AIの候補は出た。それでも、何を確かめるかが決められない。

業務の棚卸しは終わった。試せる環境も用意した。試作まで進めたものもある。それでも、次に何を確かめるかが決まらない。

会議では候補が並ぶ。効果が大きそうなものから話は始まる。それでも結論は次回へ持ち越される。決めたつもりでも、しばらくすると別の候補の話に戻っている。

よくある対処

こうした状況に対して、よく行われるのは次のような対応です。

どれも必要な取り組みです。ただ、候補を増やしても、次に何を確かめるかは決まらないことがあります。

問題は、候補の数や評価の基準だけとは限りません。

効果の数字を並べると、候補同士が同じように比べられるように見えます。ところがAIの候補では、その数字の手前で分かっていないことが、候補ごとに違うことがあります。

ある候補で分かっていないのは、効果がどれくらい大きいかです。別の候補では、自社のデータでうまくいくかどうか自体が分かっていません。さらに別の候補では、仕事の進め方が人によって違い、何を置き換えるのかがまだ定まっていません。

分かっていないことの種類が違うまま並べると、出てくる数字は形だけ揃います。少し試せば分かることと、本番に近い条件まで作らないと分からないことの違いは、その数字には残りません。

業務を可視化し、試せる環境を整え、試作まで進めても、それでも決まらないことがあります。手元の情報が足りないのではなく、比べ方が合っていないからです。

その結果、会議のたびに同じ候補の話に戻り、決めても後から覆ります。

ここで確認したいのは、次のような問いです。

同じ物差しで順位を付ける前に、候補ごとに、まだ何が分かっていないのかを分ける必要があります。

Latentとの相談では、まず並んでいる候補について、それぞれ何が分かっていて、何が分かっていないのかを確認します。そのうえで、確かめる内容、どこまで作るか、いまのデータと権限で実施できるか、確かめた後にどう判断するかを整理します。

候補に順位を付けるための整理ではありません。次に何を、どこまで確かめるかが決まる状態をつくるための整理です。