人工知能（AI）は、私たちの働き方、遊び方、生き方を変えようとしているが、今日の誇大広告が主張するほど早く、印象的に物事を変えることはできないかもしれない。オープン・データ・サイエンス・カンファレンスでコメントしたゲイリー・マーカスの言葉を借りれば、「我々はロージー・ザ・ロボットを求めたが、ホッケーパックのルンバを手に入れた」のである。現実は、今日のAI、機械学習（ML）、深層学習（DL）の能力は、その中間に位置している。
AIをめぐる誇大広告は目新しいものではない。実際、これは「AIがすべてを解決する／変える」という興奮の最新の波に過ぎない。アラン・チューリングと彼の1950年の論文「計算機と知性」から、1957年から1974年までのAIの隆盛、そして1980年代、1990年代、2000年代の復活まで。AIの約束と可能性にまつわる関心、期待、宣伝が欠けていたわけではないのは明らかだ。落とし穴は、AIが現実のものとなるための費用、処理能力、文脈にあった。
まず問うべきは、AIと機械学習の転換期がついに来たのか、ということだ。MITのデジタル経済イニシアチブのエリック・ブリンヨルフソンと アンドリュー・マカフィーは、『Race Against the Machine』、『The Second Machine Age』 、『Harnessing our Digital Future』の共著者である：ハーバード・ビジネス・レビュー誌の 記事「人工知能のビジネス」の中で、「最大の進歩」は次のように述べられている。 [in AI] 知覚と認知です。私たちの新しい音声アシスタントの友人であるSiri、Alexa、Google Assistantは、スピードとエラーの減少において大きな進歩を遂げたが、これらはすべて2016年の夏以降である。AI支持者たちは、AIが今度こそ本当に成功する理由は他にもいくつかあると指摘する。それらの理由には、コンピュータの規模、より良いインフラ、テクノロジーへのより多くの、より良い投資などが含まれる。
MIT Sloan Management Reviewのゲスト・エディターであり、ボストン・カレッジのキャロル経営大学院の准教授であるサム・ランズボサムは、「ビジネスにおけるAIの導入」と題したプレゼンテーションの中で、AIと機械学習に関するいくつかの統計を紹介した：ビジネスにおけるAIの導入：機会と課題”ランズボサム氏によると、AIとアナリティクスの活用に関する年次調査によると、AIをビジネスに幅広く取り入れている組織はわずか5％で、77％がAIを使ってまだ実際には何もしていないと回答している。AIの道を歩み始めた企業は、コスト削減、競争力強化、新市場への参入、顧客需要への対応を目的としている。
2つ目の疑問は、ビジネスがAIを必要とする理由である。ブリンジョルフソンとマカフィーが述べているように、「AIは多くの非現実的な期待を生み出している。私たちは、機械学習やニューラルネットなど、AIの実際の能力とはほとんど関係のないテクノロジーへの言及が、ビジネスプランに散りばめられているのを目にする。例えば、出会い系サイトを “AI搭載 “と呼ぶだけで、そのサイトがより効果的になるわけではない。
すべての企業がAIの流行に乗るべきとは限らない。組織はデータを考慮する必要がある。アレックス・”サンディ”・ペントランドが基調講演「ブロックチェーンAI、あるいは将来のデータシステムは異なる方法で構築されなければならない」で指摘したように、”AIはデータを食べる”。AIやMLモデルを構築するためには、過去の情報の宝庫が必要だ。また、AIシステムに「供給」するための継続的な運用データも必要だ。機械学習は、その定義上、途中で「学習」する。例えば、あなたが消費財（CPG）メーカーで、現在検討中のどの新製品が市場で成功する可能性が最も高いかを予測するために機械学習を使いたいとします。そして、機械学習ソリューションに、その製品がどのような顧客に対して成功するかを教えてもらいたいと思うかもしれない。これらの答えを得るためには、製品に関する大量の履歴データ、関連する販売数（予測と実績を含む）、顧客データなどが必要だ。そして、現在起こっていることに関するリアルタイムの（あるいは、ほぼリアルタイムの）営業データを継続的にシステムに提供する必要がある。例えば、私たちのCPG企業が健康／ウェルネス／美容の会社だとしよう。数年前の人気商品には、さまざまな酸や化学物質が含まれており、さまざまな結果をもたらしていた。しかし今日のトレンドは、可能な限り天然由来の製品を取り入れ、機能性成分を使用することだ。機械学習が正確な予測をするためには、過去のデータと現在のデータの両方が必要だ。
ランズボサムはまた、AIの現在の事例のほとんどは、生産可能な環境にはない、あるいはまだスケーラブルではないと述べた。一方、カンファレンスに参加した多くの講演者は、AIや機械学習が今日の組織でどのように利用されているかを挙げた。その例としては、オリオン宇宙船のミッション、自然言語処理（NLP）を使って自殺のリスクを予測するDARPAプロジェクト、クレジットカード取引における不正業者の特定、鉱業における鉱物抽出の最適化などが挙げられる。AIが幅広い産業や用途に応用できることは明らかだ。
AIは多くの可能性を秘めている。しかし、AIや機械学習を導入しようと考えている企業は、AIがビジネスに何をもたらし、何をもたらさないかについて、明確な認識を持つ必要がある。AIは一部の組織にとってはゲームチェンジャーになるかもしれないが、「AI」をポートフォリオに加えようと急ぐすべての企業にとってはそうではないだろう。
