メインコンテンツにスキップ Skip to footer

概要

2022年後半、生成AIは人々の想像力をかき立てました。それ以前は、競合分析、ビジネスプレゼンテーション、ソフトウェアコードなど、新しいものを創造する能力は人間だけの特性と考えられていました。Open AIのChatGPTの登場が世界を驚かせている今、コンピュータさえあれば誰でも、生成AIがプロンプトに反応し、驚異的なスピードで新しいコンテンツやアイデアを生み出すのを目の当たりにすることができます。

一見すると、これは脅威に映るかもしれません。しかし、時が経つにつれ、生成AIの可能性はますます明確になっていくでしょう。このテクノロジーは人間に取って代わるのではなく、人間の知性や意思決定を強化し、私たちがすでに行っていることをより良くするものなのです。

企業はすでに、安全かつ責任を持って、生成AIツールをワークフローに取り込むことができます。しかし、生成AIが企業の技術スタックに浸透するにつれて、単一のタスクを自動化するだけにはとどまらなくなるでしょう。複数の生成AIエージェントが互いに連携し、製品設計の修正から今後の仕事量を想定した有給休暇の計画まで、相互に関連する複雑なタスクを実行するために必要なすべてのプロセス、システム、知識を統合するにようになります。また、従業員は、異なるシステム、アプリ、データを操作することなく、連結した単一の対話型インターフェースを使用するようになるでしょう。

つまり、生成AIは、目には見えない形でビジネスのあらゆる側面を管理し、消費者と従業員の両方に統一されたアクセスポイントを提供することで、私たちの働き方を変えるのです。生成AIが成熟するにつれて、現在の生産性レベルは大幅に向上し、企業の革新・意思決定・組織化のやり方も根底から変わっていくでしょう。

生成AIにリスクがあることはよく知られています。多くの企業が、PC、インターネット、モバイルコンピューティングの黎明期とは異なり、起こり得る重大なセキュリティ違反や倫理違反に対して慎重な姿勢を示しています。しかし、これまでのテクノロジーと同様に、生成AIも現在の大きな混乱を経て、仕事をする上で欠かせない重要な存在となるでしょう。デューデリジェンス、ガバナンス、そして段階的な実装により、イノベーション、効率性、生産性における潜在的な利益を損なうことなく、これらの新しいツールを安全に導入することは可能であり、またそうするべきです。

今、起きていることの重要性を理解し、生成AIの導入を確実に進めているリーダーは、通常の「先行者利益」を超えた利益を得ることができます。生成AIを率先して導入することで得られる潜在的な利益は、生成AIそのものが持つ可能性と同様に無限です。

職場で活躍する生成AI:

FAQの作成からコーディングまで、生成AIはすでに生産性向上に貢献しています。

Image
オーケストレーションへ:

生成AIエージェント同士が相互通信を始めると、さらに変革が起こります。

Image
イノベーションの起爆剤:

生成AIは、人間の創造する能力だけでなく、人間の考える能力も強化します。

Image
意思決定支援:

生成AIをビジネスシステムに組み込み、適切なデータを組み合わせることで、より迅速かつ正確な意思決定を行うことができます。

Image
より優れた組織構造のための触媒:

生成AIを採用する際には、組織構造の再構築が必要です。

Image
リスクと嫌悪:

生成AIが抱える潜在的な問題を理解することが、最先端の分野で成功するための鍵となります。

Image
導入について:

スモールスタートから適切なモデルの選択まで、確実な導入のための5つのヒント。

Image
今後の展望:

生成AIは、ビジネスの運営方法と人間の働き方を改善します。

Image

生成AI: オートメーションの飛躍的進化

ChatGPTを通じて世界が生成AIを知るようになった当初、特に注目を集めたのは、ユーザーが自然に話しかけることができる流動的なチャット画面でした。まるで友人が意気揚々と返事をするかのように、画面上をスクロールしながら、一見思慮深い答えを返すのです。

しかし、すぐに大きな話題となったのは、生成AIがそのような流動的なチャットを通じて何を行い、何を作ることができるのかということでした。あらかじめ設定されたルールに従って入力に反応する「従来のAIシステム」とは異なり、生成AIモデルは情報を生み出すことができます。従来のAIが、ストリーミングサービスであなたが好きそうな映画を薦めることができるとすれば、生成AIは、あなたの個人的な好みやリクエストに正確に合わせたオリジナルの映画脚本をわずか数秒で書くことができます。交響曲の作曲やソフトウェアコードの作成も可能でしょう。

ビジネスの世界において、この新しいテクノロジーはすでにさまざまな形で活躍しています。

カスタマーサービス

一部の企業では、生成AIを利用してナレッジマネジメント・システムから意味のあるデータを抽出し、FAQやガイドを新たに設計・作成しています。FAQで顧客の問題が解決されない場合、生成AIは人間の手を借りずに問い合わせに対応し、複雑なデータベースから技術的な情報を探し出し、過去の類似事例に基づいて解決策を提案することができます。これにより、人間のエージェントはより複雑な顧客からの問い合わせに対応できるようになり、全体的なサービスの質が向上します。

Image
ウェルスマネジメント(資産管理サービス)

モルガンスタンレーでは、ウェルスアドバイザーが、テキストやビデオを含む膨大なリサーチや構造化・非構造化データに基づいて、投資を推奨したり、一般的なビジネスやプロセスについて調べるために、生成AIを使用しています。

Image
臨床試験

製薬会社は、過去の臨床試験データから見落とされているかもしれないインサイトを特定するために、生成AIを利用しています。これにより、創薬の期間が短縮する可能性があります。これは、経済的に大きな意味を持つ画期的なことであり、さらには人間の健康や寿命にも大きな影響を与える可能性があります。

Image
コード作成とSDLC

生成AIは、コード作成とその他の関連タスクを行うことで、ソフトウェア開発ライフサイクル (SLDC) を大幅に短縮することができます。大規模なコードリポジトリ、ユーザー要件、テストシナリオと組み合わせることで、生成AIは関連するコードスニペットを作成し、ビジネス要件を満たすユーザーストーリーを構築し、幅広い機能シナリオをカバーするテストケースを作成することができます。また、合成データを作成することもでき、機密性の高い実世界のデータに依存することなく堅牢なテストを可能にするため、プライバシーの問題に対して価値のあるソリューションを提供します。

Image

生成AIによる生産性の向上の効果は、特に新人社員の学習に顕著に現れます。通常習得するのに何か月もかかる専門知識を迅速に身に付けることができるのです。スタンフォード大学とMITによる最近の調査は、コールセンターの担当者が生成AIを使用した場合、使用しなかった場合よりも平均して14%生産性が高くなったことを明らかにしました。さらに、入社して数か月未満の社員には、さらに大きな効果の向上が確認されました。

生成AIエージェント同士が相互通信を始めると、さらに変革が起こります。生成AIをコーディングやソフトウェア開発といった特定のタスクに使用することが、初期の議論の中心でした。しかし、詳細なプロンプトにより、膨大なコードを書く必要性がなくなったため、将来こうしたタスクは不要になると考えられます。

このような新しいデジタルシステムとの関わり方により、従来のアプリやウェブサイトが将来的に本当に必要になるのか疑問視せざるを得ません。生成AIがさらに進化すれば、より直感的で、即時性に優れ、個々のニーズに対応したデジタル・インタラクションが、従来のアプリやウェブサイトを超える時代が到来するかもしれません。生成AIの真の革命は、これまで想像もつかなかった可能性の扉を開くことにあります。

オートメーションからオーケストレーションへ

ChatGPTが瞬く間に大成功を収めた大きな理由は、人間が持つ膨大な知識にアクセスできる単一のインターフェース、いわば「ワンストップ・ショップ」として機能したことです。このワンストップ・ショップ・モデルは継続していくでしょうが、生成AIが普及するにつれ拡大もするでしょう。複数の生成AIが連携し始めると、オーケストレーションレイヤーとして機能し、エンタープライズシステム、特殊なデータセット、リソース、プロセスを一つに統合します。経営者と従業員双方にとって、組織との主な接点は、知識労働者のように機能する会話型AIアシスタントになるでしょう。人間と違うのは、AIアシスタントが、生成AIツールに供給されるデータセットという形で、仕事に必要な情報やリソースに即座にアクセスできるという点です。典型的なワークフローは次のようになります。視覚障害を持つユーザーのための機能を有効にするために、既存製品の修正をする必要があります。そして、生成AIエージェントに既存製品の分析を依頼し、いくつかの代替案を要求します。

どの提案も的を射ていないので、あなたは、あなたが求めているものをより具体的に説明します。創造力が湧き始め、製品の修正が具体化してくると、生成AIエージェントは、製品の改良、規制要件との照合、設計図やプロトタイプの作成、他チームのメンバーとの連携など、マーケティングやプロモーションから発売日にいたるまで、あらゆる面から支援を続けます。

AutoGPTBaby AGIなどのAIを活用したタスク管理プロジェクトを筆頭に、この初期コンセプトはすでに開発段階にあります。まだ欠陥はありますが、これらのプロジェクトには、生成AIの未来を垣間見ることができます。

ひとたび成熟すれば、この単一の窓口モデルは、単なる利便性や業務移行を超えた価値を提供し、私たちのイノベーション、意思決定、組織構造を根底から変えることになるでしょう。

 

束縛を受けないイノベーション

従来、生産性の向上はプロセスの自動化によってもたらされてきました。生成AIは、人間の創造する能力だけでなく、人間の考える能力も強化します。そのため、生成AIを使用すれば、イノベーションによる生産性の向上も期待できます。たとえば、大規模言語モデルを活用することで、生成AIアシスタントは書籍や研究論文を要約、抽出、比較することができ、新しいアイデアを生み出す知的「素材」を大量に供給することができます。このようなアイデアを明確に表現できる人なら誰でも、常に興味を持ち考え続ける生成AIアシスタントとのプロンプトや会話を通じて、アイデアを価値ある現実に変えることができるでしょう。

今日、イノベーションを妨げているのは、硬直したシステムです。画期的なイノベーションをサポートしていないことが多い老朽化したレガシーシステムを持つ既存のテクノロジー環境に合わせて、アイデアや製品を形作らなければなりません。多くの場合、技術的に可能なことまたは自分たちにできることよりも、本来の自分たちの目的を達成することに集中するべきでしょう。

生成AIは、こうした多くの技術的制約を排除します。生成AIは、厳密なシステム要件に依存せず、非構造化データを処理できるため、これまでにない柔軟性をもたらします。このような環境では、自動化によって同じことをより迅速に行うだけでなく、イノベーションによって生産性が向上します。

生成AIの柔軟性はすでに明らかです。たとえば、CAMELプロジェクトでは、複数の生成AIエージェントが異なるペルソナを採用して問題の解決に取り組んでいます。その様子はまるで、微生物学者と量子物理学者を含むミニ・シンクタンクを集めて、解決策について意見を交換しているかのようです。

結局のところ、生成AIは人間の創造性のための触媒であり、それに取って代わるものではありません。AIが生成したインサイトを効果的に抽出し活用することで、人間は自らの革新的な思考を最大化する戦略を構想して実行し、人間の創造性の限界を押し広げることができるのです。

 

イノベーションからインパクトへ:
新たなレベルの戦略的意思決定

革新的な思考は視野を広げ、意思決定は結果を左右します。組織が生成AIをビジネスシステムに組み込み、データアクセスのための統一されたバックエンドを確立すれば、戦略的意思決定プロセスを大幅に迅速化し、強固にすることができます。

よりデータドリブンなインサイト: 生成AIは、安定した信頼性の高いデータプールへのアクセスを可能にすると同時に、データの深度と可用性を提供します。大規模言語モデルベースのデータ拡張は、ビジネスデータセットを充実させ、AIモデルの能力をさらに向上させます。生成AIは、構造化・非構造化データおよびレガシーデータを処理できるため、これまで見過ごされていた貴重なデータポイントを特定することができます。これにより、データは単に利用できるものから、よりアクセス可能でインサイトに満ちたものへと変わります。

一貫性が非常に重要です。 ビジネスシステムのインターフェースとして生成AIを使用することで、組織の全員が同じ情報を使用して作業をすることになり、データセットの差異や部門間の食い違いがなくなります。データを一貫的に利用することで、組織のパフォーマンスは大幅に向上し、エラーや改ざんは減少し、合理的で効率的なプロセスが実現します。

意思決定による差別化: 競争上の差別化を求めるリーダーは、重要業績評価指標 (KPI) を特定・達成するために、生成AIを採用します。ワークフロー、ポリシー、レガシーデータ、関連分析などを考慮に入れて、競争優位性の確立につながるKPIを特定し、生成AIを利用することで、目標達成に向けた意思決定を行うことが可能になります。

新しい組織構造

生成AIは、100年近く続いてきた硬直した部門別の組織構造を根本から再形成するかもしれません。AIアシスタントは、マーケティング、法務、調達、運用、R&D、セールスなどの多くの職務を引き受け、統合することができます。電化や工業化が、企業の構造と運営方法の見直しを迫ったように、AIアシスタントは、従来のサイロ化された構造の有効性を見直しを企業に迫るでしょう。

これは、従業員を減らす必要があるということではなく、現在のチームの運営方法を見直すということです。これまで分断されていたワークフロー、アプリケーション、ナレッジベースをAIアシスタントで活用することで、チームはサイロ化した環境から脱却し、目標達成と有意義な貢献に向けて協働できるようになります。仕事がなくなるわけではありません。成果が重視され、スキルや知識へアクセスするためにAIに頼るようになるのです。

また、一部の技術的スキルの必要性が下がり、他のより専門的な能力の重要性が高まるにつれて、生成AIは組織の役割についての考え方を大きく変えるでしょう。サイバーセキュリティについて考えてみます。悪意を持った人物が機密情報を引き出すためにAIプロンプトを悪用するようになると、このような詐欺行為を予測できる専門家が必要となります。つまり、かつてはセキュリティの技術的側面が重要視されていた職務に、今では高度な創造性と革新的な思考が必要とされるようになったのです。

また、生成AIの問題解決能力が向上するにつれて、人間の問題発見能力も向上していくことが重要になります。なぜなら、AIに革新的な問題解決策や機会の発見を促すのは人間だからです。人間の本質 (社会学、心理学、人類学)、プロセス設計と最適化 (デザイン思考、シックスシグマ、業界の専門知識)、ストーリーテリングとデザインによる知的・感情的なオーディエンス・エンゲージメントの理解など、新しい多様なスキルが必要となるでしょう。

さらに、このような多様な知識を効果的に活用するためには、さまざまなスキルを持つ従業員同士や、従業員とテクノロジーとのコラボレーションが極めて重要になります。企業は、よりフラットな組織構造を採用しながら、コラボレーションを奨励し、それに報いるフレキシブルなフレームワークを考案する必要があるでしょう。

リスク

あらゆる新しいテクノロジーと同様、生成AIに落とし穴がないわけではありません。潜在的な問題を理解することが、最先端の分野で成功するための鍵となります。

不正確さと「幻覚」

生成AIは、与えられたデータに基づいて予測を行い、出力を生成します。しかし、時には不正確な、あるいは完全に捏造された、いわば「幻覚」と呼ばれる出力を生成することもあります。このような幻覚は、誤った情報に基づいた意思決定や行動につながり、ビジネスに重大な問題を引き起こす可能性があります。

interacting
バイアスと倫理

AIは、教師データに忠実でバイアスを持ちません。そのデータにバイアスが含まれていた場合、AIは出力時にそのバイアスを再現・増幅することができます。また、プライバシー、著作権保護されたトレーニング用データの使用に関する同意や合意の欠如、生成されたコンテンツの誤用など、倫理的問題も発生する可能性があります。企業はこうした問題をすべて考慮しなければなりません。

interacting
冗長性

生成AIの導入により、一部の仕事、特に反復的でデータ量の多いzタスクを伴う仕事が不要になるかもしれません。効率性の向上につながるかもしれませんが、職種転換やリスキリングの必要性について見直す必要も生じるでしょう。しかし、新しいテクノロジーは、以前は存在しなかった新しい役割や機会を生み出し、それによって一人当たりの所得の増加、さらなる繁栄、社会的流動性の向上に貢献することも忘れてはなりません。

AIは雇用喪失をもたらしてはいないという説を裏付ける最近の研究があります。全米経済研究所のエコノミストは、ホワイトカラーのオフィスワークなど、これまでAIの影響を受けやすいとされていた高度なスキルを必要とする仕事の求人数が5%増加したことを明らかにしました。調査期間は2011年から2019年までで、企業がディープラーニングを使用してタスクの自動化を始めた時期と重なります。研究者たちは、新しいテクノロジーは、ルーティンワークをこなす労働者に取って代わる場合でも、より熟練した労働者の需要を高める可能性があると結論づけています。

OpenAIのCEOであるサム・アルトマンは最近、現在の生成AIは仕事の「一部」をこなすのは得意だが、「全体」をこなすのはあまり得意ではないと述べています 。短中期的には、人間は欠かせない存在であり続けるでしょう。

interacting
セキュリティ

他のデジタルツールと同様に、生成AIもサイバー脅威に対して脆弱です。先に指摘したように、AIシステムが騙されて機密情報を開示してしまう危険性はあります。そのため、強固なサイバーセキュリティ・プロトコルが不可欠となります。

もうひとつの新たな脅威は、プロンプト・インジェクションです。プロンプト・インジェクションは、プロンプトを使用してAIモデルから情報を引き出す手法で、しかも、実行には必ずしも高度な技術的スキルは必要ありません。

セキュリティ最高責任者にとって、生成AIに対する潜在的な脅威をすべて把握しておくことは不可欠です。想定できるすべての攻撃手段を理解することによってのみ、システムを完全に保護し、堅牢な防御を維持することができます。

interacting
規制

EUのAI規制法案のように、生成AIを取り巻く規制の動きはさまざまな形で進行しています。こうした規制は、企業が理解し取り組むべき重要な要素を示しています。これらの規制 (特定のデータセットの使用を制限し、AI生成コンテンツに電子透かしのような措置をとるなど) は対応が難しく見えるかもしれませんが、そのようなことはありません。GDPRのような厳格なデータプライバシー基準と同様に、これらの規制は、企業の進歩を妨げるのではなく、企業の適応と革新を求めています。時代をリードする企業は、規制当局とのコミュニケーションを図り、規制という名のガードレールについて発言力と深い理解の両方を確実に持ち合わせている必要があります。

interacting
サステナビリティ

規制報告書の作成支援から、革新的なソリューションを生み出すデータ分析まで、生成AIには、サステナビリティへの取り組みに大きく貢献する可能性があります。しかし、生成AIのエネルギーとコンピューティングの要件がもたらす悪影響を知っておくことが必要です。ブロックチェーン技術と同様に、生成AIのエネルギー需要は反発を引き起こす可能性があります。とはいえ、ブロックチェーンと同様、エネルギーの供給源とテクノロジーのスマート活用を検討することで、環境問題を上回るメリットを確保することが極めて重要です。サステナブルなエネルギー源とスマートなアプリケーションを優先することで、生成AIを効果的に活用し前向きな結果を得ることができるでしょう。

interacting

導入について:

生成AIに伴うリスクを無視するのは賢明ではありません。リスクから目をそらすのではなく、リスクを効果的に管理するための安全策を講じることが重要です。つまり、テクノロジーの可能性を活かしながら、どこに注意が必要か、どこに安全・セキュリティ対策が必要かを理解することです。生成AIを効果的に導入するためには何が必要なのでしょうか?

1. 今すぐに始める

生成AIを早期導入すれば、データ管理を改善し、テクノロジーを有効活用するためのスキルを構築することができます。データとAIモデルの理解には時間がかかり、後期導入者が失う時間は取り戻すことができません。早期導入は明らかに有利です。

2. スモールスタート

組織内で、リスクの潜在的な影響が小さい領域を特定します。これにより、既存プロセスと並行して新しい手法を同時に実行することができます。また、潜在的な混乱を最小限に抑えながら、生成AIについて段階的に学ぶことができます。重視すべきは、迅速な実験とイノベーションを奨励する環境を作ることです。新しいことに挑戦することを恐れない文化を育むことが重要です。

3. モデルの選択

さまざまな生成AIモデルが、さまざまな種類のタスクを得意としており、公開性やリスクの面で特徴はさまざまです。最大の価値を提供し、ビジネスに対する特定のリスクを権限するためには、組織にとって必要なモデルを選択することが必要です。公開されているモデルでも、そのモデルの作成に使用されたデータが透明性を欠く場合もあれば、特定の業界やテーマに基づいた小規模でニッチなデータもあり、十分に分析・理解できるデータもあります。モデルを選択することで、存在するリスクを知ることが可能になります。

公開モデル

2〜5つの大規模で「一般的な」公開モデルがあります。公共データ、限られたプライベートデータ、または無作為に抽出されたデータで訓練されています。

専門家モデル

組織は、特定の目的や分野に対応するために、独自の知的財産を使用してモデルを独自に構築します。

業界モデル

マイクロソフト、Google、 AWS、OpenAIなどの大手企業は、カスタマイズ可能で目的に適合したモデルをサービスとして提供するでしょう。

4. トレーサビリティを優先する

生成AIモデルの学習に使用するデータを理解することは不可欠です。データの品質や、社内外で公開される可能性がある潜在的なリスクを知っておくことも必要です。

5. 生成AIによる生成AIの監視

生成AIシステムそのものを、潜在的なリスクの検証や評価に使用することができます。たとえば、新しいアウトプットに倫理的なバイアスがないか、コンテンツの公開に風評リスクがないかなどを検証できます。

今後の展望

破産は、2段階で「徐々に、そして突然」やって来るというアーネスト・ヘミングウェイの有名な言葉があります。生成AIの台頭も、将来同じように思い出されるのではないでしょうか。昨年11月のChatGPTの衝撃的な登場は、まさに「突然」でした。わずか数日から数週間の間に、テクノロジーやビジネスと無関係の世界は、生成AIを集中的に学ぶようになり、多くの人々が「大規模言語モデル」、「トレーニングセット」といった新しい用語を習得しました。そして、この新しいテクノロジーが人間や社会にどのような影響を与えるかについて、しばしば見当はずれな憶測を巡らせました。しかし、大きな変化スピードと規模については、楽観論者と悲観論者の両者の意見は唯一一致しています。つまり、良くも悪くも、生成AIはこれまで人類が順調に歩んできた歴史において、完全な「破壊」ではないにしても、「変曲点」を意味するということです。

息もつかせぬスピードで生成AIの開発は進んでいます。しかし、時間をかけて「徐々に」進めていくべきこともあります。生成AIの開発は、おそらく何十年にもわたる継続的な改良と改善からなる段階的なプロセスとなります。先に説明したような生成AIがビジネスの世界に与える影響と変化は、劇的かつ急速に進行します。そして、効率性・生産性の向上、そして最も重要な調和性の向上へとつながっていくでしょう。前述したように、生成AIの力によって、企業の部門間・職務機能間の壁がなくなり、共通の目標に向かって協働できるようになります。しかし、この組織的な調和は、個々の人間と彼らを取り巻く環境との関係が、より調和的で優れた関係であってこそ成り立つものです。生成AIは、管理や順応がより容易な環境を生み出します。

 

今後数年間のリーダーの仕事は、この調和を念頭に置き、それを指針として、生成AIが抱える周知のリスクと付き合い、選択をしていくことです。この新しいテクノロジーをめぐる熱狂の源にあるのは、人間と機械との間に新しく円滑な関係が生まれるかもしれないという可能性です。この激動の数年間を振り返ったとき、最終的に重要なのは、生成AIが人間同士の協働をどのように支援するかということかもしれません。

著者について

Duncan Roberts
Cognizant Research

現在コグニザント・リサーチに在籍するDuncan Robertsは、衛星通信から教育評価まで幅広い業界のデジタル戦略・DXコンサルタントとして2019年に入社。戦略目標を達成するためのテクノロジー活用や、イノベーションによる実行可能な技術についてクライアントに助言をしてきました。

コグニザント入社前は、ヨーロッパ最大手の出版社に勤務し、デジタルパブリッシング革命において主導的な役割を果たし、業務改革や革新的な製品の立ち上げを支援しました。セント・アンドリュース大学で哲学と古典学の修士号を取得。

EmailDuncan.Roberts@cognizant.com
Linkedinhttps://linkedin.com/in/duncan-roberts-16586022/

Naveen Sharma
Vice President and Global Practice Head, AI & Analytics, Cognizant

Naveen Sharmaは、コグニザントのAI & Analytics事業担当バイスプレジデント。戦略的ビジョンと戦術的実行によりビジネスアジェンダを達成することに秀でた、経験豊富なテクノロジーサービスのエグゼクティブです。AI分野におけるソートリーダーシップ、イノベーション、プリセールス、サービス開発、ポートフォリオ管理を通じて成長を促進することに注力しています。

Naveenは、BMS、Sapient、IQVIAなどの大手企業と協働し、サービスおよびテクノロジー分野で25年以上の経験を持ち、データとアナリティクスのコンサルタントとしてフォーチュン500企業を支援した経験もあります。

コグニザントでは、エンタープライズ・データマネジメント事業のプラクティスヘッド、ライフサイエンス分野のAI&Aプラクティスリーダー、ライフサイエンス分野のサービスライン・セールスリーダーなどを歴任。

EmailNaveen.Sharma@cognizant.com
Linkedinhttps://www.linkedin.com/in/4naveen/

Babak Hodjat
Vice President of Evolutionary AI, Cognizant

Babak Hodjatは、コグニザントのEvolutionary AI担当バイスプレジデントであり、Sentientの元共同創設者兼CEO。世界最大の分散型人工知能システムを支えるコアテクノロジーの責任者です。また、世界初のAI主導型ヘッジファンドであるSentient Investment Management社の創設者でもあります。シリアルアントレプレナー (連続起業家) であり、発明および技術の中心的存在として多くのシリコンバレー企業を立ち上げてきました。

Sentinentを共同設立する以前は、Sybase iAnywhereのエンジニアリング担当シニアディレクターとして、モバイルソリューション・エンジニアリングを指揮しました。Dejima社の共同設立者、CTO、取締役も兼任。また、モバイルおよびエンタープライズコンピューティングのインテリジェント・インターフェースに適用されたDejimaのエージェント指向技術 (特許取得済み) の主な発明者でもあります。この技術は、AppleのSiriを支える技術です。

人工生命、エージェント指向ソフトウェアエンジニアリング、分散型人工知能の分野で論文を発表しており、31件の特許を取得または申請中です。自然言語処理、機械学習、遺伝的アルゴリズム、分散型AIなど、AIの数多くの分野の専門家であり、これらの分野で複数の企業を設立しています。日本の福岡県にある九州大学で機械知能の博士号を取得。

EmailBabak.Hodjat@cognizant.com
Linkedinhttps://linkedin.com/in/babakhodjat

謝辞

本レポートの制作にあたり、CognizantのStorytelling & ContentディレクターであるCatrinel Bartolomeu氏、編集者のMary Brandel氏、CognizantのAI、Cognitive Computing & Data Science担当AVPのMykola Hayvanovych氏、CognizantのAVP & Conversational AI Practice Leader氏のMatthew Smith氏に感謝します。

参考文献

データとAI で意思決定を強化
生成AIの変革力で可能性を再定義
CEOの視点: 生成AIの無限の可能性