
(写真:Getty Images)
DX(デジタル変革)をけん引する技術として存在感を高める人工知能(AI)。中核となる機械学習モデルは一度つくって導入すれば終わりではない。業務で使いながら継続して育てていくことが重要だ。それには、運用保守フェーズで継続的に改良するためのプロセス変革が不可欠である。この取り組みやプロセスの自動化基盤を「MLOps」と呼ぶ。具体的にどのような仕組みや基盤を整えればよいのか。先行事例や有識者の提言を基に探る。
「一度つくって終わり」は通用しない
DX(デジタル変革)をけん引する技術として存在感を高める人工知能(AI)。中核となる機械学習モデルは一度つくって導入すれば終わりではない。業務で使いながら継続して育てていくことが重要だ。それには、運用保守フェーズで継続的に改良するためのプロセス変革が不可欠である。この取り組みやプロセスの自動化基盤を「MLOps」と呼ぶ。具体的にどのような仕組みや基盤を整えればよいのか。先行事例や有識者の提言を基に探る。
[Part 1]
機械学習(ML)モデルは本番稼働させた後、精度が下がっていくケースがある。日本郵船はモデルを継続的に改良する「MLOps」の仕組みを整えた。人工知能(AI)をビジネスに活用するうえで、MLOpsは必須だ。
[Part 2]
機械学習(ML)モデルの本番稼働後に精度を継続して高める。それには、精度監視や再トレーニングなどのプロセスの自動化が不可欠だ。ヤマト運輸、SUBARU、クックパッド、三菱ガス化学の取り組みを紹介する。
[Part 3]
本番導入後もモデルを改良していくには運用保守プロセスの変革が不可欠だ。エンジニアの負担軽減なくして、改良の継続は不可能である。鍵となる「自動化」と「業務への組み込み」について解説する。