公共部門におけるAIの再考：ミッション成果を推進する5つの変化

公共機関は、これらの能力が具体的な成果を生み出すよう、運営予算のかなりの部分を投入しています。

IDCのリサーチディレクターであるMassimiliano Claps氏によると、政府機関は多額のイノベーション資金をAIに再配分しています。「全米の600以上の公共機関から調査データを収集しましたが、そのうち152は連邦政府からのものでした。当社がインタビューした機関の65％で、2026年以降、IT予算の11％以上をAIに割り当てる予定だとしています」と同氏は述べています。¹その結果、政府機関にはテクノロジーへの投資をサービス提供の改善と業務の継続性に直接結び付けることが迫られます。

さらに、これらの機関の約80％が12か月以内に測定可能な価値を期待しており、2年以内に2倍のリターンを予想しています。¹こうした厳しいタイムラインを踏まえれば、孤立したデータサイロの余地はありません。ITリーダーは、運用フットプリント全体にわたって即時の可視性を提供する統一されたプラットフォームを必要としています。

チャットインターフェースにPDFファイルをいくつか手動でドロップするだけで、AIを簡単にテストできますが、これを組織全体の過去のデータに適用するにはどうすればよいのでしょうか？

断片化されたデータをAI対応の基盤に変換するには、環境を超えて情報をつなげるオープンで柔軟なアーキテクチャーが必要です。Elasticの公共部門著名アーキテクトであるDave Ericksonは、「多くの組織はオープンなアーキテクチャを確保する方法を考えているため、単一のクラウドや単一のベンダーに特化した新たなデータサイロの作成は行っていません」と述べています。続けて、「そのことを考慮し、モジュール式でオープンな状態を保つ必要があります。OpenTelemetryが重要なのは、ベンダー非依存の度合いを高めるためです。」

このオープン性へのニーズは、アーキテクチャーにとどまらず、データの保存方法やアクセス方法にまで及びます。「データを静的なストレージバケットに保存するだけで、AIが魔法のように洞察を導き出してくれると期待することはできません」と、Elasticのシニア顧客エンタープライズスペシャリストであるJames Garsideは付け加えます。

こうしたアーキテクチャーの変化には時間と規律が必要です。英国の取り組みを振り返り、Garsideはこう付け加えました。「適切な実装を確保するために、導入に少し時間がかかりました。」

そのデータを最大限に活用するには、チームはペタバイト規模の情報の中から瞬時に正確に検索できる必要があります。このレベルのパフォーマンスを実現するには、大規模な高速検索とデータ取得のために設計されたアーキテクチャーが必要となります。

「最近の米国の連邦IT・ミッション担当幹部152人を対象とした調査で、人間の監視を必要としないとした回答者は皆無でした」とClaps氏は指摘します。¹「これは非常に示唆に富む話です。」

自動化でより複雑なプロセスが処理されるようになると、人間のオペレーターの役割も変化します。アナリストが承認ボタンをクリックするだけの「人間関与」モデルは、「人間主導」アプローチに取って代わられつつあります。このモデルでは、人間が戦略を立て、最終決定を下す間、AIは専任のアシスタントとして働き、データを大規模に処理します。

Ericksonも同意します。「多くの文脈や制度的知識は人々から得られます。AIの役割は、既に正しいやり方が判明していることの自動の手助けをすることです」と指摘します。これにより、人々は主導権を維持し、結果を導き、改善していくことができ、同時に、重要な組織的知識がすべての意思決定の指針であり続けることが保証されます。

データがエージェント型ワークフローの重要な燃料となるにつれ、そのデータがどこに保存され、誰がアクセスできるかを制御することが極めて重要になります。ソブリンAIは、機密情報や秘密情報を扱う組織にとって、世界的な優先事項として浮上しています。

IDCによると、調査対象の連邦機関の46%が現在何らかの形でソブリンAIを使用しており、さらに38%が今後12か月以内に使用する予定です。¹これは、ソブリンAIが自給自足とは大きく異なるという認識の高まりを反映しています。これは、孤立化ではなく、データの所在、交換方法、誰がどのような権利でアクセスできるかを制御することです。ITリーダーは、技術アーキテクチャーの独立性を維持するために、基盤となるデータレイヤーから始まる技術スタックを制御する必要があります。

個人の生産性からミッションへの影響への移行はすでに進行中です。時代の流れに乗り遅れないためには、組織は個別の実験にとどまらず、大規模なAIを支えるアーキテクチャーの基盤に焦点を当てる必要があります。

まず、現在のデータ環境を監査して、リアルタイムアクセスを妨げるサイロを特定します。人間中心のオペレーティングモデルを優先するガバナンスフレームワークを確立し、チームが重要な決定に対して最終的な制御を保持することを保証します。最後に、柔軟なプラットフォームに投資し、最も機密性の高い情報に対する戦略的な自律性を維持しながら、可視性を確保するプラットフォームに投資します。

分散データを、日々そのデータを利用する専門家と繋げることが、AIの真の価値を引き出す鍵となります。ミッションの成功のためのこの基盤を構築する方法を学ぶには、当社のウェビナーをご覧ください。

オンデマンドで視聴する