2022年以降のAI・データ分析の10大トレンド(2/3)

１．2022年以降のAI・データ分析の10大トレンド(2/3)まとめ

・ノーコード、ローコード、クラウド化、およびサイバーセキュリティが注目を集める
・具体的な事例から洞察を得やすいスモールデータも注目を集めるかもしれない
・データプロヴァナンス、つまりデータの起源と作成プロセスに注目が集まるかもしれない

２．2022年以降に盛り上がりそうなAI界隈のトレンド

以下、www.kdnuggets.comより「10 Key AI & Data Analytics Trends for 2022 and Beyond」の意訳です。

元記事は2021年12月、David Poolさんによる投稿です。アイキャッチ画像のクレジットはPhoto by Tevin Trinh on Unsplash

(5)サイバーセキュリティの向上

パンデミックにより、ほとんどの企業がオンラインでの存在感を高めるための投資を余儀なくされたため、サイバーセキュリティの向上が2021年のデータ分析トレンドの上位に挙げられています。

たった一度のサイバー攻撃でビジネスは完全に頓挫してしまいますが、どのようにすれば企業は膨大なコストと時間をかけずに潜在的な障害点を追跡できるのでしょうか？

この切実な疑問に対する答えは、優れたモデリングと、リスクを理解する取り組みにあります。データを迅速かつ正確に分析するAIの能力は、より優れたリスクモデリングと脅威の認知が可能であることを意味します。

人間と異なり、機械学習モデルは速いペースでデータを処理することができ、外部からの制御をあまり必要とせずに脅威を制御し続けるための洞察を提供します。IBMのサイバーセキュリティ向けAIを分析した結果によると、この技術は悪意のあるファイルから好ましくないIPアドレスまであらゆる洞察を収集し、企業が脅威に対して最大60倍速く対応することを可能にするとのことです。

抜け道を封じ込めることで節約できるコストは平均11億2000万ドルであるため、優れたサイバーセキュリティのモデリングに投資することは、企業にとって見過ごすことのできないものなのです。

つまり、このデータ分析のトレンドによってネットワークを保護することで、企業は収益をより良く守ることができるのです。

(6)ローコード、ノーコードAI

データサイエンティストが世界的に足りなくなっている中、専門家でなくても、あらかじめ定義された材料を組み合わせて実用的なアプリケーションを作成できるようにすることで、ローコードおよびノーコードAIは、ここ数年、この業界で最も民主的なトレンドの1つになっています。

基本的に、ノーコードAIアプローチは、プログラミングをほとんど必要とせず、誰でも「簡単な構成要素を使用して、自分のニーズに合わせてアプリケーションを調整する」ことができます。

最近の傾向として、データサイエンティストやエンジニアの雇用市場は非常に前向きであり、LinkedInの新興雇用レポートでは、今後5年間で約1億5千万のグローバル技術職が創出されると主張しています。現在、83%以上の企業がAIを不可欠となる重要な要素と見なしていることを考えると、これは必ずしも驚くべきニュースとは言えません。

しかし、AI関連のサービスに対する激しい要求は、現在の状況では単純に満たすことができません。さらに、AIの優秀な人材の60％以上がテクノロジーと金融の分野に引き抜かれており、他の産業で働ける潜在的な人材はほとんど残っていないのです。

したがって、データの専門家がいなくても企業が競争できる力を与えるローコード・ノーコードのAIソリューションを作ることが、産業の開放性と競争力を維持する鍵になります。

(7)クラウドの台頭

パンデミックにより、クラウドコンピューティングへの移行は、近年のデータ分析トレンドの中で最も必然的なものとなっています。かつてないほど多くのデータを扱うようになった今、クラウドを通じたデジタルサービスの共有と管理は、世界中の企業で急速に採用されています。

機械学習プラットフォームは、データ帯域の要件を次のレベルに引き上げるものですが、クラウドの台頭により、全社的な可視性を確保しながら、より迅速に業務を完了することが可能になりました。すでに94%の企業がクラウドサービスを利用しており、2021年末にはパブリッククラウドインフラが35%増加すると言われている中、クラウドを活用しない企業は単純に遅れをとることになります。

データの安全性確保、サイバー攻撃からの保護、拡張性の向上など、クラウドの台頭はデメリットよりもメリットの方が多く、クリエイターにとって今後注目すべきデータ分析トレンドの一つとなっています。

(8)スモールデータと規模拡大可能なAI

世界のより多くの人々がオンラインに移行するにつれ、より大きななデータセットに対応する規模拡大可能なAIを作成する能力がこれまで以上に重要になってきています。効果的なAIモデルを作成するためには、ビッグデータを素早く使用可能にして活用する事が依然として基本ですが、顧客分析に付加価値を与えるのは小規模データなのです。ビッグデータに価値がないわけではありませんが、このような大規模なデータセットから意味のあるトレンドを選び出すことはほとんど不可能です。

スモールデータは、その名前から予想されるように、パターンを測定するのに十分な情報を含むが、企業を圧倒するほど多くはない少数のデータタイプから構成されています。具体的な事例から洞察を得ることができるため、マーケティング担当者は消費者行動をより効果的にモデル化し、その結果をパーソナライズによる売上増につなげることができます。

(9)データの来歴の改善

Boris Glavicによって「データの起源と作成プロセスに関する情報」と定義されたデータの来歴(data provenance)は、業界が作成するデータの信頼性を保つためのデータサイエンスのトレンドの1つです。

企業が利益を上げ続けるためには、マーケティングや広告の目的で使用するデータを信頼できるようにする必要があります。十分なデータがあるに越したことはありませんが、適切に分析されてこそ、その有用性が発揮されます。不正確な予測やデータ管理の不備は、ビジネスに深刻な影響を与えますが、機械学習モデルの改良により、この問題は時間の経過とともに少なくなっています。

機械学習モデルは、適切なアルゴリズムを使用できるようになり、どのデータセットを使用し、どのデータセットを破棄すべきかを判断できるようになりました。データアナリストは、知的な特徴を追跡し、すべてのファイルを最新の状態に保つことで、関連するデータを容易に選択することができます。