翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

評価に関する考慮事項と前提条件

明確なユースケースから始める

生成 AI が対処できる特定のビジネス上の問題や機会を特定します。戦略的ビジネス目標に沿ったユースケースに焦点を当て、測定可能な利点を提供します。組織内で一般的に直面する課題をターゲットとするユースケースに優先順位を付け、ソリューションアーキテクチャが複数のシナリオのパターンとして機能するようにします。

潜在的な生成 AI アプリケーションを一般的に理解して評価プロセスを開始することは有益ですが、必須ではありません。このガイドに含まれているアンケートは、明確に定義されたユースケースを持つ組織から幅広いアイデアのみを持つ組織まで、さまざまなレベルの準備に対応しています。評価プロセスは以下に役立ちます。

架空の例を考えてみましょう。ある金融サービス企業が生成 AI のモダナイゼーションを検討することを決定しました。まず、カスタマーサービスと不正検出プロセスを改善するという幅広いアイデアから始めます。

ビジネスの連携を確保する

生成 AI イニシアチブを全体的なビジネス戦略と目標に合わせます。ユースケースごとに、生成 AI がビジネスの成長、効率性、イノベーションにどのように貢献するかを示す明確な価値提案を作成します。生成 AI 実装が主要業績評価指標 (KPIs。

ガバナンスと監視を実装する

部門横断的な運営委員会を作成し、生成 AI イニシアチブを監督します。責任ある AI の使用に関するポリシーとガイドラインを策定し、倫理的考慮事項と潜在的なバイアスに対処します。生成 AI プロジェクトのレビュープロセスを確立して、組織の標準と規制要件への準拠を確保します。

データおよび技術的な前提条件に対処する

データ品質を評価して改善し、データガバナンスプラクティスを実装して、生成 AI モデルへの信頼性の高い入力を確保します。生成 AI のニーズに固有のデータ収集、ストレージ、管理に対応するデータ戦略を策定します。データインフラストラクチャを評価して強化し、生成 AI ワークロードに必要なデータの量と速度をサポートします。

コンピューティングリソースの要件を検討する

現在の IT インフラストラクチャを評価し、生成 AI ワークロードの計算能力のギャップを特定します。クラウドサービスやオンプレミスの高性能コンピューティングクラスターなどのオプションを考慮して、スケーラブルなコンピューティングリソースを計画します。リソース割り当てを最適化して、トレーニングワークロードと推論ワークロードの両方のパフォーマンスとコスト効率のバランスを取ります。

プライバシーとセキュリティへの影響に対処する

生成 AI のトレーニングと運用で使用される機密データを保護するための堅牢なセキュリティ対策を実装します。個人情報を処理するときは、一般データ保護規則 (GDPR) やカリフォルニア消費者プライバシー法 (CCPA) などのデータ保護規制を確実に順守してください。生成 AI 機能の不正アクセスや不正使用を防ぐため、安全なモデルデプロイとモニタリングのプロトコルを開発します。

ステークホルダーを早期に関与させる

リーダーシップの賛同とサポートを得るために、最初から主要なステークホルダーを関与させます。モダナイゼーションイニシアチブの利点と潜在的な影響、特に生成 AI ワークロードについて明確に伝える。ステークホルダーが生成 AI テクノロジーとその影響を理解するのに役立つトレーニングとリソースを提供します。

反復と学習

ターゲットソリューションを絞り込むことができる増分アプローチを採用します。フィードバックループを使用して、ワークロードのアーキテクチャとプロセスを継続的に改善します。生成 AI 実装のパフォーマンスと影響を定期的に評価し、実際の結果と進化するビジネスニーズに基づいて、必要に応じて戦略を調整します。