ガートナーの2023年AIハイプサイクル（テクノロジーのライフサイクル全体にわたる成熟度に関するグローバルレポート）において、生成AIと基盤モデルは過大な期待のピークに達しました。過大な期待のピークは、多くの成功事例と多くの失敗事例を抱えるイノベーションが生まれる時期です。過大な期待のピーク時にイノベーションに取り組む企業もありますが、ほとんどの企業はそうではありません。
過大な期待は誇大宣伝サイクルの正常な一部である
ガートナーは、生成AIと基盤モデルは過大評価されている可能性があると指摘しています。ユースケースよりも、その周囲で巻き起こる期待の方が大きいからです。しかし、過大な期待のピークは、イノベーションが主流へと移行していくライフサイクルにおいて、ごく自然な流れです（図A）。
図A
その他の注目すべきAI応用分野もピークを迎えています。スマートロボット、責任あるAI、そしてディープニューラルネットワークではなくスパイキングニューラルネットワークを用いて生物の脳の機能を再現しようとするニューロモルフィック・コンピューティングは、ハイプサイクルのピークに達しつつあります。つまり、これらの技術は幻滅期に突入しようとしているということです。幻滅期では、一部の企業がこのイノベーションの真に実用的かつ一般的な利用方法を確立するまで、期待と投資は冷めていきます。
コンピュータービジョン、データラベリングとアノテーション、クラウドAIサービス、そしてインテリジェンスアプリケーションは、AIグループの中で最も成熟した技術です。ガートナーはこれらのAI技術を「啓蒙の坂道」と位置付けています。これは、いくつかのバグが修正された第二世代、第三世代の製品が登場し、より保守的な企業だけが慎重な姿勢を保っていることを意味します。
AI技術は、ハイプサイクルの生産性プラトー（プラトー）にはまだ達していません。生産性プラトーとは、イノベーションが主流となり、投資が着実に成果を上げている段階です。ハイプサイクルは、テクノロジーの購入者が新興イノベーションに対して、リスクの高いアプローチ、中程度のアプローチ、あるいは慎重なアプローチのどれを取るべきかを示すことを目的としています。
参照：ガートナーは最近の新興テクノロジーのハイプサイクルで、生成型 AI について詳細な分析を行いました。(TechRepublic)
一部のAI技術には実用的なビジネスメリットがある
ガートナーは、AIが企業に何らかのメリットをもたらす可能性が高いと結論付けました。ほとんどのハイプサイクルでは、新興テクノロジーの一部が最終的に「低」または「中」のメリットと評価されていますが、AIハイプサイクルに含まれるテクノロジーはすべて「高」または「変革をもたらす」と評価されています。メリット評価は、イノベーションが業界全体にどの程度のプラスの影響を与える可能性があるかをランク付けしたものです。
ガートナーは、レポートで紹介されている生成型AI駆動型テクノロジーの多くは、実用的なサービスを生み出すためには組み合わせる必要があると指摘しています。データおよびアナリティクスのリーダーは、コンピュータービジョン、ナレッジグラフ、スマートロボット、インテリジェントアプリケーション、AIクラウドサービスなど、ビジネスソリューションとしてパッケージ化されたイノベーションへの投資をまず検討することが賢明です。ガートナーは、データおよびアナリティクスのリーダーに対し、チームメンバーに広範かつ専門的なエンジニアリングやデータサイエンスのスキルを必要としない製品に注力することを推奨しています。
「現在、生成AIに注目が集まっているということは、生成AIの進歩を促進するいくつかの技術が、以前よりも注目を集めているということだ」と、ガートナーのディレクターアナリストでレポートの著者であるアフラズ・ジャフリー氏は述べた。
参照：Salesforceは、企業が生成AIによるバイアスを軽減するための実践的な対策を講じるべきだと提案しています。(TechRepublic)
ガートナーは、予測 AI に予測結果に影響を与える方法を教える生成 AI と意思決定インテリジェンスが、2 ～ 5 年以内に主流に採用されると予測しています。
「これらのイノベーション（生成AIと意思決定インテリジェンス）を早期に導入することで、大きな競争優位性が生まれ、ビジネスプロセス内でAIモデルを活用する際に生じる問題が軽減される」と同社は述べている。
他のAI技術はまだ使用例を模索している
ガートナーの調査によると、企業はModelOps、エッジAI、ナレッジグラフ、AIメーカーと教育キット、そして自動運転車に対する幻滅感を抱き始めています。ナレッジグラフは、物質的資産とそれらの相互関係を機械可読に表現したもので、ハイプサイクルに沿って非常に急速に進化しています。
この急速な動きと幻滅感が矛盾しているように思えるなら、それはハイプ・サイクルが無名から主流への上昇ではないからです。幻滅の谷間は、テクノロジーが啓蒙の坂道へと上昇する前の低迷期です。
ナレッジグラフは、機械学習、生成 AI、検索アルゴリズム、スマート アシスタント、推奨エンジンなど、他の多くの AI イノベーションを補完できます。
参照: 採用キット: 迅速なエンジニア (TechRepublic Premium)
注目のAIイノベーション
ハイプ サイクルのイノベーション トリガー セクションで最下位に位置する、つまり最も成熟度の低い AI イノベーションは、自律型または自己管理システム、第一原理または物理学に基づく AI、マルチエージェント システム、ニューロシンボリック AI です。
ガートナーは、ニューロシンボリックAIを、機械学習とナレッジグラフなどのシンボリックシステムを組み合わせることで、AIシステムの概念をより文脈的に理解し、幻覚を軽減するものと定義しています。ニューロシンボリックAIが主流になるまでには10年以上かかると推定されています。
生成AIに投資する前に何を尋ねるべきか
Jaffri 氏によると、データおよび分析リーダーが生成 AI に投資する前に自問すべき質問は次のとおりです。
- アプリケーションのパフォーマンス、精度、および関連するビジネス価値はどのように測定されますか?
- 許容できる精度の許容しきい値は何ですか?
- 最適な導入アプローチは何でしょうか？API、微調整、または検索拡張生成のいずれかを選択することを検討してください。
- 自社開発のソリューションを構築しなくても、AI イノベーションのメリットをテストできる既成のソリューションはありますか?
- 生成 AI 以外の AI 技術をどのように活用してビジネス上のメリットを実現できるでしょうか?
- セキュリティとデータ保護のリスクを判断するために、どのような評価フレームワークを使用しますか?
