Esri の ArcGIS を使用して組織内で AI を活用すると、意思決定、業務の効率化、お客様への取り組みが大幅に向上します。 ただし、データ セキュリティ、規制の遵守、業務の即応性を維持しながら、技術が価値をもたらすようにするには、適切に構造化された手法が不可欠です。
機会と課題
人工知能には、革新の推進、意思決定の強化、業務の合理化により、組織を変換させる可能性があります。 ただし、独自の課題もあり、実装を成功させるためには対処しなければなりません。
強化された意思決定とデータ品質: ArcGIS の AI ツールは、複雑な地理空間データを解析して、実用的な情報を生成できます。 しかし、精度は適切に分類された高品質のデータによって決まります。 組織は、ArcGIS のデータ管理ツールを活用して、データの整合性と多様性を確保する必要があります。
業務の効率化と統合の複雑さ: AI による自動化は、ArcGIS ワークフローの生産性を向上します。 しかし、これらの機能を (API、コンテナー化された配置、またはサンドボックス環境を使用する) 既存システムと統合すると、追加のテクニカル リソースと計画が必要になる場合があります。
顧客体験の向上と倫理的懸念: AI から得られる情報により、サービスをカスタマイズし、意思決定を改善できます。 ただし、AI 透明性カードなどの透明性ツールを使用し、潜在的なバイアスを監視および軽減して、倫理的かつ適切な結果にする必要があります。
革新およびスケーラビリティとコストおよび労働力の準備状況: Esri の統合 AI ソリューションは革新を実現し、組織のニーズに対応できます。 それでも、組織は従業員のトレーニングに投資する必要があり、システムのカスタマイズと統合に関連するコストが生じる場合があります。
セキュリティとコンプライアンス: ArcGIS 製品は、GDPR や CCPA などの規制を満たすことができるビルトイン セキュリティ機能 (暗号化、安全なアクセス制御、セキュリティ ツール) を提供します。 信頼を維持し、機密データを保護するには、セキュリティ設定の定期的な確認と更新が不可欠です。
組織の準備
組織が AI を実装できる状態かを確認することは、インフラストラクチャの機能、データのセキュリティ ポリシー、労働力の準備を評価することです。
AI 使用ポリシー: 許容される使用の例や制限されるアクションなど、AI アシスタントの使用に関する内部ポリシーを定義します (AI が機密データを取り扱わないようにするなど)。
ArcGIS では、組織チームが GIS ソリューションを規模に応じて迅速に構築および実装するのに役立つ複数の AI アシスタントを使用できます。 組織がこれらのツールの使用を開始する準備ができたら、ArcGIS Online 組織の管理者は、組織のメンバーが AI アシスタントを使用できるようにすることができます。「AI アシスタントの構成 - ArcGIS Online ヘルプ | ドキュメント」をご参照ください。
使用例の定義: 関係者とのブレインストーミング セッションを開催して、AI アシスタントの機会を正確に特定します。 例: 一般的なワークフロー、データ、インフォグラフィックス レポートを推奨する生産性ツールとして Business Analyst の AI アシスタントを活用します。 Esri のお客様が現在サポートされている AI を活用している次の使用例をご参照ください。
データ管理
高品質なデータは、すべての AI イニシアティブの基盤です。 このデータを効果的に管理することにより、モデルは、プライバシーおよびセキュリティ標準に従いながら、正確に実行できるようになります。
データの収集と準備: AI モデルのトレーニングおよび配置用に、関連性のある高品質なデータをコンパイルします。 データがクリーンかつ最新で、予測される使用例を代表するものであることを確認します。
ArcGIS Data Reviewer を利用して、AI の対話機能の前に欠損データ、一貫性のないデータ、エラーのあるデータなどを特定します。
データ ガバナンス: データのプライバシー、セキュリティ、および該当する法律の遵守を優先するデータ ガバナンス ポリシーを作成および適用します。 重要な情報を保護するための堅牢なアクセス制御を実装します。
組織用のメタデータを有効化して、標準的で構造化された方法で、説明、タグ付け、分類します。 ArcGIS は、複数のメタデータ分類方法を提供します。これは、メタデータ (ArcGIS メタデータ カテゴリ) を使用して組織のデータセットを分類するオンボード組織に簡単に適用できます。 構造化された規制準拠の要件がある組織も、ISO メタデータ カテゴリと INSPIRE メタデータ カテゴリを利用できます。
既存システムとの統合: AI ソリューションが現在の GIS インフラストラクチャと統合できるようにします。 これには、データ形式の標準化およびさまざまなシステム間の相互運用性の確立が含まれる場合があります。
以下の図 1 で示すように、AI が提供する知見に基づいて実行する前に、人的資源が最終チェックを行えるようにする「人間参加型」AI の使用上の要件を確立します。
AI システムの最適化
事前トレーニング済みモデルの活用: 事前トレーニング済み AI モデルの ArcGIS ライブラリを利用して、実装を円滑に進めます。 これらのモデルは、フィーチャ抽出や画像分類など、さまざまなタスクに適用できるため、モデル開発に必要な時間が短縮され、リソースが削減されます。 以下をご参照ください。
カスタム モデル開発: 特別なニーズ向けに、ArcGIS の GeoAI ツールを使用してカスタム AI モデルを開発およびトレーニングします。 このアプローチにより、ソリューションをカスタマイズして、独自のビジネス上の課題やデータセットに対処できます。 GeoAI を使用したカスタム AI モデルの実装の詳細については、「GeoAI ツールボックスの概要 - ArcGIS Pro | ドキュメント」をご参照ください。
AI の成功の維持
継続的な監視と改善: 安全で効率的なシステムを維持するためには、AI の対話機能を定期的に監視することが必要です。 AI アクティビティの使用状況ログを定期的にチェックし、ArcGIS Trust Center の Security and Privacy Adviser に問い合わせて、現在のセキュリティおよびプライバシーのベスト プラクティスに適合できるようにします。 さらに、インシデント レポートの内部プロセスを確立して、予期されるパフォーマンスからの逸脱をすぐに記録して対処できるようにします。
ユーザー トレーニングとサポート: 効果的に AI ツールを使用して結果を解釈するために、継続的なトレーニングをスタッフに提供します。 サポート チャンネルを確立して、AI アプリケーションのトラブルシューティングおよび最適化でユーザーを支援します。 GeoAI とディープ ラーニングの両方をカバーする、以下のトレーニング サービスをご検討ください。
責任のある AI 手法
倫理に関する検討事項および透明性: AI 透明性カードの確認は、基になる前提、データ入力、各 AI アシスタントの潜在的な制限事項を理解する上で不可欠です。 これらのカードの情報を使用して、内部ガイドラインとトレーニング資料を更新し、AI 動作のニュアンスについてすべての関係者に通知するようにします。 透明性カードの各フィールドに関するその他の詳細については、透明性カードの構造のドキュメントをご参照ください。
情報の検証: AI は人間の意思決定の代替ではなく拡張として機能しなければならないため、AI 生成した提案をお客様が検証することが重要です。 さらに、ユーザーは、AI アシスタントは正しくない結果を生成する可能性があることに注意する必要があります。 精度を維持し、AI アシスタントの出力に対する信頼を築くには、AI の回答をクロスチェックすることが重要です。