GoogleとベンチャーキャピタルAccelが共同運営するインド向けAIアクセラレーター「Atoms」プログラムの最新コホートで、4000件超の応募から5社が選出されました。注目すべきは、選ばれた企業の中に既存モデルの上に機能を載せただけの「AIラッパー」が1社も含まれなかった点です。

AccelパートナーのPrayank Swaroop氏によると、不採用となった応募の約70%がラッパー型スタートアップでした。これらはチャットボットなどのAI機能を既存ソフトウェアに追加しただけで、AIを活用した新しいワークフローの再構築には至っていなかったと同氏は説明しています。

残りの不採用案件も、マーケティング自動化やAI採用ツールなど競争過多のカテゴリに集中していました。応募全体の約62%が生産性ツール、13%がソフトウェア開発関連で、消費者向けプロダクトよりもエンタープライズ領域に偏る傾向が鮮明でした。

選出された5社は、ライフサイエンス研究を加速するK-Dense、ERP向け自律エージェントのDodge.ai、コールセンター音声AIのPersistence Labs、AI映像制作のZingroll、自動車・航空宇宙の産業自動化に取り組むLevelPlaneです。各社には最大200万ドルの資金と35万ドルのクラウドクレジットが提供されます。

GoogleのAI Futures Fund共同設立者Jonathan Silber氏は、選出企業がGoogle自社モデルのみの使用を義務付けられていない点を強調しました。スタートアップからのフィードバックをDeepMindチームに還元し、モデル改善につなげる「フライホイール」構築が狙いだと述べています。

企業のAIプロジェクトの失敗率が問題視されるなか、Confluent社のAdi Polak氏が組織・文化面の改革が技術面と同等に重要だと指摘しました。エンジニアだけがAIを理解している状態では、部門間の連携が破綻し、せっかくのAI投資が無駄になると警鐘を鳴らしています。

第一の提言は、AIリテラシーをエンジニアリング部門以外にも広げることです。全員をデータサイエンティストにする必要はなく、プロダクトマネージャーにはデータに基づく予測の限界を、デザイナーにはAIの実際の能力を、アナリストには出力の検証方法をそれぞれ理解させることが重要だとしています。

第二の提言は、AIの自律性に関する明確なフレームワークの構築です。すべてのAI判断に人間の承認を求めるか、まったくガードレールなしで運用するかの両極端を避け、監査可能性・再現可能性・観測可能性の3要素を備えたルール整備が不可欠だと述べています。

第三の提言は、部門横断型プレイブックの作成です。各部門が独自のアプローチを取ると一貫性のない結果と重複作業が生じるため、AIレコメンデーションのテスト方法や自動デプロイ失敗時の対応手順などを現場チームが協力して策定すべきだと提案しています。

同氏は、モデル性能だけに注力し組織的要因を無視する企業は回避可能な課題に直面すると結論づけています。成功しているAI導入事例では、文化変革とワークフロー改善を技術実装と同等に重視しており、問われるべきはAI技術の高度さではなく組織の準備態勢だと強調しました。