「AutoML」(自動機械学習)をうまく活用すれば、データサイエンティストの業務負荷を軽減できる可能性がある。ただし他の技術と同様、AutoMLは万能ではない。
データサイエンティストの作業の一部を自動化、または拡張するために、機械学習モデルの設計や構築を自動化する「AutoML」を使用すれば、成功するチャンスがある。データサイエンティストチームの代替を目的にしたり、一晩で結果が得られることを期待したりすると、AutoMLに失望することになるだろう。
選択すべき手段は、企業の目的や目標、解決したいプロジェクトによって大きく異なる。AutoMLを使用して実現できるのは「手動や手書きのコードでは不可能な大規模なことを試せることだ」とテクノロジーサービス企業Clairvoyantで最高技術責任者(CTO)を務めるシェックハー・ベムリ氏は言う。
自然言語処理を扱うPrattleでCEOを務めるエバン・シュニッドマン氏も同様に、AutoMLがデータサイエンティストを支援するツールである点を強調する。成熟したデータサイエンティストチームを抱える企業は「AutoMLの真の価値を引き出す準備が整っている」とシュニッドマン氏は指摘する。AutoMLはデータサイエンティストの能力の延長線上にあるためだ。
「これまでできる限りのことを手動でこなしてきた企業に、AutoMLはうってつけだ」と、調査会社Gartnerでデータサイエンスとビジネス分析のシニアディレクター兼アナリストを務めるカーリー・イドイン氏は話す。「AutoMLを使って先入観を取り除けば、これまで考えもしなかったことが確認できるようになる」とイドイン氏は考えている。
企業がAutoMLをデータサイエンティストチームの代わりになると考えていたり、人工知能(AI)システム開発の唯一のポイントとしていたりする場合、AutoMLの使用によって得られるメリットは限られる。AutoMLはAI戦略の1ステップでしかない。厳しい規制を受ける企業や最近施行されたデータ保護規則の影響を受ける企業にとっては、特にそうだ。
Copyright © ITmedia, Inc. All Rights Reserved.
意思決定や計画、行動を自律的にこなす「AIエージェント」に対する関心が高まる一方、実装に向けては、データの正確性やアクセスの制御など、多くの課題が立ちはだかる。その解決策や、代表的なユースケースなどについて、詳しく解説する。
ビジネスにおける生成AI活用が広がる中、コンタクトセンターでも生成AIを使って業務改善につなげる動きが加速している。オペレーターと顧客とのやりとりに生成AIを活用することで、どのような成果が生まれるのか。本資料で解説する。
サイバーセキュリティの領域でもAIの活用が進む中、経営層と現場には、大きなギャップが生まれているという。本資料では、サイバーセキュリティの専門職1000人を対象にした調査の結果から、AI導入の現状と課題を解説する。
生成AIの登場以降、多くの企業が、生成AIの活用によって顧客と従業員の満足度を向上させる方法を模索している。本資料では、生成AIでカスタマーエクスペリエンスを変革するために取るべき重要なステップを解説する。
自動車業界は、多数の国・地域にまたがるサプライチェーンで構成される。それだけに、正確なコミュニケーションは重要な課題の1つだ。その解決策として注目される、DeepLが提供する言語特化型AIはどのように自動車業界を支えるのか。
「テレワークでネットが遅い」の帯域幅じゃない“真犯人”はこれだ
ネットワークの問題は「帯域幅を増やせば解決する」と考えてはいないだろうか。こうした誤解をしているIT担当者は珍しくない。ネットワークを快適に利用するために、持つべき視点とは。
「サイト内検索」&「ライブチャット」売れ筋TOP5(2025年5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5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5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...