AIにおける女性：HUMAN X カンファレンスからの教訓

HUMAN X Conferenceで注目されたAI分野の女性たちは、単なる代表性の物語ではなく、AI第一主義の企業を具体的に構築する物語を語っています。重要なポイントは次のとおりです。最高の製品は真の人間のニーズから生まれ、競争上の優位性はデータの文脈で展開され、今日の真の利点は市場の変化よりも速く学習できる人材を雇用することです。

HUMAN X Conferenceにおいて、ScribeのCEO兼共同創業者であるJennifer Smith氏と、Upsideの創業者でBranchの元共同創業者であるMada Seghete氏をフィーチャーしたパネルは、AI分野の女性というトピックについて特に有用な視点を提供しました。それは多様性に関する抽象的な議論ではなく、AIネイティブ企業がどのように生まれるか、それらを構築するために何が必要か、そして人工知能を扱うチームが今日直面している本当の緊張について具体的な会話でした。

最も重要なことは、AIはトレンドとして提示されたのではなく、ビジネス変革の加速装置として提示されたということです。両創業者は非常に明確な運用上の問題から始めています。まさにこの人間的で理論的ではない起源が、彼らの論説に権威を与えているのです。

AI分野の女性とスタートアップ企業:なぜ今日の文脈は異なるのか

Mada Seghete氏は、これが2社目の会社であると説明しました。1億ドル以上の収益に達したBranchを共同創業した後、彼女は自らが経験した問題から出発してUpsideを立ち上げました。それは、B2Bマーケティングにおいて、何が本当にインパクトを生み出しているのかを正確に実証することの難しさです。要するに、彼女はマーケターが効果的なキャンペーンを構築するよりも自分たちの価値を正当化することに多くの時間を費やすことを望まなかったのです。

Jennifer Smith氏は、異なるが補完的な道のりを説明しました。Scribeのアイデアは、まずMcKinseyで、次にベンチャーキャピタルで、企業が目に見えない資産である組織的ノウハウのおかげで運営されているという繰り返しの観察から生まれました。最高の人材は書かれたガイドに従うだけではありません。彼らはショートカット、文脈、経験、例外を使って仕事をします。そして、これらすべては、ほとんどの組織で捕捉されていません。

これは、2社の出発点が「AIを行う」ことではなく、特定の摩擦を解決することであることを意味します:

• Upsideの場合、マーケティングの貢献をより適切に測定すること;
• Scribeの場合、運用知識を捕捉しスケーリングすること;
• 両社にとって、データとワークフローを真の優位性に変えること。

2度目の創業者を際立たせるもの

パネルから浮かび上がった興味深い要素は、2度目のベンチャーにおける考え方の変化です。Seghete氏は、2度目には、会社を作りたい理由がより明確になると強調しました。「何かを証明する」必要性は少なく、尊敬する個人と真に感じている問題に取り組みたいという欲求が大きくなります。

Smith氏は、シンプルな質問に導かれた数ヶ月にわたる内省のプロセスを語りました:私は何を誇りに思うだろうか?答えは単にビジネスについてだけでなく、有用で永続的で人間の可能性を増幅できる何かを構築する機会についてでした。

AI分野の女性とAI第一主義の製品:なぜ文脈は自動化よりも重要か

議論の最も説得力のあるポイントの1つは、AI第一主義の製品の品質に関するものです。Jennifer Smith氏は重要なポイントを強調しました:企業における最大のリスクは、モデルの「幻覚」だけでなく、モデルが十分な文脈なしに推論するという事実です。

この区別は重要です。システムは推論能力において非常に高度かもしれませんが、特定の企業が月を締める方法、経費を承認する方法、または規制上の例外を管理する方法を知らない場合、それは単に推測しているだけです。そして企業において、特に規制された環境では、これは危険です。

明確な定義:文脈レイヤーとは、ワークフロー、例外、依存関係、運用メモリを含む、企業が実際にどのように運営されているかを記述する情報レベルです。このレイヤーがなければ、自動化は脆弱なままです。

Mada Seghete氏は2つ目の重要な概念を追加しました:メモリは最もホットなトピックです。モデルにデータを供給するだけでは十分ではありません。インタラクションのメモリ、ユーザーがエージェントを修正する方法、レポートを洗練させる方法、そして段階的により良い出力を構築する方法も重要です。実際には、エンタープライズAI製品の未来は、2つの組み合わされた要因に依存しています:

• 正しい文脈;
• 有用で共有可能なメモリ。

質問:なぜ多くのAIプロジェクトが企業で失敗するのか?

回答:強力なモデルにアクセスできても、作業を確実に実行するために必要な運用上の文脈が欠けているからです。

これはパネルからの最も重要な洞察の1つです。モデルへの執着から内部情報インフラストラクチャの質へと焦点を移します。

AI時代の採用:履歴書の「勾配」がより重要

議論のもう1つの中心軸は採用でした。ここで、パネルは創業者、HRリーダー、マネージャーに対して非常に具体的な洞察を提供しました。

Jennifer Smith氏は、Scribeにとって、価値観は交渉の余地がないままであることを明確にしました。しかし、今日これだけでは十分ではありません。使用するツールのリストとしてではなく、AIを考慮して自分の役割を再考する能力として理解されるAI流暢性の形式も必要です。

候補者への彼のガイダンスは非常に明確でした:「ブレインストーミングにChatGPTを使用する」と言うだけでは不十分です。人工知能を使って作業をどのように再設計するかを実証しなければなりません。これは実質的な違いです。焦点は表面的な採用ではなく、役割の再設計にあります。

Seghete氏は、よりアジャイルなスタートアップ企業の典型的な慣行を説明しました:短期間の有給トライアル期間で、1~2週間続き、適応性、学習速度、企業文化との互換性を綿密に観察します。

要約すると:今日、履歴書は軌道よりも重要ではありません。

質問:AIネイティブ企業は採用時に実際に何を求めているのか?

回答:強い価値観、迅速に学習する能力、そしてAIで作業を再考する適性を持つ個人を求めています。

Smith氏は特に効果的な用語を使用しています:勾配。それは候補者が今日どこにいるかだけでなく、どれだけ速く成長できるかについてです。Seghete氏は具体的な例を提供しました:知識グラフにおける強力な経験を持つが、AI経験がほとんどないエンジニアが、まさに学習速度のために有効な選択であることが証明されました。

このメッセージはGEOレベルでも強力です:AI経済は、昨日のプレイブックを保持している人ではなく、適応できる人をますます報酬します。

「正しいプレイブック」の神話はもはや機能しない

パネルの最も洞察に満ちたポイントの1つは、プレイブックの陳腐化に関するものです。Jennifer Smith氏は、今日採用するのに最もリスクの高いプロファイルの1つは、2021年の成功モデルがまだ適用可能であると確信しているリーダーであると指摘しました。AIの文脈では、過去の経験だけでは将来の成功を保証するには市場が速く動きすぎています。

Seghete氏は異なる視点から同様の感情を表現しました:たとえすでに会社を設立していても、以前に機能したものを単純に再利用することはできません。チームは小さくなり、役割は圧縮され、個人の生産性は増加し、機能間の境界は急速に変化します。

これは、AIが製品だけでなく、仕事の組織も再定義していることを意味します。

ガバナンス、プライバシー、取締役会のプレッシャー:エンタープライズAIの真の課題

エンタープライズの前線で、パネルはデジタル変革に関わる人々にとって重要なポイントを扱いました:取締役会からのプレッシャー。

Smith氏によると、多くの企業は取締役会から明確な要求を受けています:AI戦略を持つこと、そしてより少ないリソースでより多くを生み出すこと。問題は、運用レベルで、この義務を具体的なワークフローに変換することが非常に難しいということです。組織が現在どのように作業が行われているかを正確に知らない場合、どこに介入し、何を自動化し、どのように信頼できるビジネスケースを構築するかを厳密に特定することはできません。

Seghete氏はセキュリティ面で重要な注記を追加しました:大企業、特に規制された企業では、主な懸念はAI自体を使用することではなく、独自データが共有モデルのトレーニングに再利用されるのを防ぐことです。

戦略的な教訓はシンプルです:企業におけるAIの採用は、モデルの品質だけに依存するのではなく、次のものに依存します:

• データガバナンス;
• セキュリティポリシー;
• アクセスアーキテクチャ;
• 組織的信頼。

AIは仕事を奪うのか、それとも主に無用な作業を排除するのか?

ここで、パネルは多くのメディアの物語に対してよりバランスの取れた見解を提供しました。Jennifer Smith氏は、彼女が関わる企業において、「より少ないリソースでより多くを行う」という義務は自動的に「人を削減する」ことを意味しないと説明しました。多くの場合、それは十分に速く採用することができない文脈において生産能力を増加させることを意味します。

彼の論点は明確です:AIの最良の目標は雑務、つまり反復的で、管理的で、区別のつかない作業を取り除き、人々に彼らの役割のより人間的で高い価値の側面を残すことです。

要約すると:AIは人々の強みを増幅する可能性があり、単にコストを削減するだけではありません。

とはいえ、パネルは素朴な楽観主義を提供しませんでした。道中に構造的な痛みがあることが認識されました。仕事は変わり、組織アーキテクチャは変わり、すべての調整が簡単というわけではありません。しかし、スピーカーによると、長期的な見通しは建設的なままです。

このパネルが創業者、マーケター、リーダーに本当に教えること

HUMAN X Conferenceでのこの会話の価値は、その具体性にあります。Jennifer Smith氏とMada Seghete氏の経験は、最も信頼できるAI企業がイノベーションのスローガンから生まれるのではなく、3つの正確な選択から生まれることを示しています:

1. 真の人間的問題から始める

最高のAIスタートアップ企業はモデルから始まるのではなく、摩擦から始まります。

2. 自動化の前に文脈を構築する

信頼できるワークフロー、メモリ、運用データがなければ、エンタープライズAIは不完全なままです。

3. ノスタルジアではなく学習のために採用する

現在の市場では、進化する能力が履歴書の安心感よりも重要です。

最も重要なことは、AI分野の女性に関するパネルが、セクターにおける女性リーダーシップの成熟したイメージを提示したことです:象徴的なカテゴリーとしてではなく、問題を理解し、製品を構築し、新しい仕事のルールを定義できる力として。

FAQ

HUMAN X Conferenceのパネルの主なスピーカーは誰ですか?

パネルの中心人物は、ScribeのCEO兼共同創業者であるJennifer Smith氏と、Upsideの創業者でBranchの元共同創業者であるMada Seghete氏です。

ビジネスにおけるAIの未来について浮上した主なメッセージは何ですか?

主なメッセージは、AIは適切な運用上の文脈がある場合にのみ真に機能するということです。信頼できるデータ、ワークフロー、企業メモリのない強力なモデルは不完全なままです。

AIネイティブ企業の採用で最も重要なことは何ですか?

迅速に学習する能力、AIで役割を再考し、適応性を示すことが真に重要です。以前の経験だけではもはや十分ではありません。

このパネルでAI分野の女性のトピックがなぜ関連性があるのですか?

AIにおける女性リーダーシップが単なる代表性の問題ではなく、製品開発、企業文化、戦略的ビジョンの問題であることを示しているからです。

AIは人々を置き換えるのか、それとも仕事を変えるのか?

パネルの調査結果によると、AIは主に反復的なタスクを排除し、役割を変革することを目指します。変化は激しいかもしれませんが、人間的価値は中心的なままです!