re:Invent 2024: 大手企業が語るGenerative AIのROI - 指標と実践
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2024 - What’s the ROI with generative AI? Can the numbers tell the story? (SEG208)
この動画では、Generative AIのROIに関して、OfferUp、AlphaSense、CloudZero、AI21 Labsのトップエグゼクティブがパネルディスカッションを行っています。初期投資と長期的利益のバランス、カスタムモデルと事前学習済みモデルの選択、AIガバナンスとブランド保護の両立など、具体的な課題について議論が展開されます。CloudZeroが提唱するCloud Efficiency Rateという指標や、AlphaSenseが実践する顧客との対話を通じたROI実証方法など、各社の実践的な知見が共有されています。また、Generative AIプロジェクトを小規模から始め、MVPアプローチを取ることの重要性や、社内向けよりも社外向けのユースケースから始めることの利点についても言及されています。
※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
Generative AIのROIに関するパネルディスカッション：導入と背景
おはようございます、re:Inventorsの皆様。今朝は大勢の方にお集まりいただき、ありがとうございます。また、今朝到着されたばかりの方々も、急いでこちらまでお越しいただき、ありがとうございます。「Generative AIのROIとは？数字が物語るものとは？」というパネルディスカッションへようこそ。このセッションはDigital Native Business（DNB）向けのトラックの一部ですが、もちろん、Generative AIを活用して構築を予定している、あるいはすでに構築している企業で、測定可能なROIを求めている方々にとっても、大変参考になる内容となっています。
DNBは、最初のS3バケットが最初のオブジェクトを受け取って以来、クラウドにおける新技術のパイオニアとして活躍してきました。ご想像の通り、DNBは自社の製品、サービス、インフラストラクチャーにGenerative AI技術を組み込む上で、最前線で大きな推進力となってきました。私はTony Cerqueiraと申します。AWSに所属し、お客様のIPO（新規株式公開）、次のラウンドの資金調達、そしてM&A戦略の準備を支援する複数のプログラムを率いています。このセッションでは、Generative AI技術を活用して構築に取り組み、ROIの達成を求められている企業の実態と、その実現方法に焦点を当てます。
本日は、厳選して組織した素晴らしいパネリストの方々にご参加いただき、大変光栄です。まもなく自己紹介していただきますが、OfferUp、AlphaSense、CloudZero、そしてAI21 Labsのトップエグゼクティブの方々です。 昨年のこの時期、Generative AIに関するROIの質問に対する明確な答えはほとんどありませんでした。多くのProof of Concept（POC）は存在しましたが、成功したGenerative AIへの投資は、ROIの測定方法に関する混乱に埋もれていました。約3ヶ月前、AmazonはAmazon Qを使用した指標を報告し、Generative AI使用における社内ROIに関する具体的なデータポイントを提供しました。それらがここに表示されています。
この1年間で、思想的リーダー、研究者、コンサルティング組織からROIに関する確かな証拠を示す多くのデータが公開されました。大きな進展があり、データ駆動型のアプローチによるROIの形式的な方法が加速しています。 しかし、そのような状況でも、他の多くの研究が示すように、ほとんどの人々は正確な計算式について明確な理解を持っていません。ROIはまだ単純明快とは考えられておらず、多くの企業、特に大企業でさえ、ROIを測定するためのツールを導入していない、あるいはまだ整備できていない状況です。つまり、大多数の組織にとって、Generative AIにおけるROIの達成と測定は依然として手の届かない課題となっています。
Generative AI導入の戦略：小規模スタートと長期的視点の重要性
そのため、先ほど申し上げた企業のエグゼクティブの方々に本日ご参加いただけることは、大変幸運です。彼らはこの技術の最前線におられます。なんとか皆様にご参加いただくことができましたが、実は各社は非常に異なる企業で、それぞれ全く異なる視点からアプローチを行っています。それでは、パネリストの方々をご紹介させていただきます。Alex、始めていただけますでしょうか？「こんにちは、OfferUpのVice President of EngineeringのAlex Neginskyです。エンジニアリング、テクノロジー、QA、PMO組織を担当しています。テック業界で20年以上の経験があり、数百万人のユーザーを持つ数々の製品をローンチしてきました。本日、AIのROIについてお話しできることを大変楽しみにしています。」
「はじめまして。私はAI21 LabsのNorth America担当Senior Vice PresidentおよびGeneral ManagerのPankaj Dugarです。AI21は企業向けにテクノロジーを提供することに注力している研究所です。私の仕事は、グローバルでのパートナーシップとGo-to-Market戦略全般を統括することです。」「私はAlphaSenseのVP of ProductのChris Ackersonです。AIプロダクト開発を統括しています。AlphaSenseは市場情報のためのAI搭載検索エンジンです。企業の開示資料、決算説明会、セルサイドリサーチ、エキスパートネットワークなど、プレミアムなビジネス文書を集約しています。そしてAIを活用してそれらのコンテンツ全体を検索できるようにしており、金融サービス業界や企業の多くで利用されています。」
「ありがとうございます。私はCloudZeroのCTOで創業者のErik Petersonです。CloudZeroはプロフィットをエンジニアリングするビジネスを展開しています。」ご覧の通り、私たちの紹介の仕方が少し異なっていますね。どういうわけかはわかりませんが、時には目立つことも大切です。もし必要でしたら、私の靴の仕立て屋を紹介することもできますよ。
プロフィットをエンジニアリングするとはどういう意味でしょうか？CloudZeroでは、多くの組織がクラウド支出とその投資対効果を理解し管理することを支援しています。それは、組織が行っている技術的な意思決定、AWSテクノロジーやAIテクノロジーへの投資（最近では特にAI）を、ビジネスの目的に結びつけることで実現しています。クラウド支出を見て、それが収益性の高いビジネスの構築にどう貢献しているのか考えることは、よくあることではないでしょうか？CloudZeroはまさにその課題解決に取り組んでいます。
最近では、AIイニシアチブのROIについて多くの時間を費やして考えています。なぜなら、それが多くの支出を引き起こしているからです。私がAWSで担当しているプログラムでは、Generative AIを導入している企業で何が起きているのか、そしてそれをどのように測定しているのかについて、投資家が非常に注目していることを実感しています。それでは、最初の質問に移りましょう。また、最後の15分は会場からの質問の時間を設けていますので、その時に質問をお受けしたいと思います。
それでは最初の質問です。Generative AIの初期投資と長期的な利益のバランスをどのように取るべきでしょうか？効果的だと証明された戦略はありますか？シンプルな答えは、小規模から始めることです。過剰投資は避けましょう。Generative AIのプロダクトユースケースを本当に検討しているのであれば、MVPアプローチから始めるべきです。ただし、長期的な影響についても考える必要があります。現在の製品や機能の上にGenerative AIを単に追加するのではなく、長期的な意味を再考し、それを逆算して細分化してから、重要な部分から実装していくことをお勧めします。
小さな部分から始めて少しずつ前に進めていきたい理由は、これが誰にとっても新しいものだからです。社内の従業員にとっても、経営陣にとっても新しいものです。進めていく中で人々を教育し、ベストプラクティスを学び、適切な専門知識を社内に取り入れていることを確認する必要があります。そして、生産性向上のための社内の取り組みやツール作りについても同様のアプローチを取ります。まずはチームや部門から始めて範囲を限定し、学び、成功のためのKPIを開発していきます。これが長期的な推進力につながります。
その通りですね。私の会社は顧客との仕事が多いので、Generative AIをビジネスプロセスに組み込もうとする際の、様々な顧客の取り組み方を見てきました。Generative AIの実装におけるリスクエクスポージャーや、表面下に潜んでいることが多いデータの準備状況など、確認すべき重要な要素がいくつかあります。多くの場合、POCが成功した後で「よし、これを本格的に進めよう」となってから、そのことに気付くのです。
最初から大きな目標を掲げすぎないことが非常に重要です。実際、本番環境への展開が非常に早くできるユースケースがいくつかあります。それらはCEOに見せるようなデモやPOCとしては、あまり魅力的ではないかもしれません。しかし、適切なROIを得るために何を求めるべきかを考えることが重要です。最初からホームランを狙うのではなく、早期の成功を重ねることが大切です。これは、Generative AIを組み込んだ複数のステップや複数のツールを使用する複雑なワークフローを望むすべての顧客に対して、私たちが定期的に伝えていることです。そして、そもそもこれらのプロジェクトを実行できる人材や社内の技術力があるのかを、常に確認するように求めています。このパネルディスカッションでは、他にもさまざまな話題について話し合う機会があると思います。
ここでChrisにバトンを渡したいと思います。私たちは毎日、この問題について顧客と話し合っています。皆さん、この「内製かアウトソースか」という別の観点での問題に苦心していると思います。パネリストの方々が話されたことに付け加えると、私たちが常に強調しているのは、ビジネスの差別化の核となる領域に焦点を当てることです。そこに投資すべきであり、あるいはビジネスに固有の特殊なワークフローやユースケースに投資すべきです。
市場には急速にソリューションを構築しているベンダーがいて、そういったソリューションがギャップを埋めてくれると信頼することが大切です。ですから、ビジネスの外で何が起きているかにも注意を払い続けてください。パートナーシップやアウトソーシングでより良く対応できる分野に投資しないようにすることも重要です。最後に話すので、皆さんのアイデアを借りることができて素晴らしいです。ここには多くの良いポイントがありますね。早期の成功を収め、何を達成しようとしているのかを本当に考えられる場所から始めることは、絶対に必要なことです。
私が多くのお客様と一緒にこういった投資について考える際、様々な観点から検討します。よく立ち返る質問の一つは、AI21 Labsのような稀有な存在でない限り、Generative AIそのものがゴールではないということです。本当の目標は、何らかの形でお客様に価値を提供することです。新しいものを構築したり、既存のサービスをより効率的にしたりすることかもしれません。多くの方々がGenerative AIブームに乗りたいと言ってこられますが、一歩下がって、そもそも何を実現したいのかを問い直す必要があります。
まずはそこから目標を設定し、ビジネス成果という観点から考えていく必要があります。そうすることで、コストと見返りについて尋ねられた時に、すでにROIについての会話の準備ができているわけです。一方で、CEOから「新しいAIを導入しろ」と言われただけで連絡してくる方もいます。そういう場合、まず何を実現したいのかを考えることをお勧めしています。ただし、一度その道を進み始めると、素晴らしい体験が待っているはずです。
カスタムモデルvs事前学習済みモデル：ROIへの影響と選択の考慮点
カスタムモデルの構築と事前学習済みモデルの使用の選択は、ROIにどのような影響を与えるのでしょうか？私たちは最先端モデルの開発者として、多くのお客様からモデルのカスタマイズを求められます。振り返ってみると、この技術は2年も経っていません。実際、企業での活用が始まったのは2023年の初めから中頃でしょう。多くの方が強い意見を持っており、特に多くのお客様や見込み客は、Generative AIが価値を生むためには必ずカスタマイズが必要だと考えています。
意見を持つことは大切ですが、技術の進歩を考えると、たとえ強い意見であっても、もう少し柔軟に持つべきでしょう。モデルの品質向上や長文コンテキストウィンドウ、Retrieval Augmented Generationなどの進歩により、以前はカスタマイズが必要だったものが、もはやその必要がなくなってきています。カスタマイズが役立たないというわけではありませんが、これは時間とともにメンテナンスが必要になるものです。
カスタマイズされたモデルの総保有コストを見始めると、モデルのカスタマイズに直接飛びつくよりも、Prompt Engineeringの方が良いアプローチかもしれないことに気付きます。カスタマイズには相当な準備作業が必要です。より長期的なデータが必要ですが、小規模な言語モデルやその他の技術の登場により、多くのユースケースでモデルのカスタマイズの必要性を排除できる事前学習済みモデルと他のツールを使い始めることが容易になっています。数十億のプロプライエタリーデータトークンを持つ大企業にカスタマイズが不要だというわけではありませんが、私の仕事での過去18ヶ月を振り返ると、モデルのカスタマイズとメンテナンスが予想以上に困難だと認識する人が増えています。彼らは事前学習済みモデルを使用する方が効果的だと気付き、AI21 Labsのような企業に一般利用向けの優れたモデル構築を任せるようになってきています。
私もこれらの意見に同意しており、これらのモデルの上に構築を行う企業の視点を共有したいと思います。私たちは10年以上にわたり、オープンソースのAIを活用してモデルを構築し、さまざまなユースケースに向けてトレーニングを行ってきました。事前学習済み言語モデルという考え方は、Generative AIブームより前からありました。2019年からBERTのようなモデルを活用し、感情分析などの特定のユースケースに向けてファインチューニングを行ってきました。2023年には、収益発表の要約など高い精度が必要なユースケースに対して、基盤モデルがそのままでは十分な性能を発揮できないことがわかりました。必要な精度を達成するために、大規模なファインチューニングを実施しました。しかし、数ヶ月後には、モデルが改良されてこれらのユースケースに効果的に対応できるようになりました。
私の観点からすると、ほぼすべてのケースで、まずは事前学習済みモデルをそのまま使って構築を始めるべきです。ファインチューニングを行い、自分でモデルを提供しなくても、ユースケースに合わせてモデルをカスタマイズする方法は様々あります。スケールが大きくなってから、最適化の機会を検討すべきです。小規模なモデルをファインチューニングしてスケールで提供することには、コストと遅延の面でメリットがありますが、通常は大規模な事前学習済みモデルを使用して、本番環境でコンセプトを実証することから始めるのが賢明です。
独自のモデルをトレーニングすることは大変な作業です。差別化されていない重労働を避けるためにクラウドサービスを利用することが多いですが、独自のモデルをトレーニングする企業間で構築されているものは、非常に差別化された重労働です。しかし、ほとんどの組織はそのような取り組みの準備ができていません。技術は急速に進歩しており、さまざまなアプローチを通じて多くのカスタマイズオプションが利用可能です。RAGやエージェントの構築、プロンプトエンジニアリングなどの技術により、事前学習済みモデルを効果的にカスタマイズできます。CloudZeroでは、従来型のAIアプローチを使用し、それをMLと呼んでさまざまなモデルをトレーニングしていました。新しいAIパラダイムが登場したとき、最初は新しいモデルのトレーニングを検討しましたが、それが最適なアプローチではないと気づきました。技術は非常に速いペースで進化するため、今日うまくいかないことも数ヶ月後には機能する可能性があります。重要なのは、自社の情報をこれらのシステムに統合することであり、AWS Bedrockのような技術は、私たちの知的財産を既存の事前学習済みモデルと接続する上で価値があります。
要するに、事前学習済みモデルを使用することで市場投入までの時間を短縮できます。独自性や特殊性がある場合はカスタムモデルが適していますし、両方を併用することも問題ありません。
私たちのように、多くのカスタムモデルを持つ組織は数多くありますが、現在では非常に信頼性が高く精度の高い事前学習済みモデルを使用できるようになったため、それらに移行するオプションもあります。一晩で置き換える必要はありません。
ROIとAIガバナンスの両立：透明性とステークホルダーの巻き込み
ROIを重視するステークホルダーと、AIガバナンスとブランド保護をどのように組み合わせて、整合性と強力なROIを確保するのでしょうか？それでは、AlphaSenseのChrisさんにお聞きしましょう。何かありますか？
私たちの場合、ROIを実証するために顧客と直接多くの時間を費やしています。Amazonが使用している4500 Developer yearsという指標は素晴らしいと思います。私たちも同様のアプローチを取っており、ユーザーが企業の重要な意思決定をサポートするためのリサーチをどれだけ効率的に行えているかを測定しようとしています。具体的な時間削減を測定し、数値化することができます。また、製品のユーザーと頻繁に対話を行い、そのROIを裏付けるエピソードや発言を収集することにも力を入れています。特にGenerative AIを使って人間の生産性を向上させる場合、定量的な指標を得るのは難しい面があります。
私たちにとって最大のROIは、新規案件の獲得や、悪い投資判断を回避することです。これらを定量的に測定するのは難しいのですが、そういったエピソードを集めることで、本当に合意形成を促進することができます。これが私たちが製品のROIを実証する方法です。社内でGenerative AI製品を開発する場合でも、同じように時間をかけて考え、価値を証明することで、時間をかけて合意と投資を得る必要があると思います。これは多くの人が過小評価している重要なポイントです。デモを作るのは簡単だけど製品を作るのは難しい、という話はよく聞きますが、時間とともに持続する製品を作るのはさらに難しいのです。製品への投資と保守が必要なので、それをサポートするデータを収集することが非常に重要です。
最後に触れられた点について取り上げ、さらにいくつか付け加えたいと思います。私はよく「POCではキラキラ、本番ではガタガタ」という表現を使います。POCを行う際は、チップを製造する時のようにクリーンな環境だからです。しかし、これらのソリューションが実世界の荒波に直面すると、POC段階での厳選された5人のユーザーから5000人に増え、あらゆる問題が発生します。企業内でステークホルダーをまとめる際は、彼らが長期的な確信を持っていることが重要です。
これは非常に重要です。なぜなら、強力な法務部門、財務部門、製品部門があるかどうかによって、それぞれが異なる方向に引っ張っていくからです。私が顧客に伝えることの一つは、社内向けのユースケースよりも、社外向けのユースケースから始めることです。社内向けのユースケースの中でも、全社的なものなのか、特定の部門に限定されているのかを考慮します。法務部門、財務部門、マーケティング部門を選ぶことができます。なぜなら、リスクがある程度抑制され、本番環境で使用する人々も会社の従業員の一部に限定されるからです。そのため、本番環境への移行がやや容易になり、確実に成功事例を作ることができます。誰もがCEOにスマートなデモを見せたがりますが、Q&Aや要約に関するユースケースを選んだ場合、多くのステップと素晴らしいUIを備えた派手なデモと比べると、非常にシンプルに見えてしまいます。もう一つ重要なのは、プロセス全体を通じて過剰なくらいにコミュニケーションを取ることです。これはCEOから現場まで、全員が理解する必要があることだからです。
これには時間と集中的な努力が必要ですが、この道のりを始めることは非常に重要です。私が話をした多くの顧客は、最大手企業でなくても40～50、あるいは100のユースケースを持ち、十数個のプロジェクトを同時進行させています。2023年も2024年も裁量予算があり、AIに関連するものには何でも資金が付きました。しかし、データの準備が整っていなかったり、社内の技術的な専門知識が不足していたり、モデルのFine-tuningや継続的な事前学習といった間違った方向に進んでしまったりして、ROIを示せたプロジェクトはごくわずかでした。
CEOから始まる確信を築き、クイックウィンを提供するユースケースを作ることが重要です。それによって、次のユースケース、その次のユースケースに取り組む自信を築くことができます。私が考える重要な3つのポイントは、透明性、ユニットエコノミクス、そして明確なビジネス成果です。これらを挙げる理由は、AIによってテクノロジーに必ずしも興味を持っていなかった人々にも門戸が開かれたからです。今やあらゆる場所にステークホルダーが存在し、時には誰がステークホルダーなのかさえ定かではありません。
何を構築しているのか、期待値をどう設定するのか、あなたの立場や成果物について、非常に透明性の高い形で伝える必要があります。人々は最初、これは素晴らしいものになると考え、あなたが意識していないような問題まで解決してくれると思い込みがちです。ユニットエコノミクスの部分は、後々誰かがビジネスへの利益や投資の理由について尋ねてきた時のROIの議論の土台を作るものです。
私たちは往々にして、自分たちの行っていることのコストを考えません。ウィジェットやトランザクションの提供、情報処理、レコメンデーションの提供など、どのようなビジネスを行っているにせよ、それらに関連するコストを理解する必要があります。最初の段階からこれを意識し、少なくとも追跡できるようにしておくべきです。なぜなら、いずれステークホルダーがやってきて、このことにかかるコストについて尋ねてくるからです。そしてあなたは、ビジネス目標と価値について説明できる準備ができていなければなりません。
これら3つのポイントをしっかりと押さえていれば、ステークホルダーは満足し、適切な期待値が設定され、コストについても明確に理解できることになります。つまり、利益率や収益性についてもしっかりと把握できるということです。ここで重要なのは、ステークホルダーがテクノロジーを本当に理解しているという前提を持たないことです。これは彼らにとっての教育の機会でもあります。最初から彼らを意思決定に関与させ、特定のアイデアを進めることの価値、リスク、機会費用について理解してもらう必要があります。
アドバイスの1つは、クロスファンクショナルな委員会を立ち上げることです。Legal、Marketing、Sales、Product Engineering など、様々な部門を参加させ、自分だけでは気づかないような懸念事項や視点をすべてテーブルに乗せることが大切です。そうすることで、ビジネスにとって必要なAI Governanceやブランド保護に関する有意義な議論につながります。
Generative AI導入のROI測定：具体的指標と今後の展望
戦略と目標を設定する際、ROIを達成するための具体的な指標をどのように決めればよいのでしょうか？これは、Generative AIをどこに適用するか - 社内利用なのか、製品への活用なのかによって変わってきます。多くの人が新しい目標や指標を作り出そうとしますが、実際のところ、皆さんは自分のビジネスと、動かすべき指標をよく知っているはずです。これは単にそれらの指標をサポートするためのツールなのです。新しい指標が必要になる珍しいケースもあるかもしれませんが、実際のところ、ほとんどのビジネスは既存の顧客に対して適用しようとするものです。ですから、既存の目標を使えばいいのです。ユニークな指標やユースケースが生まれる可能性はありますが、それらは既にビジネスにある大きな目標ほどの影響力はありません。
社内での活用に関して言えば、例えばエンジニアリング部門であれば、ユーザーストーリーのサイクルタイム、チームの開発速度、不具合率など - これらはすべて標準的な目標と指標であり、購入したツールを通じてGenerative AIで最適化できます。ですから、私の観点からは、新しく作り出す必要のある指標は特にありません。
ここにいらっしゃる方々の中で、デジタルネイティブビジネスの方はどのくらいいらっしゃいますか？それとも、ほとんどが他の企業の方々でしょうか？何人かの手が挙がっているようですね。これは私が特に好きな分野です。というのも、定義上、多くの才能があり、好奇心が旺盛で、この分野で定期的に登場する新しい機能に対してリスクを取る意欲がある、というだけでなく、もう1つ重要な理由があるからです。今日の大多数の企業を見ると、コスト削減や生産性向上に焦点を当てています。これは主にボトムラインに関することです。
デジタルネイティブビジネス、特にエンタープライズやコンシューマー向けソフトウェア企業を見ると、これを使ってトップラインを増やすことを考えています。これは非常に重要なことですが、まだ主流にはなっていません。Generative AIプロジェクトに関連付けたい指標を検討する際、開発者の作業時間を節約したり、マーケティングコピーの作成を迅速化したりするだけでなく、製品の一部として組み込んで、顧客の生産性が大幅に向上することを理由に追加料金を請求できるかどうかも検討することが重要です。
これは非常に新しいテクノロジーなので、ROIを具体的に定量化するためには、より多くの長期的なデータが必要です。しかし、すでに収益面での効果が見え始めており、私たちが協業している多くのエンタープライズソフトウェア企業が、Generative AI機能を提供できることを理由に、エンタープライズ顧客向けのサブスクリプション料金の引き上げを検討し始めています。
この問題については、いくつかの異なる視点から考える必要があります。これは明らかに価値に関する問題です。つまり、どのような価値を提供しているのか、そしてより多くの価値を提供する際に、ビジネスとしてそれが何を意味するのかを考える必要があります。より多くの価値を提供することで、人々の生活を楽にし、製品の存在理由である目標をより多くの人にとって簡単でアクセスしやすいものにする代わりに、市場からより多くの価値を得られることを期待します。CloudZeroが数年前から提唱している非常にシンプルな指標があります。私たちはこれをCloud Efficiency Rateと呼んでおり、これをAIの世界に適応させました。これは単純に、AIのクラウド支出から収益を引いて収益で割った、AIの支出とクラウド支出の収益に対する単純な比率です。ここで重要なのは、自分たちがどの段階にいるのか、そしてそれに対してどのようにベンチマークを設定するかを理解することです。本番環境で完全に展開された後期段階のシステムであれば、0.95つまり95%の比率を目指すことになります。しかし、初期段階では、効率性の比率はゼロかもしれませんし、マイナスかもしれません。目標に向かって急いで進める必要があるかもしれません。
しかし、少なくともこの非常にシンプルな指標を追跡することで、目標達成にどれだけ効率的であるかを理解するのに役立ちます。時には予算が無制限にあるように感じたり、ビジネスサイドが深く考えることなくこのテクノロジーへの投資を推進したりすることもあるでしょう。しかし、それでも効率的に価値を提供できているか、そしてそれが時間とともに改善しているかを理解したいものです。適切な位置に到達できれば、素晴らしい利益率を実現し、収益性の高い企業を同時に構築できていることに気付くはずです。
私たちが提唱するこのシンプルなCloud Efficiency Rateを参考にしていただきたいと思います。私たちは多くの企業のベンチマークを取っています。このデータは当社のウェブサイトで公開されており、プロジェクトの状況や開発段階に基づいて、自社がどのような位置にいるのかを確認することができます。これらのプロジェクトを開始する際には、非常に価値のある情報だと思います。残り時間は24分です。回答を手短にまとめれば、少なくとも6つほどの質問に答えることができるでしょう。
実際のところ、AIの出力を批判的な視点なしに受け入れることには、ビジネス上のリスクが伴います。プロジェクトの開始時点から、これらは重要な考慮事項となります。セキュリティやプライバシーの分野には、すでに多くのフレームワークが存在しています。AIだからといって、これらの要件を無視してよいわけではありません。データの保管場所、アクセス権限を持つ人、使用方法、管理すべき部分など、これらすべてを考慮する必要があります。
ここでステージを離れて、他の質問に対応させていただきます。そろそろ終わりに近づいてきましたが、AWS re:Inventでは他にもROIに焦点を当てたセッションがございます。まだ時間がある方は、会場で参加するか、YouTubeでご視聴いただけます。こちらにいくつか選りすぐりのセッションをご紹介します。また、以下のリンクには、Generative AIのROIに関するより具体的な数値データが含まれているものもございます。お時間のある時に、モバイルアプリからアンケートにアクセスしてご回答いただければ幸いです。そろそろ時間となりましたので、最後までご参加いただき、誠にありがとうございました。心より感謝申し上げます。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion