「準備完了」のデータを待つことが今始めるよりもリスクが高い理由

私は業界、企業規模、地域を問わず、定期的に同じ会話をしています。あるエグゼクティブは、データインフラストラクチャへの長年の投資について説明します。トランスフォーメーションプログラムが進行中であり、チームは真剣に取り組んでいます。彼らは、AIの実装を開始する前にトランスフォーメーションを完了させる必要があるという合理的な結論に達しています。

そこで私は次のように伝えています。「完了」という状態は決して訪れません。完成したデータエステートを待つことは、組織が今日から証明し始められる価値を遅らせる可能性があります。

グローバル企業全体で、97%がアクティブなAIイニシアチブを実行していますが、データをサポートする準備ができていると答えたのはわずか5%です。そのため、多くの企業はAI活用はまだ早いと考えています。しかし、先行している組織は、そのギャップを出発点として扱っています。

Snowflakeの新しいeBook「Break the Sequence」では、エンタープライズAIの最大のブレーキとなっている、AIを開始する前にトランスフォーメーションを完了させなければならないという思い込みについて検証しています。

AIを使用する前にデータを修正するというアドバイスは、異なる世界のために書かれたものです。エンタープライズデータが独自のストレージフォーマットを持つオンプレミスのサイロに存在していた頃、複数のシステムにまたがってアナリティクスを実行することは、まずデータを1か所に物理的に移動させることを意味していました。そのため、まずは移行、次に一元化、その後にガバナンスの適用、最後に構築、というシーケンスは技術的に妥当でした。各ステップが次のステップを解放し、最終的に誰もそれを疑問視しなくなりました。

時間が経つにつれて、組織はそのアドバイスをより厳格なルールに変えました。すべてのレガシープラットフォームが排除され、移行が完了するまでAIを実行してはならないというものです。これは誤解ですが、定着してしまったバージョンのメッセージです。

データエステートが完全に完了することはありません。新しいアプリケーションが登場します。規制も変わります。企業は他の企業を買収します。AIモデルも進化します。価値を創造する前に常に物事が完璧になるのを待っていると、決して価値を創造することはできません。

競争の激しい市場において、何もしないことのリスクはしばしば最大のリスクとなります。AIが業務上の優位性を加速度的に高める市場においては、様子見に費やす四半期ごとに、競合他社はそのリードを着実に広げていくことになります。

変革が完了しなければAIに着手できない、という前提が誤りであるなら、なぜこれほど多くの大規模組織が今なおこの考え方に従っているのでしょうか。多くの企業は、以下の3つのアーキタイプのいずれかに当てはまります。

戦い疲れた組織：データエステートのトランスフォーメーションに何年も多額の資金を費やしてきました。データウェアハウスの提案、データレイクの提案、レイクハウスの提案を聞いてきました。AIの提案は、同じ約束をパッケージし直しただけのように聞こえるかもしれません。現在、彼らはトランスフォーメーションを完了させるか、AIを開始するかの選択を迫られていますが、両方を同時に行うことができます。

白紙状態の組織：大規模なトランスフォーメーションをまだ完了しておらず、組織が何年も遅れていると言われるかもしれません。その診断は重要な利点を見逃しています。同じ技術的負債やサンクコストがなければ、リーダーは過去のインフラストラクチャパターンを再現するのではなく、今日のテクノロジー環境に合わせて設計することができます。

道半ばの組織：AI戦略とリーダーシップの権限を持っていますが、トランスフォーメーションのバックログが実行を妨げています。障害は技術的なものに見えますが、AIを開始する前にデータプラットフォームを完成させなければならないという前提に基づいています。

これらの組織は出発点は異なりますが、同じ決断に直面しています。トランスフォーメーションをAIの前提条件として扱い続けるか、AIの提供とモダナイゼーションを並行して実行するかです。

キッチンのリフォームをしているとします。料理をする必要がある場合の対処法について考えてみます。別の場所に仮設のキッチンを作り、工事中もその家に住み続けます。ビジネスについても同じことが言えます。

並行モデルは、その論理をAIに適用します。作業を同時に実行される2つのトラックに分割します。

トラック1はAIの提供です。90日以内に証明できるビジネス成果を特定し、それをサポートするデータを見つけて構築を開始します。そのデータは不完全で分散しており、常に存在していたシステムに置かれています。どのエンジンがアクセスするかにかかわらず適用される1つのポリシーレイヤーを使用して、データが存在する場所でガバナンスを適用します。現在、AIワークロードはその基盤上で実行されています。

トラック2はモダナイゼーションです。移行が継続され、レガシーシステムが統合され、パイプラインが改善されます。この作業は、独自のマイルストーンを持つ独自のタイムラインで進行します。違いは、それがもはやAIの提供を妨げないことです。移行が完了すると、トラック1がすでに構築したものと接続されます。何も捨てられることはなく、何も待つ必要はありません。

2つのトラックは互いに情報を提供し合います。AIワークロードが実際のシステム全体で稼働すると、どの統合を優先すべきか、どのレガシープラットフォームを後回しにできるかが明確になります。本番環境のAIユースケースからの証拠がロードマップを導き、実証された価値の順にモダナイゼーションを行います。

これにより、既存の投資が拡大します。すべてのプラットフォームの決定、すべての移行、およびすでに構築されたすべてのパイプラインが有効に機能し続けます。並行モデルは、一貫してガバナンスを適用しながら、既存のものを基盤として構築し、今すぐ結果をもたらします。「Break the Sequence」では、これをリープフロッグ戦略と呼んでいます。作業をスキップすることなく、古いシーケンシャルモデルが作成したキューをスキップします。

始めるためのハードルは、多くの組織が考えるほど高くありません。以下の条件が揃えば、行動を起こすのに十分です。

• データの出所を把握している
• データの所有者が明確である
• データアクセスのガバナンスを確保できる
• データの限界や制約を理解している
• 事業部門がデータに基づいて意思決定を行う意向を示している

ほとんどの大企業は、トランスフォーメーションプログラムが完了する前であっても、すでに持っているデータでその基準を満たすことができます。

農家であれば、成功は収穫量で測られ、トラクターは作業を助けます。同じ原則がAIにも当てはまります。プラットフォームがインフラストラクチャの多くを処理する一方で、ドメインエキスパートはAIが意思決定と成果を改善できる領域を特定します。

これがシフトです。モダナイゼーションを並行して継続しながら、すでに持っているデータと専門知識を使用して、今すぐ価値を証明します。