な変化です。
私たちの調査には、ツールとしての生成 AI の見方も反映されています。ほとんどの場合、企業は AI を人間の活動を強化するツールとして捉えており、必ずしも人間の活動に取って代わるものではありません。これまでのところ、私たちはほとんどの企業が生成 AI の使用に前向きに取り組み、パフォーマンスの向上や生産性の向上への道が最も明確であるユーティリティ分野に焦点を当てているのを見てきました。たとえば、生成人工知能ツールを使用して、レガシー コードを最新化したり、科学的研究や発見までの時間を短縮したりできます。これらの機能強化はまだ表面をなぞっただけであり、導入が加速することが予想されます。
4. 生成型 AI に注目が集まっていますが、AI の幅広い導入と影響は依然として安定しています
生成 AI ツールの使用が急速に普及している一方で、調査データによると、これらの新しいツールが企業全体の AI 導入を推進していることは示されていません。少なくとも今のところ、AI を導入している組織の全体的な割合は安定しており、回答者の 55 パーセントが自分の組織は AI を導入していると回答しています。それでも、組織が複数の業務機能に AI を導入していると回答したのは回答者の 3 分の 1 未満であり、AI の導入は依然として限定的であることが示唆されています。過去 4 回の調査と同様に、製品およびサービスの開発とサービス運営が、回答者が AI の導入について最も頻繁に挙げた 2 つのビジネス機能であり続けました。全体として、昨年の自社のEBITの少なくとも5%が人工知能の使用によるものであると回答した回答者はわずか23%で、前回の調査とほぼ変わらず、価値を獲得できる余地はまだたくさんあることを示唆しています。
組織は引き続き人工知能を使用するビジネス分野で利益を得ており、今後数年間で投資を増やす計画です。回答者の大多数が、AI を使用するすべてのビジネス機能で AI 関連の収益が増加したと報告していることがわかりました。今後については、回答者の 3 分の 2 以上が、組織が今後 3 年間で AI への投資を増やすと予想しています。
私たちは生成型 AI の重要性を強調してきましたが、その変革の可能性を考えると当然の理由がありますが、この調査は、より広範な AI の世界には多くの価値があることを思い出させてくれます。実際、私たちの他の研究のいくつかは、非生成 AI が生成 AI よりもさらに貴重な可能性を秘めていることを示唆しています。予測精度の向上、物流ネットワークの最適化、次の製品の購入推奨の提供などの分野でのユースケースはすべて、人工知能のより広範な可能性を活用できる企業に価値を生み出します。
全体的な AI 導入率は約 55% で安定していますが、回答者の 3 分の 2 以上が、自社が AI への投資を増やす計画があると報告しました。価値を創造するための基盤と能力を構築する、AI を有効活用する企業の波が今後も続くでしょう。説明の 1 つは、AI から価値を引き出す場合、「金持ちはさらに金持ちになる」ということです。私たちは、生成人工知能への関心の高まりが、将来的に人工知能の一般的な採用への扉を開くかどうか知りたいと思っています。
アンケートについて
このオンライン調査は2023年4月11日から21日まで実施され、地域、業界、企業規模、職務上の専門分野、在職期間を超えて1,684人の参加者から回答を得た。これらの回答者のうち、913 人は、組織が少なくとも 1 つの機能で AI を導入していると回答し、組織での AI の使用について尋ねられました。回答率の違いを調整するために、データは世界の GDP に対する各回答国の貢献度によって重み付けされます。
マッキンゼーの調査レポート丨 2023 年の人工知能の現状: 生成型 AI の勃発の年
出典: マッキンゼー
**著者:**調査内容と分析は、マッキンゼー グローバル インスティテュート パートナー、マッキンゼー ベイエリア オフィス パートナー (ラレイナ イーがシニア パートナー) の Michael Chui 氏、ワシントン D.C. のアソシエイト パートナー Bryce Hall 氏によって行われました。オフィス ; シニアパートナーの Alex Singla と Alexander Sukharevsky (マッキンゼー人工知能の QuantumBlack グローバル責任者、それぞれシカゴとロンドンのオフィスに拠点を置く)。
画像の出典: Unbounded AI ツールによって生成
人工知能の現状に関するマッキンゼーの最新の年次世界調査では、生成人工知能 (gen AI) ツールの爆発的な普及が確認されています。これらのツールの多くが利用可能になってから 1 年も経たないうちに、回答者の 3 分の 1 が、自分の組織は少なくとも 1 つのビジネス機能で生成 AI を定期的に使用していると回答しました。最近の展開では、AI は技術系従業員の話題から企業のリーダーの話題へと移りつつあります。調査対象となった経営幹部の 4 分の 1 近くが、仕事で個人的に gen AI ツールを使用していると回答し、AI を使用している企業の回答者は 4 分の 1 以上が次のように述べています。 gen AI は取締役会の議題となっています。さらに、回答者の 40% は、AI テクノロジーの進歩により、組織の AI への全体的な投資が増加すると回答しました。この調査結果は、AI に関連するリスクの管理がまだ初期段階にあることを示唆しており、回答者の半数未満が、組織が最も関連性があると考えられるリスク、つまり不正確性を削減していると答えています。
すでに AI 機能を組み込んでいる組織は、AI の可能性を最初に探求していますが、より従来型の AI 機能から最も価値を見出している組織 (いわゆる AI パフォーマンスの高い組織) は、AI ツールの導入を進めています。 。
回答者は、AI がビジネスに大きな影響を与え、従業員に大きな変化をもたらすと予想しています。彼らは、人材ニーズの変化に応じて、一部の分野での人員削減と大規模な再教育を期待しています。ただし、Gen AI の使用により他の AI ツールの導入が促進される可能性はありますが、企業によるこれらのテクノロジーの導入が大幅に増加することはありません。 AI ツールを導入している企業の割合は 2022 年以降安定しており、導入は依然として少数のビジネス機能に集中しています。
＃＃１． まだ初期段階ではありますが、生成AIの応用は非常に普及しています
2023 年 4 月中旬の現地調査結果によると、AI テクノロジーは一般に利用可能になったばかりであるものの、これらのツールの実験はすでに一般的であり、回答者は新しい機能が業界を変革すると期待していることがわかりました。次世代 AI は企業世界の人々にとって興味深いものです。地域、業界、年功序列を超えて、個人が職場でも仕事外でも次世代 AI を使用しています。回答者の 79% が職場または仕事外で AI に少なくともある程度触れたことがあると回答し、22% が仕事で定期的に AI を使用していると回答しました。使用率は年功レベルを問わず同様であると報告されていますが、テクノロジー業界と北米で働く回答者の間で使用率が最も高かったです。
組織は現在、生成 AI を広く利用しています。回答者の 3 分の 1 は、自分の組織がすでに少なくとも 1 つの機能で生成 AI を定期的に使用していると回答しました。これは、AI 導入を報告している組織の 60% が生成 AI を使用していることを意味します。さらに、AI 導入を報告している企業のうち、40% が gen AI のおかげで AI への投資が増えると予想しており、28% が gen AI の使用が取締役会の議題にあると述べています。レポートによると、これらの新しいツールを最も使用するビジネス機能は、AI を最も使用するビジネス機能と同じであり、マーケティングと販売、製品とサービスの開発、およびカスタマー サービスやバックオフィス サポートなどのサービス運営です。これは、企業がこれらの新しいツールに最大限の価値を求めていることを示唆しています。私たちの以前の調査では、ソフトウェア エンジニアリングと合わせて、これら 3 つのドメインが、生成 AI のユースケースによってもたらされる年間合計価値の約 75% を占める可能性がありました。
Alex Singla (マッキンゼー人工知能、QuantumBlack グローバル責任者) は次のようにコメントしています。
多くの組織は、AI によってもたらされる潜在的なリスクにまだ対処できていません
調査によると、AI テクノロジーの広範な導入や、これらのツールがもたらす可能性のあるビジネス リスクに対して十分な準備ができている企業はほとんどないようです。 AI の導入を報告した回答者のうち、従業員の職場での AI テクノロジーの使用を管理するポリシーを組織が定めていると回答したのはわずか 21% でした。 AI 導入のリスクについて具体的に尋ねたところ、最もよく挙げられる AI リスクである不正確性を自社が軽減していると答えた回答者はほとんどいませんでした。回答者は、以前の調査で AI に対する最も一般的なリスクであったサイバーセキュリティと規制遵守の両方よりも、不正確さについて言及する頻度が高かった。不正確さを軽減していると答えた回答者はわずか 32% であり、サイバーセキュリティ リスクを軽減していると回答した 38% よりも低くなっています。興味深いことに、この数字は、昨年 AI 関連のサイバーセキュリティ リスクを軽減したと報告した回答者の割合 (51%) よりも大幅に低いです。全体として、これまでに見てきたように、回答者の大多数は、組織が AI に関連するリスクに対処していないと回答しました。
＃＃２. 先駆的な企業が人工知能の分野で主導権を握っています
調査結果は、AI効率の高い企業（回答者が2022年の利息・税引前利益の少なくとも20％がAIアプリケーションによるものである可能性があると答えた企業）が、生成型人工知能とより伝統的な人工知能の両方のAIに全力で取り組んでいることを示している。 AI から莫大な価値を引き出しているこれらの企業は、すでに他の企業よりも多くのビジネス機能、特に製品とサービスの開発、リスクとサプライ チェーンの管理で Gen AI を使用しています。すべての AI 機能 (従来の機械学習機能、ロボティック プロセス オートメーション、チャットボットなど) にわたって、AI 効率の高い企業は、製品開発サイクルの最適化や新機能の追加など、製品やサービスの開発に AI を使用する可能性が他の企業よりも高くなります。既存の製品と新しい AI ベースの製品の作成。これらの組織は、リスク モデリングだけでなく、パフォーマンス管理、組織設計、従業員配置の最適化などの人事領域でも、他の組織よりも AI を多く使用しています。
他の組織とのもう 1 つの違いは、ハイ パフォーマーの AI への取り組みは、他の組織にとって最優先事項であるコスト削減を志向していないことです。 AI を有効に活用している企業の回答者は、組織の AI の最大の目標がまったく新しいビジネスまたは収益源を生み出すことであると回答する可能性が 2 倍高く、新しい機能の作成により既存の製品の価値が高まると言及する可能性が最も高かった。
AI 効率の高い企業も AI から価値を引き出すという課題を免れないわけではありませんが、この結果は、これらの企業が直面する困難は AI における相対的な成熟度を反映している一方、他の企業は基本的な戦略的要素との闘いに苦戦していることを示唆しています。 AI 効率の高いビジネスへの回答者が最も多く挙げる最大の課題は、本番環境でのモデルのパフォーマンスの監視や、必要に応じて時間の経過とともにモデルを再トレーニングするなど、モデルとツールです。対照的に、他の回答者は、ビジネス価値に関連した明確な AI ビジョンの策定や、適切なリソースの確保などの戦略的問題を挙げました。
Gen AI アプリケーションが提供できる、より革新的なユース ケースを採用するには、多くの特殊な MLOps 技術と実践が必要になる可能性があり、それを可能な限り安全に行う必要があります。リアルタイム モデルの運用は、システムを監視し、問題を迅速に解決するためのインスタント アラートを設定することで AI システムを抑制できる分野の 1 つです。ここでは、成績優秀な企業が際立っていますが、まだ成長の余地があります。これらの企業の回答者の 4 分の 1 が、システム全体が監視されており、インスタント アラートが装備されていると回答しましたが、わずか 12% でした。
ブライス・ホール (マッキンゼー・アソシエイト・パートナー) のコメント:
3. AI 関連の人材ニーズが変化するにつれ、労働力に対する AI の影響は重大になることが予想されます
私たちの最新の調査結果は、AI への野望をサポートするために企業が採用している役割の変化を明らかにしています。過去 1 年間、AI を使用する企業は、データ エンジニア、機械学習エンジニア、AI データ サイエンティストを最も頻繁に雇用しました。これらの職種はいずれも、前回の調査で回答者が一般的であると報告しました。しかし、前回の調査と比較すると、昨年最も採用された職種である AI 関連のソフトウェア エンジニアを回答した回答者の割合は大幅に減少しました (最新の調査では 28% で、39% から減少)。最近では、人工知能テクノロジーの普及に伴い、このスキルに対する需要も高まっているため、プロンプト エンジニアリングの仕事が出現しており、過去 1 年間に人工知能テクノロジーを採用した回答者の 7% が、これらのポジションは中頃に埋まったと述べています。 -年。
この調査結果は、AI関連の役割への採用が依然として課題であるものの、過去1年間で容易になっていることを示唆しており、これはおそらく2022年後半から2023年前半にかけてテクノロジー企業で相次ぎ解雇が続いたことを反映していると考えられる。前回の調査と比較すると、人工知能データサイエンティスト、データエンジニア、データ視覚化専門家の採用が困難であると回答した回答者の割合は減少しましたが、回答者の回答は、機械学習エンジニアとヒューマンスマートプロダクトリーダーの採用は依然として昨年と同様に困難であることを示しました。
4. 生成型 AI に注目が集まっていますが、AI の幅広い導入と影響は依然として安定しています
生成 AI ツールの使用が急速に普及している一方で、調査データによると、これらの新しいツールが企業全体の AI 導入を推進していることは示されていません。少なくとも今のところ、AI を導入している組織の全体的な割合は安定しており、回答者の 55 パーセントが自分の組織は AI を導入していると回答しています。それでも、組織が複数の業務機能に AI を導入していると回答したのは回答者の 3 分の 1 未満であり、AI の導入は依然として限定的であることが示唆されています。過去 4 回の調査と同様に、製品およびサービスの開発とサービス運営が、回答者が AI の導入について最も頻繁に挙げた 2 つのビジネス機能であり続けました。全体として、昨年の自社のEBITの少なくとも5%が人工知能の使用によるものであると回答した回答者はわずか23%で、前回の調査とほぼ変わらず、価値を獲得できる余地はまだたくさんあることを示唆しています。
アンケートについて
このオンライン調査は2023年4月11日から21日まで実施され、地域、業界、企業規模、職務上の専門分野、在職期間を超えて1,684人の参加者から回答を得た。これらの回答者のうち、913 人は、組織が少なくとも 1 つの機能で AI を導入していると回答し、組織での AI の使用について尋ねられました。回答率の違いを調整するために、データは世界の GDP に対する各回答国の貢献度によって重み付けされます。