コンサルティングの未来：人間の知能を拡張する

「賢明な行動に対する最大の障害であり、最大の恐怖の源は無知です。小さなろうそくは光を誤って方向付け、巨大で不吉な影を落としますが、真昼の太陽が放つ巨大な光の下には影はありません。人間と機械の問題全体を真昼の明るい日光の下に置かなければならない時が来ています。コンピューターは人間の自発性を奪ったり、人間の創造的思考に取って代わったりすることは決してありません。コンピューターは人間をより単純で反復的な思考形態から解放し、人間の理性を十分に活用する機会を実際に増やします。」

--IBM元会長兼CEO、トーマス・ワトソン・ジュニア

データ、情報、知識の収集、整理、処理に大きく依存している企業や組織の個々の従業員は、職務と能力の両方において大きな変化を経験しています。私たちは情報化時代を超えて、コンピューティング能力と新しいアルゴリズムの効率性によって定義される時代へと移行し始めています。量子コンピューティングの進歩からスーパーコンピューティングリソースの推進まで、それぞれの側面から、競争力を獲得するために「経験豊富な」専門家の雇用とトレーニングに頼る時代は過ぎ去りつつあることがわかります。将来の方向性としては、コンピューティングとアルゴリズムのスキル、そして少数の技術者とエンジニアの柔軟性に依存して、企業や組織に大きな価値をもたらすこととなります。

知識労働とコンサルティングに対する伝統的なアプローチ

長年にわたり、組織は重要なビジネス課題を特定し解決するために、専門家からの客観的なコンサルティングアドバイスに高額を支払ってきました。しかし、コンサルティング チームはデータや情報へのアクセスが限られていることが多く、チーム メンバーの過去の経験や専門知識の影響もあって、企業組織が受けるコンサルティング アドバイスは多かれ少なかれ限られています。

さらに、こうしたコンサルタントは時間単位で料金を請求することが多く、高額な料金を支払ったにもかかわらず、得られる情報が期待した価値のあるものになることはほとんどありません。コスト、時間、プロジェクト スポンサーの決定と影響はすべて、コンサルティング活動の長期的な成功に影響を及ぼします。これらの制限は、特に顧客関係の処理が仕事の重要な要素である場合、参加チームの進捗を著しく妨げる可能性があります。この余分な作業によって、プロジェクトの総コストが上昇したり、チームの注意が現在の作業から逸れたり、プロジェクトの成功がチーム メンバーの気質、性格、感情的知性に大きく左右されるようになることがよくあります。

対立が生じると、信頼関係の危機につながり、メンバーの一部が退職したり解雇されたりする可能性もあります。プロジェクトが期待通りに進まない場合、チームは誰かを責めようとするかもしれません。同様に、チームがスキルギャップを特定すると、短期的な暫定的な解決策を見つけようとしたり、より多くの専門家 (SME) を招き入れようとしたりします。これらの専門家は、これまでに何が達成されたか、プロジェクトが現在どこに向かっているか、チームがプロジェクトのために何を計画しているかをすぐに理解する必要があります。このプロセスは困難であり、コストと時間もかかる可能性があります。

これらのコストと複雑さに加えて、チームが重大な問題を解決する必要がある場合、問題、制約、オプションを整理し、前進するための可能性のある道筋を特定するために、何時間、あるいは何日も部屋に集まることがよくあります。

拡張された人間知能に向けて

従来のアプローチは効果的な場合もありますが、認知コンピューティング システムの機能が拡大するにつれ、この既存のモデルはますます困難になるでしょう。

認知コンピューティングは次のように説明/定義できます。

認知コンピューティングにより、新しい種類の問題を計算的に解決できるようになります。曖昧さと不確実性を特徴とする複雑な状況に対処します。言い換えれば、人間が扱う問題と同様の問題を扱います。このような動的で情報量が多く、常に変化する状況では、データは頻繁に変化し、矛盾が生じることもよくあります。ユーザーの知識が増え、意図が変化するにつれて、開発目標も進化します。ユーザーが抱える問題に対する理解は流動的であることに対応して、認知コンピューティング システムは、情報リソースだけでなく、影響、コンテキスト、意見の分析も含めた包括的なサービスを提供します。これを実現するために、システムはしばしば矛盾する証拠を比較検討し、「正しい」答えだけでなく「最善の」答えを提案する必要があります。

スマート クライアントとアルゴリズム駆動型のコグニティブ アプリケーションは、結果が出るまでの時間の短縮、効率性の向上、コストの削減によってその価値を証明します。最後に、高度な認知コンピューティング システムは、人間のチームでは達成が難しいレベルの精度と効率で、客観的な戦略的ガイダンスを提供します。人間の知能を増幅し、機械知能を最大限に活用することで、前述のトーマス・ワトソンのビジョンが実現し始めるでしょう。組織がビジネス上の問題を解決するために拡張人間と人工知能を使用することに慣れてくると、機械に対する脅威はますます少なくなり、機械を貴重なチームとして歓迎するようになるでしょう。

KMWorld が 2014 年に発表した記事で、著者らは強力な認知システムに必要な追加要件をいくつか提示しました。これらの要件は、高度なシステムと特定の機能のみを備えた AI システムを区別するのに役立つ便利なフレームワークを提供します。

• 適応性がある。情報が変化し、目標やニーズが進化するにつれて、学習する必要があります。曖昧さを解決し、不確実性に耐えなければなりません。動的なデータをリアルタイムまたはほぼリアルタイムで処理できる必要があります。
• 交流。ユーザーが自分のニーズを簡単に定義できるように、ユーザーとシンプルな方法で対話できる必要があります。また、他のプロセッサ、デバイス、クラウド サービス、さらには他の人々と対話できる必要があります。
• 反復と状態。問題の状態が曖昧または不完全な場合は、質問したり、追加のリソースの入力を求めたりすることで、問題の定義を支援できる必要があります。処理中に以前のやり取りを「記憶」し、特定の時間に特定のアプリケーションに適した情報を返す必要があります。
• コンテクスト。意味、構文、タイミング、場所、適切なドメイン、規制、ユーザー構成、プロセス、タスク、目標などのコンテキスト情報を理解、認識、抽出する必要があります。構造化および非構造化デジタル情報や、さまざまな感覚入力（視覚、動き、聴覚など）を含む複数の情報ソースを活用できます。

今そして近い将来に新しいスキルと知識を習得する

トップクラスのコンサルティング会社は、複雑な問題を理解し、顧客が直面している最も重要な課題をより深く理解して明確にし、構造化された問題解決手法を使用してプロジェクト顧客チームを組織にとって最適な方向に導く能力に優れています。繰り返しになりますが、このアプローチは困難ですが、十分な人材、研究、専門知識、資金、協力、コラボレーション、影響力、変更管理、リーダーシップ、チームワーク、粘り強さがあれば、クライアントの問題を適切に特定し、解決することができます。

コンサルタントの雇用に伴う課題は、多くの場合、組織が社内イニシアチブの一環として従業員に社内変革を主導するよう依頼するときに直面する課題と似ています。チームのリソースが組織の従業員で構成されているかコンサルタントで構成されているかに関係なく、チームの非効率性と人間の認知的限界は常に存在します。この場合、成功はチームの蓄積、利用可能な資金、プロジェクト リーダーの影響力、作業の全体的な優先順位、チームが集める共有知識に左右されることが多いです。

新しい知識や専門知識が必要な場合、組織は通常、必要なスキルを社内で探す、その分野の既知の専門家に連絡する、必要な知識を持つ従業員を雇用する、という 3 つの方法でそれを取得します。組織が社内に適切なスキルを持たず、時間が限られている場合、一般的なアプローチは、すでにスキルと専門知識を持っているコンサルタントを雇うことです。これは、高度な認知システムを使用して、事実に基づいたリアルタイムの最新の洞察と推奨事項を提供できるアプリケーション シナリオの完璧な例です。

知識のギャップを埋め、認知システムを活用する

私たちが答えなければならない質問は、チームのダイナミクスを形成し推進することが多い人間同士の衝突の量をどのように制限するかということです。チームが仕事に持ち込む偏見をどうやって取り除くのでしょうか?専門知識とスキルを習得するためのより効率的な方法を見つけるにはどうすればよいでしょうか?管理コストの上昇と、問題解決と価値創造に費やす時間を制限するという問題にどう対処すればよいのでしょうか?問題をより深く理解し、より客観的で正確かつ有用な提案につながる有用な新しい知識や情報をどのように獲得できるでしょうか?最後に、組織は、重要なガイダンスを提供し、戦略的な意思決定を導き、計画されたビジネス価値を実現するのに役立つ世界クラスの専門知識にアクセスするために何ができるでしょうか?

認知コンピューティングを採用することで、これらの質問に対する答えを見つけることができます。認知コンピューティングはコンピューティングの比較的新しい分野であり、それ自体は 1940 年代の初期の表計算の時代から 20 世紀後半のプログラミングが主流となった時代まで長い道のりを歩んできました。一部の業界や分野では、コグニティブ コンピューティングが受け入れられ始めています。コグニティブ コンピューティングが成熟するにつれて、企業組織はこのモデルの機能と効率性を徐々に理解するようになり、さまざまな業界や分野でのコグニティブ コンピューティングの応用がさらに広がるでしょう。

コグニティブ コンピューティングのパワーの秘密は、機械学習アルゴリズムを利用して、処理および保存された知識を実用的な洞察に変換することです。これらのアルゴリズムにより、システムは学習し、推奨事項を提供する能力を改善および強化することができます (数分または数時間という非常に短い時間で完了するプロセス)。新しいデータや情報を分類してクラスタ化するパターン認識機能により、これらのシステムは非常に価値のあるものになります。学習システムには、新しい情報を仮説生成とスコアリングの連続ループに統合する機能もあり、これにより、これらのシステムは従来のコンサルティングで使用される手法を模倣できます。

テストと実行のためのモデルを開発する

人工知能と機械学習に関する私の仕事により、人工知能を適用して人間の知能を拡張する認知コンピューティング システムへの関心が高まっています。データ サイエンティストや機械学習の研究者は、これらの技術の可能性を十分に認識しており、その研究結果を研究室から実際のアプリケーションへと急速に移行させています。これらのトピックを学習する際、私は問題のパラダイムを理解するために開発されたさまざまなライブラリ、言語、アルゴリズムの技術的な詳細に直接踏み込むというアプローチをとりました。しかし、この研究の真の価値は、アルゴリズムを積み重ね、これらの技術を効果的に統合して機能的なプロトタイプを作成し、迅速かつ効率的に拡張できる複雑な認知システムを構築する能力にあります。

これらのテクノロジーを最大限に活用するには、高度な認知システムの基本コンポーネントを理解する必要があります。このようなシステムを構築する方法は数多くあり、この分野での急速なイノベーションにより、新しい展開モデルと実装フレームワークが生まれています。次の図は、強力な認知システムを構築するために必要な主要なプロセスとコンポーネントの一部を示しています。これらのシステムは多くの問題を解決するのに役立ちますが、私は特に組織における戦略的意思決定において、知識労働の向上と強化への応用に重点を置いています。このようなシステムを実現するには、確率的な推奨と厳密に決定論的な出力を提供できるシステムを構築する必要があります。これは非常に重要なので、専用の記事を書く必要がありますが、簡単に説明することで、洞察を生成してビジネス ユーザーに提供するプロセスを理解するのに役立ちます。

この実装の技術的な詳細については後続の記事で説明しますが、この記事の主な目的は、そのコアコンポーネントを高レベルで簡単に説明することです。構造化データと非構造化データを処理する上での重要性と、さまざまなデータ タイプを取り込んで処理できるようにする上での役割を果たすため、上記の図にいくつかの特別なコンポーネントを含めることにしました。このモデルから、知識創造段階では、機械学習 (ML) がコーパスの両側で非常に重要な役割を果たしていることがわかります。データ抽出および予測規範出力段階でのパターン認識とデータ前処理により、機械学習がコグニティブ コンピューティングの強化において重要な役割を果たすことが保証されます。

認知コンピューティングを文脈に当てはめる

AI の進歩にあまり詳しくない方は、人間が新しい情報を解読、保存、および思い出すために使用する神経プロセスについて考えてみると、これらの計算モデルで使用される計算パターンを理解し始めることができます。人間が情報を呼び出す必要がある場合、脳内では一連の処理手順が実行され、必要に応じて情報が取得され、使用されるようになります。人間の知能の抽象モデルを構築した後、それを人間の認知、パターン認識、分類、クラスタリングなどの計算パターンと比較し、多くの類似点を発見しました。機械学習 (ディープ ニューラル ネットワーク、畳み込みディープ ニューラル ネットワーク、ディープ ビリーフ ネットワーク、リカレント ニューラル ネットワーク) と自然言語処理に関する今後の投稿では、これらの類似点についてさらに詳しく説明します。

上記のモデルは、認知システムの探索を導くのに役立ちます。この分野の研究はこれまで、上図の特定のコンポーネントの応用に焦点が当てられてきましたが、私の最近の研究は、情報と知識の作業で何が可能かを再定義するインテリジェントなアプリケーションの提供におけるこれらのコンポーネントの収束と統合に焦点が当てられています。さらに広い意味では、これらの技術への投資とその応用の探求は、社会問題の解決と人間の生活環境の改善に多大な利益をもたらすでしょう。コンピューティング、アルゴリズム、人工知能の力を活用してデータを抽出、処理、保存し、データから意味を引き出すことで、認知コンピューティング システムが大きな推進力となるでしょう。

認知コンピューティングを実際にコアビジネスリソースとして活用する

今では、すべての従業員のデスクにコンピューターが置かれ、モバイル デバイスが仕事に欠かせないものになりつつあり、スマート AI クライアントとコグニティブ コンピューティング システムも同様に人気の波を形成すると思います。これらのシステムは、エンタープライズ アプリケーションに限定されるのではなく、消費者向け製品として人々のニーズにも応え、巨大な市場機会を生み出します。しかし、初期段階では、この技術を採用するのは依然として、チャンスをつかむことで大きな利益を得ることを期待している企業です。研究者や実務家が新しいアプリケーションを開発し続けるにつれて、小売業やヘルスケアなどの業界では成果が生まれ続け、需要は拡大し続けるでしょう。世界最大かつ最も強力なデジタル企業（Facebook、IBM、Google、Baidu、Amazon、Twitter など）が、コグニティブ コンピューティング、ディープラーニング、および市場に投入できると考えられているその他の AI テクノロジーに多額の投資を行っているのを目にしてきました。

ソフトウェアが人間のような認識能力を獲得し、ソフトウェアが抽出、処理、理解できるデータの種類と量が増えるにつれて、これらのブレークスルーに投資し、それを採用するビジネスケースは確実に増えるでしょう。さらに明るい兆しは、具体的なビジネス価値が明らかになるまでに 10 年や 20 年も待つ必要がないということです。 AI は予想よりも早くあなたの職業生活の重要な部分となり、あなたはすぐに AI のメリットを享受できるようになるでしょう。人間と機械の相互作用は、将来の仕事においてますます重要な役割を果たすでしょう。

LinkedIn より、著者は Eric Miley、翻訳と制作は Machine Heart が担当しました。翻訳者：Wu Pan。