CIOたちが自己生成AIプロジェクトを減らし、ベンダー支出を増やす状況での企業の革新と効率性

企業が自社で生成AIを開発することが難しくなり、ベンダーソリューションへのシフトが進んでいます。本記事では、その背景や影響について詳しく分析します。

Index

自社生成AIプロジェクトの縮小背景

自社開発には、GPUの確保やデータインフラの構築、専門人材の採用など、初期投資が膨らむ傾向があります。最近では、低コストで導入できるAIモデルの登場が、自社開発の経済的な不安を高めています。

AIモデルの学習や展開には、技術的なハードルが存在します。特にMLOpsインフラの構築、データ前処理、性能検証など、これらのプロセスにおいては多くの企業が課題を抱えています。研究によると、POC（概念検証）段階では、30％以上のプロジェクトが目標指標達成に失敗しています。

自社開発を行う場合、成功には長期的なR&Dの投資が不可欠です。例としてトヨタの社内プラットフォーム構築や、Netflixの推薦システム事例がありますが、これらの成功事例は初期投資が非常に大きいのが実情です。

クラウドベースの生成AIカスタマイジングツールを提供する企業が増えています。これにより、企業はより短期間で成果を上げることが可能になっています。

既存のプラットフォームを活用すれば、特定のニーズに応じたソリューションが即座に利用可能です。例えば、Salesforceのプラットフォームは、多くの製造業者のニーズにマッチした機能を既に備えています。

Google Cloudは、サービスの利用を通じて、データ科学者への依存を大幅に削減し、効率的な運用が実現されています。

企業の規模や業種によっても最適な戦略は変わりますが、特に中小企業はパブリッククラウドサービスを利用することが多く、大企業はハイブリッドアプローチを取るケースが増えています。

PwCが提唱するモデルを参考にし、簡易な業務の自動化から始め、次第に意思決定の支援や自律運営へと進めることが推奨されます。

既存システムをより効率的なものにするためには、クラウドサービスの利用が不可欠です。

従業員に対する教育を通じて、専門的な知識を持つ社員を増やすことが重要です。

主要業務は自社で運営し、ビジネスの多様性を確保するためにパートナー企業のサービスを活用する戦略も有効です。

小型言語モデル（SLM）の拡大が期待され、デバイス上でのAI処理が増加すると予測されています。

生成AIの民主化により、中小企業が提供する特定業界向けのソリューションが今後成長するでしょう。

EUのAI規制に対応するため、企業はベンダーの提供する規制遵守モジュールを利用することが求められます。

MLOpsの自動化ツールの導入により、内製業務を担う人材比率が今後減少する見込みです。

専門家の意見: PwCは「生成AI生態系において重要なのは、自社データの活用とベンダーとのバランスを取ること」としています。また、IDCは「2025年以降のAI不成功事例の60％はデータ品質問題によるもの」と警告しています。