機械学習モデルの導入時には、その開発時とは全く異なるスキルセットが必要だ。データサイエンティストとエンジニアリングチームはこのギャップを埋める準備をしなければならない。
機械学習AI（人工知能）アルゴリズムの開発時と、機械学習の運用環境への導入時では、企業が直面する課題が異なる。機械学習の開発は試験と探究のプロセスだが、導入においては安全でしっかりと管理された一貫性のある結果が求められる。
開発段階では、正確さを求めて最適なアルゴリズムにすることを目指す。アプリケーションプラットフォーム監視製品を販売するベンダーAppDynamicsでデータサイエンス部門の最高技術責任者（CTO）を務めるジャンフランソワ・ユアール氏は「研究とは本質的に実験なので、失敗が許される」と話す。
導入段階では、機械学習モデルが社内外の顧客に公開される。この段階では制約が増え、一層高いレベルの正確さとパフォーマンスが求められる。また、導入のコストや規模を管理するのは非常に難しく、膨大なコストがかかる可能性もある。
「運用と導入では、研究段階では見受けられなかったコスト、リソース、新しいパターンのデータなど、多くの制約が生じる。その理由の1つは研究では全ての可能性を探ることができない点にある」（ユアール氏）
機械学習を運用環境に導入する際の最も大きな課題の1つが、非構造化データの扱いだ。モデルを運用環境に導入するのが難しいのは、統制された研究室で運用モデルのトレーニングを実施したときよりも、本番の運用環境の方が多くの非構造化データやさまざまなデータ型に遭遇する可能性が高いためだ。
「運用環境には、予期しないデータや状況が数多く存在する」とユアール氏は話す。
Copyright © ITmedia, Inc. All Rights Reserved.
生成AIを活用して業務や顧客体験の再構築を進める動きが活性化しているが、その多くが、PoCやラボ環境の段階にとどまっている。なぜなら、生成AIの可能性を最大限に引き出すための、インフラのパフォーマンスが不十分だからだ。
昨今のソフトウェア開発では、AIコーディングアシスタントの活用が主流になっている。しかし、最適なコーディングアシストツールは、開発者や企業によって異なるという。導入の際は、どのようなポイントに注意すればよいのか。
生成AIの活用にはデータベースが重要となるが、従来のデータベースは最新テクノロジーに対応できないなどの課題がある。本資料では、データベースをモダナイズし、生成AIを用いてビジネスイノベーションを生み出すための方法を探る。
ビジネスにおいて、検索体験およびその結果の質の向上が重要なテーマとなっている。顧客はもちろん、自社の従業員に対しても、実用的な答えをより迅速に、手間なく入手できる環境の整備が求められている。
登場以来ビジネスへの活用方法が模索されてきた生成AI。近年では業務組み込みにおける具体的な成功例が数多く報告されている。本資料では、5件の生成AI活用事例を交えて、業務に組み込む上での具体的なアプローチを解説する。
いまさら聞けない「仮想デスクトップ」と「VDI」の違いとは
遠隔のクライアント端末から、サーバにあるデスクトップ環境を利用できる仕組みである仮想デスクトップ（仮想PC画面）は便利だが、仕組みが複雑だ。仮想デスクトップの仕組みを基礎から確認しよう。
「サイト内検索」＆「ライブチャット」売れ筋TOP5（2025年4月）
今週は、サイト内検索ツールとライブチャットの国内売れ筋TOP5をそれぞれ紹介します。
「ECプラットフォーム」売れ筋TOP10（2025年4月）
今週は、ECプラットフォーム製品（ECサイト構築ツール）の国内売れ筋TOP10を紹介します。
「パーソナライゼーション」＆「A／Bテスト」ツール売れ筋TOP5（2025年4月）
今週は、パーソナライゼーション製品と「A／Bテスト」ツールの国内売れ筋各TOP5を紹介し...
ITmediaはアイティメディア株式会社の登録商標です。
