全3012文字
PR

 今回取り上げる悩みはこちらだ。

ユーザー企業のシステムエンジニアからの悩み
当社ではDX(デジタルトランスフォーメーション)の取り組みの一環として、機械学習モデルの開発プロジェクトを幾つか走らせています。「MLOps」というキーワードに象徴されるように機械学習モデルは導入した後、継続的に改良していくのが重要だと理解していますが、従来システムと同様に「開発して導入したら後は細々と保守をする」のが実情です。継続的に改良していく仕組みを整えるには予算取りやアジャイル開発の本格導入、モデル保守の基盤構築などハードルが高いと感じています。どのように進めたらよいのか、思案しています。
(出所:123RF)
(出所:123RF)

従来の保守・運用のやり方は通用しにくい

 最初にズバリ申し上げたい。

 MLOpsのような新たな開発・保守の方式を本気で導入するならば、いきなり内製化を目指したり、既存の保守ベンダーに頼ったりする発想は捨てたほうがよい。なぜなら、従来のウオーターフォール型かつ請負型(指示待ち型)の仕事のやり方、マインドセット、スキルと相いれない部分が大きいからだ。

 MLOpsは、仕事の進め方も、考え方も、カルチャーも「DevOps」や「SRE(Site Reliability Engineering)」のようなものに近い。いきなり100点を目指すのではなく、トライアル・アンド・エラーを繰り返しながらモデルだけでなく担当者自身も学習を重ね、継続的に改善と改良のサイクルを回していく。そのアプローチが求められる。

 そのやり方に適応できる人材が社内、および現在システム保守を任せているベンダーにどれだけいるか。

 DevOpsであっても、Dev側すなわち開発者は意欲的だが、Ops側つまり保守・運用者サイドが及び腰でうまくいかないケースを筆者自身も複数の現場で見聞きしている。言葉は悪いが、長年の下請け、指示待ち、および普段は褒められることも感謝されることもないのにミスをしたときだけつるし上げられる懲罰的な文化に染まってしまっているのだ。

 このマインドセットを変えるのは一筋縄ではいかない。たとえ、本人たちに新しいことをやりたい気持ちがあっても、思考や行動がついていかない。指示がないと思考できない。自ら動かない。そのような切ないギャップも、筆者はさまざまな下請け型の現場で見てきた。

 もちろん、技術面でのハードルもある。

 MLOpsを首尾よく回すには、機械学習の知識や技術はもちろん、データマネジメント、データモデリング、それらを横断する分析的思考やデザイン思考が求められるといってもよかろう。これらの技術や経験を持ち合わせている人が周囲にいるだろうか。百歩譲って、それらの新しい技術や新しい仕事のやり方に興味や関心がある人がいるのならばまだ望みはある。試しに、手挙げ式(社内公募など)で希望を募ってみてはいかがだろうか。それでもって誰からも手が挙がらないようであれば、マインドの面でいよいよ内製は望み薄であろう。

 悩みの内容を見る限り、質問者の組織はアジャイル開発の導入もハードルが高いとのことである。アジャイルな仕事の進め方そのものを経験した人、アジャイルなマインドを持った人は少数派ではないか。なおのこと、スピード感を持ってDevOpsやMLOpsのような新たな開発・保守の方式を取り入れたいのであれば、内製や既存ベンダーの参画は諦めたほうがよい。技術は時間をかければモノになるかもしれないが、組織カルチャーやマインドの変化は一筋縄ではいかない。まずもって、予算の意思決定者や責任者のマインドを変える必要もある。時間をかけても変わらない人もいる。これは相性や適性の問題である。