人工知能の約束を実現するためには、データと信頼が最も重要です。

人工知能が期待に応えるために、企業はデータのクリーニング、サイロの排除、顧客全体像の確保に重点を置かなくてはなりません。

2024年、企業が生成型人工知能を駆使して生産性を向上させ、顧客関係を強化し、高い利益率をもたらすと予想されました。

しかし、現実は非常に異なっています。最近の調査によると、ほとんどの場合、企業における生成型人工知能の採用は、パイロットと技術的なポシビリティの証明に留まっています。多くの企業は、AIがどのように価値を追加できるかわからないが、競合他社に追随しなければならないと感じて、最新の技術トレンドに乗ったと思われます。その結果、多くの企業は、生成型人工知能を効果的に使用するために必要なものを過小評価しているように思われます。

では、企業が人工知能の約束を果たすためには、本当に何が必要なのでしょうか？彼らは、生成型人工知能をどのように駆使してビジネスを高め、競争優位性を構築することができるのでしょうか？

人工知能の採用における重要な要因の一つが信頼です。最近の弊社のAIトラスト指数調査によると、シンガポールの労働者の4人に1人は、AIシステムを訓練するために使用されるデータを信頼していません。7人に1人は、AIシステムが有用であるために必要な情報が不足していると述べています。このAIの信頼ギャップは、職場における採用を妨げ、企業がAIを最大限に活用することを妨げます。AIトラスト指数研究によると、シンガポールの回答者の92％が、AIベンダーとのパートナーシップにおいて信頼が重要であるか、さらには極めて重要であると考えています。リスクを軽減し、AIへの信頼を構築するためには、企業はデータマスキング、有害度検出、ゼロデータ保持のような機能が組み込まれたAIツールを使用することが重要です。これにより、顧客データが機密性を保ち、生成されたAIの結果が安全かつ正確であることが確認されます。AIの開発は急速に進んでいますが、不正確さ、有害性、誤情報のすべてを排除するのは依然として難しい課題です。自律的な未来を見据えAIエージェントのようなAIパワートールを採用するにあたり、信頼を最優先に考えることが重要です。システム全体にわたる強力な制御機能を備えたAIツールにより、人間は最もリスクが高く、判断が求められる決定に焦点を合わせ、他の作業を委任することができます。これにより、品質の高い、正確で信頼できるAIのアウトプットを確保することができます。

AIの信頼性に欠けていると感じることは自明であり、それは正当な理由があるものです。AIは、急速に実装されたり、どんな保護規制も満たさなかったりすると、プライバシー侵害や著作権侵害、データ保全規則の違反などによって、意図しない間に顧客の個人情報を公開することがあります。このような状況はAIが有用であることを制限し、ビジネスにとって否定的な影響を与えます。

Forresterの調査によると、シンガポールの回答者の92%が、AIベンダーとのパートナーシップにおいて信頼が重要であるか、極めて重要であると考えています。リスクを軽減し、AIへの信頼を構築するためには、企業はデータマスキング、有害度検出、ゼロデータ保持のような機能が組み込まれたAIツールを使用することが重要です。これにより、顧客データが機密性を保ち、生成されたAIの結果が安全かつ正確であることが確認されます。

AIの開発は急速に進んでいますが、不正確さ、有害性、誤情報のすべてを排除するのは依然として難しい課題です。自律的な未来を見据えAIエージェントのようなAIパワートールを採用するにあたり、信頼を最優先に考えることが重要です。システム全体にわたる強力な制御機能を備えたAIツールにより、人間は最もリスクが高く、判断が求められる決定に焦点を合わせ、他の作業を委任することができます。これにより、品質の高い、正確で信頼できるAIのアウトプットを確保することができます。

企業が生成型人工知能をより効果的に活用するのを妨げるのは、彼らの多くのデータがサイロに存在し、カスタマーレイヤーから切り離されているという事実です。つまり、組織には平均991のビジネスアプリケーションがあり、72％以上が切り離されています。これは、この地域の多くの企業にとって課題となっています。たとえば、シンガポールでは、ほとんどのビジネスリーダーが堅固なデータ戦略の重要性を認識しているにもかかわらず、30％しかビジネス全体でそれを実施していないと主張しています。

生成型人工知能に投資するにあたり、企業はデータのクリーニング、サイロの排除、顧客データの全体的なビューの確保に重点を置く必要があります。

人工知能への投資が期待に応えるためには、企業はデータのクリーニング、サイロの排除、顧客データの全体的なビューの確保に重点を置く必要があります。

顧客データおよびメタデータが新しいゴールドとみなされる新しいAI時代において、CRmはゴールドマインです。全社の構造化および非構造化データを統合するデータプラットフォームに加えてCRmを採用することにより、ビジネスユーザーの手でAIのパワーを実現できます。これにより、フロントオフィスがAIを実行し、生成型および予測型AIの両方の価値を引き出すことができ、価値のギャップを埋めることができます

今日、AIが組み込まれたCRmは、ビジネスが作業の流れの中で生産性とパーソナライズを向上させるためにAIをどのように使用するかを変革しています。正しく実装されれば、AIの最初のユースケースを構築し、AIの採用を促進し、企業全体のAI変革のスプリングボードとして機能できます。

たとえば、営業チームは、自然言語のプロンプトを使用してレコードを要約し、契約締結を加速することができ、また、カスタマイズされたコミュニケーションを生成して、パーソナライズされた顧客エンゲージメントを実現することができます。サービスチームは、分散型システムから適切な回答とデータを示して、ケース解決を合理化し、顧客満足度を向上させることができます。

フィリピンのリードファイバーブロードバンドプロバイダーであるConverge ICTを例に挙げると、同社はSalesforceのEinstein 1プラットフォームを介して予測型および生成型AIを利用して、フィリピンの最初の生成型AIコンタクトセンターの1つを構築しています。AIにより、Converge ICTはオペレーショナル効率を向上させ、顧客のデジタルエクスペリエンスを向上させています。

ビジネスを変革するために、AIを活用して効率性、生産性、およびパーソナライズを推進することには、実際には大きな可能性があります。ただし、ビジネスは、データと信頼に基づいた強固な基盤を築き上げ、ユースケースを中心に戦略を構築する必要があります。ユースケースに基づくアプローチにより、ビジネスは、堅固な採用率と計測可能な価値を有する機能を正しく展開して、AIを利用する約束を果たすことができます。