多様なチームがより良いデータを生み出す

しかし、データ品質には、同じように、いやそれ以上に重要でありながら、テクノロジーで解決できる問題に優先して見過ごされがちな、完全性やバイアスという側面がある。

この問題に対処する最善の方法は、性別、民族、年齢、国籍、学歴、ビジネスの専門知識など、できるだけ多様なデータチームを編成することだ。

データ主導型企業は業績を上げる

ここ数年、データに基づいた意思決定を行う企業がより多くの利益を上げていることが、数多くの研究で明らかになっている。例えば昨年、600社以上を対象に行われたIDCの調査によると、成熟したデータ活用の結果、収益が3倍向上し、新製品や新サービスの市場投入までの時間が3倍近く短縮され、顧客満足度、利益、業務効率が2倍以上向上する可能性が高いことが示された。

また、ハーバード・ビジネス・レビューとグーグル・クラウドが3月に実施したビジネスリーダーを対象とした調査では、データとAIのリーダー企業は、業務効率、収益、顧客ロイヤルティと顧客維持、従業員満足度、ITコストの予測可能性において、他社を大きく上回っていることが示された。

経営幹部も注目している。セールスフォースが今春、約1万人の経営幹部を対象に発表したグローバル調査によると、80％が組織の意思決定にデータが不可欠だと回答し、73％がデータは不確実性を減らし、正確性を向上させるのに役立っていると答えている。

多様性はビジネスに役立つ

さらなる研究によると、多様性は業績の向上にもつながり、多様性のあるチームはより革新的で、より良い意思決定を行い、定着率が高いことが示されている。そして現在、ほとんどの企業がダイバーシティとインクルージョンの価値を理解している。

今年2月に発表されたPwCのレポートでは、グローバル企業の85％がダイバーシティ、エクイティ、インクルージョンを価値観や優先事項として掲げている。そのうち46%は人材の獲得と維持のため、20%は業績達成のため、13%は評判向上のため、11%は規制要件の遵守のためであった。

しかし、多様性の目標を達成できている企業はほとんどなく、データサイエンスはこの点で最悪のセクターのひとつである。

ジッピアの最新の数字によると、米国のデータサイエンティストのうち女性はわずか20％しかいない。米国人口の19％がヒスパニック系であるにもかかわらず7％しかおらず、人口の12％がアフリカ系アメリカ人であるにもかかわらず4％しかいない。

「多様性のあるチームでなければ、さまざまな生活経験に気づく可能性は低くなります」と、法律サービス会社クリオの意思決定科学シニア・ディレクター、ニカ・カビリ氏は言う。

また、経営幹部が多様なチームの雇用を約束するだけでは不十分だと彼女は付け加える。

「多様な声のために、また、製品開発に深く反映されるような形で、個人が多様な生活体験を心地よく共有できるような場を設ける必要もあるそうでなければ、経営幹部は表面的な偏見に対処するだけで、本来あるべき姿にほど遠い製品を作ることになる」と彼女は言う。

ジェネレーティブAIや大規模言語モデル（LLM）の登場により、このことは特に重要であると、ジェンパクトのAI・MLサービス担当副社長兼グローバルリーダーのスリーカント・メノンは言う。これは学習データが集中しているためだろう。例えば、モデルは他の言語よりも英語が得意だ。

「さまざまな地域から多様なチームを編成することで、このようなバイアスを修正することができます」と彼は言う。同様に、民族、性別、その他の特徴の多様性は、データオンボーディングのためのより倫理的な枠組みを作るのに役立つだけでなく、思考の多様性をもたらすことができる。

例えば彼のチームでは、20～30％が純粋な数学や統計のバックグラウンドを持っているという。残りは他の分野の出身者だ。「バイオインフォマティクスの専門家も働いている。「異なるバックグラウンドが役立っている」と彼は言う。

AIはデータの偏りの問題を増幅させる可能性があり、それは致命的な結果につながる可能性があると、ティム・バーナーズ＝リーが設立したインラプト社でデジタル信頼・倫理担当副社長を務めるダヴィ・オッテンハイマーは言う。

例えば、初期の画像認識システムは黒人の顔を非人道的に誤分類していた。また、AIシステムの中には、黒人の手は銃を持っているが、白人の手は持っていないとラベル付けするものもあった。

「チームに多様性がないと、罪のない人々が殺されてしまう可能性がある」と彼は言う。

金融機関や公益企業にサービスを提供するデータ会社、ブラストポイントの共同設立者でCEOのアリソン・アルバレスもこう付け加える。

「エンジニアリングの世界では、多様性のないチームが悪い結果につながる例がたくさんある。例えば、人々が手を洗うためのセンサーが登場したとき、黒い肌を認識できなかった。多様性のあるチームがそれを作らず、多様性のあるチームが実際にテストしなかったのだ。」

しかし、性別、人種、性的指向だけでなく、多様性にはもっと多くの側面がある。多様性には、その人の国籍や、アレルギーやその他の健康上の問題があるかどうかも含まれる、とアルバレスは指摘する。

多様性には、会社での地位さえも含まれる。

「下層の人に力を与えなければ、彼らの観察力は低下してしまう」と彼女は言う。

例えば、スペースシャトル「チャレンジャー号」の事故は、現役のエンジニアが打ち上げ前夜を含めて2年間もシールの信頼性について警告していたため、防げた可能性がある。元マイクロソフト副社長のガブリエラ・シュースターは、データを見る目が一組だけだと、物事を見逃しがちだと言う。現在、彼女はWomen in CloudとWomen in Technologyの創設メンバーであり、Women Business Collaborativeのアドバイザリーボードメンバー、NerdioとMimecastのボードメンバー、Berkshire Partnersの戦略アドバイザーでもある。

「多くの場合、人々は自分の思い込みを検証するためにデータを使い、その思い込みを検証しないデータは無視する。データを見る目が十分にあれば、そのような現象は避けられる。」

しかし、そのような目はどこにあるのだろうか？

シュスターは、例えばデータサイエンスの経験が10年以上あるような人以外にも目を向けるよう企業に勧めている。「そのレベルの経験者だけを探していたのでは、多様な候補者を得られない傾向がある」

加えて、データサイエンスは急速に変化しており、AIやデータプロセスについて異なる考え方をする可能性のある新しい人材をチームに入れないのは不利になりかねないと彼女は言う。

実際、データサイエンティストは必要ないかもしれない。

「本当に必要なのは、情報を整理し、パターンを通して考えた経験のある人です。生物科学や経済学の学位を持っている人は、適切な考え方を持っているかもしれない。継続的な教育プログラムもあり、そこで特定の技術を学ばせることもできる。」

他の候補者は、社内の他部門や、データサイエンスチームが構築した製品を使用する他部門の出身者かもしれない。彼らはユーザー要件やビジネス価値を理解し、必要な専門知識を持っている。

「コンピュータ・サイエンスのバックグラウンドや情報システムのバックグラウンドがない人を排除することは、多くのCIOにとって大きな痛手となる。なぜなら、ビジネスを理解し、業界や業種を理解し、さまざまな情報を持ち込むことができる人材を見逃してしまうからだ。私は何度もそのような事態を見てきた」。

彼女はまた、複数の多様な候補者の中から選ぶことを勧める。より多くの女性を採用したいのであれば、最終候補者の中に少なくとも2人は女性を入れることだ。

「そうでないと、1人だと、人々が持っているバイアスが自然とその1人をターゲットにして出てきてしまいます」と彼女は言う。

彼女はまた、さまざまな地域の候補者を探し、多様な人材を採用するためには、面接パネル自体も多様である必要があることを勧める。

最後に、異なる経歴、異なる視点を持つチームメンバーを探しているリーダーは、既存のネットワーク以外にも目を向ける必要がある。

「人は自分のソーシャルネットワークに自分と同じような人を持つ傾向がある。自分の知り合いの外に出ない限り、多様な候補者を得ることはできない。」

フォレスターのアナリスト、キム・ヘリントンは、ネットワークの幅を広げたいと考えているリーダーたちに、LinkedInで、技術系人材を必要としている分野の多様な専門家を5人見つけ、彼らをフォローすることを勧めている。

「LinkedInで、技術系人材を必要とする分野の多様な専門家を5人見つけ、彼らをフォローすることだ。そして、自分のフィードが多様で素晴らしい声の庭になるまで、できるだけ頻繁にフォロワーをフォローすることだ。」

LinkedInのThe Algorithmic Justice Leagueから始めるといい。”people “タブでは、多様な背景を持つ人々を見つけることができるだけでなく、彼らは賢く、情熱的で、あなたやあなたのチームがテクノロジーとその落とし穴にもっと注意深くなるのを助けてくれる。

人材発掘の手段やスキル不足の見出しにもかかわらず、彼女は「誰も見つからない」と不平を言う企業を多く耳にする。

「このような話を聞くと、その言葉を信じてしまう」と彼女は言う。「しかし、そのとき私は、あなた方、あなた方のネットワーク、あなた方の過大な期待、時代遅れになりかねない人事制度や方針について、非常に多くのことを学んだ。2023年以降、あなたのバブルに多様な人材がいないという言い訳はできない」。

ヘリントンは、CIOへのアドバイスとして、”指標を自分の口に合わせる “ことを挙げている。

「これは、データへの取り組みと質の向上を目指すCIOやCDOに対する個人的なアドバイスだ。データチームの多様性、多様な従業員の定着率、データ業務に携わる多様な従業員の数、候補者の多様性、昇進率、インクルージョンと帰属意識、給与水準、リーダーシップの多様性、従業員のエンゲージメント水準などを測定し、伝えることだ。」

組織がすでに収集しているデータから始めるのも一つの方法だと彼女は言う。例えば、顧客ベースや主にサービスを提供している地域の人口統計データを収集する。[

そして、EEOC（従業員）のデータを比較し、パーセンテージを見たときにどこに不一致があるかを確認するのです」と彼女は言う。

多様性が人材を惹きつける

グラスドアの2023年ワークプレイストレンドレポートによると、米国の労働者の74％が、転職を検討する際、多様性、公平性、インクルージョンに対する企業の投資は「非常に重要」または「ある程度重要」と回答している。若者は特にダイバーシティに関心が高く、35歳以下の労働者の72％が、経営陣がダイバーシティへの取り組みをサポートしていないと思えば、内定を辞退するか、会社を辞めることを検討すると答えている。また、3分の2の人が、リーダーシップの男女比や人種比が不均衡な会社からの就職を断ると回答している。

ガートナーのアナリストであるヨルゲン・ハイゼンバーグ氏は、「私の調査から見えてくることのひとつは、チームの多様性が人材獲得におけるあらゆる種類の改善につながるということだ「異なるバックグラウンドを持つチームは、より成功し、より創造的である。」と言う。

技術の枠を超える

データサイエンス・チームに多様な意見を取り入れることの大きなメリットの1つは、問題に対する純粋に技術的な解決策を超えたところに目を向ける機会が増えることだ。

「データとAIには、同じ経歴、同じ教育を受けた人が多く、技術中心のアプローチが主流です」とハイゼンバーグ氏は言う。

データチームが、データ管理、データガバナンス、高度なアナリティクスといったテクノロジーに、予算、時間、人材の大半を費やしているのはそのためだ。

しかし、成功を加速させ、予測する主な要因は、データ主導の文化を確立することである。

「そのため、ガバナンスやツール、テクノロジーに多くの時間を費やしている。そして、それは同じような経歴や経験を持つ同じような人たちが集まった結果であり、非常にサイロ化している。」

ガートナーの調査によると、変化を受け入れるための文化的な課題は、ビジネス株主のサポート不足と並んで、スタッフ不足、資金不足に次いで、成功への3番目に大きな障害となっている。

「私がクライアントに伝えているのは、データとアナリティクスに取り組む際には、テクノロジー中心のアプローチと人間中心のアプローチのバランスを取る必要があるということだ。」