ChatGPT、Google Bard、Amazon Large Language Models、Microsoft Bing などのツールがリリースされて以来、生成 AI の機能に対する関心が高まっています。 新しい技術には、プライバシー、個人情報、セキュリティ、そしてさらに重要な、正確性についての懸念を伴います。 そしてそれは当然です。

組織は、生成 AI ツールをゲームチェンジャーと見ているにもかかわらず、受け入れには慎重です。 多くの企業は、セキュリティで妥協することなく、将来に向けた生成 AI のより戦略的な使用方法を特定しながら、現在の利点を活用できるスイートスポットを見つけようとしています。

組織内ですぐに利点を得られる分野のひとつが、ナレッジ管理です。 この取り組みは、多くの組織にとって課題でしたが、従業員の生産性を推進し、通常は手作業でナレッジを管理しているサポートチームに大きな利益をもたらすことができます。

生成 AI とナレッジ管理はどのように交わるのか

生成 AI とは、既存のデータに基づいて画像やテキスト、あるいは音楽などの新しいコンテンツを作成できる人工知能の種類を指します。 機械学習アルゴリズムを使用して、大規模なデータセットを分析し、そこから学習します。 そして、そこから、その分析に基づいて新しいコンテンツが生成されます。

一方、ナレッジ管理は、組織内で知識を収集、整理、共有するプロセスです。 さまざまな情報源から情報を収集し、一元化されたデータベースに保存して、従業員が必要なときに簡単にアクセスできるようにします。

多くの組織が手作業でナレッジ管理を維持しているため、コンテンツが古かったり、不十分だったりする場合があります。 ナレッジ管理に関わる多くのタスクを自動化することで、生成 AI はナレッジ管理プロセスの効率と効果を向上させることができます。

生成 AIがナレッジ管理を最適化する具体的な方法には、以下のようなものがあります。

1. ナレッジ記事作成の自動化

生成 AI は、製品ドキュメント、カスタマーサポートチケット、従業員研修資料など、既存のデータソースからナレッジ記事を自動的に作成できます。 この自動化により、IT 専門家は、新しいナレッジ管理の取り組みの策定や既存のナレッジ記事の質の向上など、より戦略的なタスクに集中できます。

2. ナレッジの質の改善

生成 AI は、誤りの特定と修正、古い情報のアーカイブ、さらにナレッジ記事に文脈や追加情報を加えることで、知識の質を向上させることができます。 これにより、従業員は正確で最新の情報にアクセスできます。

3. 新しいアイデアやインサイトの創出

生成 AI は、既存のナレッジを新しい方法で組み合わせることで、新しいアイデアやインサイトを生み出すことができます。 たとえば、人事、施設、IT といった部署には、従業員のオンボーディングとオフボーディングに関する記事があります。

生成 AI はこれらを見て、3 つの分野すべてにわたるオンボーディングとオフボーディングのエンドツーエンドのプロセスについて検討した、統合されたナレッジ記事を作成できます。 これにより、従業員は 3 つの異なる分野を検索する手間を省くことができます。

4. 問題解決までの時間を短縮

生成 AI は、データのパターンや傾向を特定することで、問題を迅速に解決することができます。 これは、組織がより効果的な意思決定を行い、全体的なパフォーマンスを向上させるのに役立ちます。

たとえば、生成 AI は、定義された期間にわたって IT インシデントを調査し、共通の問題群に対する共通の解決方法を特定することができます。 その調査結果に基づいて、サービスデスク担当者が問題を迅速に解決できるように、また従業員がセルフサービスで問題を解決できるように、ナレッジ記事を作成することができます。

5. より魅力的なコンテンツの作成

生成 AI は、ユーザーごとにパーソナライズすることで、より魅力的なコンテンツを作成し、企業の顧客体験の向上に貢献します。 ナレッジ記事、特に人事ナレッジについては、地域や言語に基づいてパーソナライズされます。 その人に固有のコンテンツを生成することができれば、従業員にとって利用や体験が大幅に向上します。

生成 AI の欠点

ナレッジ管理と組み合わされた生成 AI ソリューションは、多くの業種や分野に革命をもたらす可能性を秘めています。 しかし、次のような落とし穴がないわけではありません。

1. セキュリティとプライバシー

ナレッジ管理で使用される生成 AI システムには、機密情報や取り扱いに注意が必要な情報が含まれている可能性があります。 そのため、サイバー脅威から確実に保護することが非常に重要です。 さらに、特に AI が個人情報や識別情報を含むコンテンツを生成する場合、プライバシーに関する懸念が生じる可能性があります。

たとえば、生成 AI は、現実のように見えるマルウェアやフィッシング攻撃を作成することができます。 これらの攻撃は、個人情報、財務データ、その他の機密情報を盗むために使用される可能性があります。

2. 品質と正確性

生成 AI モデルは印象的な出力を生み出すことができますが、その品質と精度は入力データとタスクの複雑さによって大きく異なります。 「garbage in, garbage out (ごみを入れればごみしか出てこない)」という古いことわざは今でも当てはまります。 また、AI が正確で最新の情報にアクセスできるようにすることも難しく、AI が生成する情報の質に影響を与える可能性があります。
たとえば、ChatGPT の学習データはインターネットから収集され、定期的に更新されます。 しかし、ChatGPT の現在のバージョンは、2021 年 9 月までに収集されたデータに基づいて学習されています。 このため、2021 年 9 月以降の時事問題や話題になったことに関する質問には、ChatGPT では答えられない可能性があります。

3. データの偏り

生成 AI モデルは、学習データに存在する偏りや偏見を不注意に反映し、偏った結果や不正確な結果をもたらす可能性があります。 このデータの偏りは、正確さが重要なナレッジ管理用途では特に問題となります。
たとえば、あるモデルが主に米国のテキストのデータセットで学習された場合、そのモデルは他の国の人々に関連するテキストを生成する確率が低くなる可能性があります。

生成 AI により、組織は、質の向上、魅力的なコンテンツ、自動化を通じて、ナレッジ管理を強化することができます。 しかし、その過程には注意点もあります。 組織のナレッジ管理で生成 AI の活用を成功させるために必要なことについて説明します。