サプライチェーンの「DX」という言葉がメディアで日々取り上げられる一方で、「どこから 手をつけて良いのかわからない」「どんな体制が必要なのか」といった 声が多く聞かれます。遅れていると指摘される日本の DX をどう進めて いくべきなのでしょうか。現場起点で AI 活用に取り組み、全社的に AI 活用を推進しているヤマハ発動機株式会社の大西 圭一氏とダイハツ 工業株式会社の太古 無限氏に、DX を推進するプロジェクトをどう立ち上げ、どう広げていったのかを聞きました。
“COVID-19 について他社ほど重圧を感じなかったのは間違いなく DataRobot MLOps のおかげです。 MLOps でパフォーマンスの変化に気付いたときは、すべてを自動的に DataRobot AutoML に戻して、モデルの比較結果と、現状に基づく対策を確認するだけで済みました。そのため不安はほとんどありませんでした”
将来におけるビジネスはAI および機械学習で左右されます。しかし、多くの場合においてデータサイエンスへの投資に見合うほど活用できていません。それは、機械学習モデルを本番環境にデプロイし、それらを監視および管理するだけのスキルもリソースも持ち合わせていないことが主な原因です。
機械学習のビジネス利用は当たり前となり、MLOpsという概念、思想も段々と認知が進んできていますDataRobotはMLOpsのコミュニティを運営する一方、DataRobot MLOpsという製品をリリースしていきます。機械学習モデルのビジネス実装を無数に手がけてきたDataRobotならではの経験が反映された製品の一端をご紹介いたします。
機械学習プロジェクトは、モデルを作成し、デプロイをする事で完結するわけではありません。機械学習モデルに特有の運用監視を正しく行うことで、モデルの性能低下を防ぎ、またよりビジネスに即したモデルへと進化させていくことができます。この技術の集積体であるMLOpsをご紹介します。
登録解除リンクをつかうことで、全てのDataRobotからのメールでのご連絡を解除可能です。DataRobotはお客様の個人情報保護に取り組んでいます。DataRobotの個人情報の取り扱いについての詳細は Privacy Policyをご覧ください。
