2023年8月1日、日経BP総合研究所イノベーションICTラボ主催、Digital Foresight 2023 Summerにて、「AI活用のリアル、見えてきた課題と解決策～鍵を握る「MLOps」とは～」と題しオンラインセミナーを開催しました。
定員350名のところ満員のお申し込みをいただき、当日も多くの皆様にご視聴をいただきました。
お申込み、ご参加いただきました皆様、誠にありがとうございました！
当日は、日経総合研究所イノベーションICTラボ所長 大和田尚孝様に進行いただきながら、弊社取締役執行役員常務 結束晃平、コンサルティング本部 エンジニアリンググループマネージャ 山崎宗隆がAI活用の現状や課題、MLOpsによる解決策についてお話しさせていただきました。
本イベントレポートでは、講演内容を一部をご紹介させていただきます。
目次
講演内容サマリー
AIのビジネス活用の現状と課題
AIのビジネス活用が多くの企業に広まり、実業務での長期的な取り組みとしてAIを構築・改善するケースが増えてきました。
小売業での需要予測や、金融業における与信管理、製造業での異常検知など、様々な業種や業務でAIの適用範囲が広がってきた一方で、新たな課題も見え始めています。
AIの開発フェーズでは様々なデータセットを用いて、様々な特徴量加工のパターンを試し、精度検証を繰り返します。
試行錯誤を繰り返すうちにどのデータでどの特徴量加工の組み合わせでどのような精度が出たのか、が複雑化していき、担当者ですらそれらがわからなくなってしまうことがあります。
また、実際の現場での運用フェーズでは、モデル構築時点で想定していたようなデータが日常で発生しているかを確認せずに運用していると、ある日突然想定していなかったような予測結果が出て、現場が混乱するということも起こります。
さらに、新しいデータを取り込んだり、新たな加工をすると精度が上がるという期待はあるものの、必ずしも精度が向上していない場合もあり、この点も必ず確認が必要です。
日常の業務で継続的にAIを活用していくには、様々な問題が発生しないように管理を行っていく必要があります。
課題が発生する原因
このような課題が発生する背景や原因を考えてみましょう。
AI開発の初期段階ではどのようなデータを使ってどのような手法を用いれば、精度の高いモデルを構築することができるのかがわかっていません。
そのため、試行錯誤を繰り返しながらモデルの構築をしていくことになり、特に開発段階では効率重視の進め方や体制をとることが一般的です。これによって早期に成果を確認することができるため、この段階では効率重視の進め方は問題ないといえます。
問題は一定の成果が出てからです。
PoCのフェーズから実業務での活用フェーズに進む際、AIを持続的に活用していく仕組みや体制が十分に検討されないことが、様々な課題が発生する原因となります。
累積した技術的負債やメンバー間の連携不足など、効率重視で進めていたPoCフェーズでは見えてこなかった課題が、実運用フェーズで顕在化してくるということになります。
解決策 “MLOps”
このような課題を解決できるのがMLOpsという考え方です。
MLOpsとは、AI・機械学習の持続的な開発と運用を念頭に置いた仕組みを構築すること、またはその概念全体をさす言葉です。
MLOpsによって課題をどう解決していくのか。
AIを持続的に活用するための仕組みや体制について、事例を交えて解説しています。続きはぜひ、以下のアーカイブ動画をご覧ください！
弊社のMLOps導入支援について、ダウンロード資料もご用意しています。サービスの詳細が気になる！という方はぜひダウンロードしてご確認ください。
また、本セミナーでMLOpsに興味を持っていただいた方、業務での継続的なAI活用をするための運用方法に課題を感じている方に向けて、ウェビナーも開催しております。
オンデマンドウェビナー「MLOps：AIのビジネス活用におけるベストプラクティス 第1回 MLOpsの概要と導入」
第1回では、初級編として以下の内容について解説しています。
＜アジェンダ＞
・MLOpsの基本概念と重要性の紹介
・MLOpsの全体像
・導入事例の紹介
・組織的要素におけるMLOps
※第1回の内容はDIGITAL Foresight講演内容と重複した内容も含まれています。予めご了承ください。
