ビジネスパーソンのためのデータ・AIリテラシー／⑤AIシステムの実装・運用

h_kouno

販売・サービス・事務

現在、業務側の立場でシステム開発にかかわっていましたので「実績/運用」の話は大変参考になりました。

fujii_tomohiro

その他

最終的に、モデル化したあと実際のシステムで運用可能な仕組みを構築が必要

tkumasan

人事・労務・法務

AIを業務で活用するためには、業務側もリテラシーを高め、開発者と連携しながら進めていく必要があることを学んだ。

i323

その他

分析の結果に対してアイコンでの表示の分かりやすさや理由を添えるということを意識したいと思った。
より良い分析のためには、業務側（仕様を出す側）とシステム（作る側）の連携が大事だということがわかった。

hiropin0165

IT・WEB・エンジニア

開発と業務の連携が大切な点は良く理解している。

70sp1208

その他

当社は、業務へのＡＩの活用は、行っていないが、こういったＡＩシステムの実装、運用を考えるにあたり、ＡＩの知識を深めていくことは重要だと感じた。

shun_14

販売・サービス・事務

データ統合から実装までのプロセスの間で、一貫して現場の知見が重要であることが理解できました。現場で業務を行っている立場からすると、システム構築の担当の方が何でもできると考えがちですが、どちらかというと現場の私達が必要な情報を正しい形で用意しなければ、目的にかなうＡＩの構築は難しいのだと感じました。

yuri_sudo2

その他

実装についてよくわかった

k_kennji

営業

前の方のパートであった、データの整理がとても重要で、実装後も期待の結果が返ってこなければ細かな修正を継続することが重要と感じました。

suzuzuzu

その他

大変勉強になりました

makidayo

IT・WEB・エンジニア

実際に使用する現場などの人の話を聞いて正しいニュアンスで理解することが大事なので、コミュニケーション、ヒアリングは丁寧に行う必要があると思いました。

noboru_nakazaki

マーケティング

データを活用する際には鵜呑みにせず客観的な視点を持つこと、データを掛け合わせる必要がある

stsujimura

IT・WEB・エンジニア

業務でAIを使用することを意識する。

tasu-o

コンサルタント

組織としてデータの変化について一丸で考えられる環境を整えていきたいと考えております

shin-53

メーカー技術・研究・開発

開発側まかせに陥らないように、業務を良く知った専門家が深くかかわることの重要性を知りました。

toshiton

メーカー技術・研究・開発

運用時に注意するポイントの3つ目として、運用中のデータに対応できているか？について、とても考えさせられました。ちょうど運用開始したシステムがあるのですが、AIシステムの価値を十分に発揮できていない状況であり、デプロイの際に見落としている現象がないか、もう一度、チーム一丸となって見直して行きたい。

yumetaro

建設・土木　関連職

会社の各部門が協力してAIを進めていかなければならない。

blueheater

その他

当社はAI活用において、遅れが生じているように感じる。具体的な利用シーンをイメージして実際に活用してみて、その所感や効果などを自分なりに分析してみる。

pinguino

販売・サービス・事務

AI データを活用するプロセスと留意するポイントがわかった。

yuukahm

IT・WEB・エンジニア

業務側と開発側の連携を密にしていく

kawaguchimas229

IT・WEB・エンジニア

AI活用には業務側視点が必要

rl-masayuki

その他

AIが構築できても必ずしも最適の実装はむつかしい、そのため実装するにはリアルタイムでの検証、修正等を行う必要があるためかかわる全員の協力が必要である

keiko2_nakamura

その他

今まで以上にチーム内連携が重要、ただ、それらを実現するためには、目的の明確化とそれぞれの役割の双方理解と
協業できる組織風土の構築が必要

imaiaru

人事・労務・法務

データを使う側、作る側双方が連携をとり深いものが作れると考える。

toshi-iwai

経理・財務

ITシステムを構築するには専門の情報システム部等で一環管理すれば良かったのが、AIを導入するには学習させる側と運用する業務側とのコミュニケーションが必要だと理解しました。業務側の社員もITリテラシーを身に付けることが重要ですね。復習します。

risa_sss

販売・サービス・事務

データ活用には業務側の知見も必要になるため、開発する側と業務を行う側での連携は重要である

taka1962

販売・サービス・事務

モデルの利用者が実装されたAIモデルを上手に活用するためには、開発段階からエンジニアとコミュニケーションをとって、モデルのことをよく知っておくことが必要だとわかりました。

oshima_naoya

その他

業務側の知識が必要。AIシステムの構築、運用の助けになる。
組織が一丸となって取り組むことが重要。

kyo1227

営業

を業務で活用するためには、業務側もリテラシーを高め、開発者と連携しながら進めていく必要があることを学んだ。

yamatakuishi

販売・サービス・事務

開発されたAIシステムは、そのまま使用するのではなく、導入する自分たちで「目的」「課題」「見せ方」「結果分析」「ローデータの加工」など、AIと会話しながら進めていくことが大切だとわかりました。
そのためにも、使用すシステムが「どのような特徴をもっていて、どんな強みのあるAIなのか」を開発者から聞き、よく理解する必要があると感じました。
さらに、自分たちがAIに求めているパフォーマンスがどんなことなのか、そのパフォーマンスがどのようなことに活きてくるのか、流れをよく想像してAIを使っていきたいと感じます。

kinjo2024

IT・WEB・エンジニア

AIの出現で、AIが人にとって代わる部分も多くあるかと思いますが、AIを上手く利用できる人材が今後必要であるという事を再度強く感じました。
AIを妄信的に信用するのではなく、AIから導かれる結果に対して整合性の確認を行うことは重要。
現場とAI設計者と密にコミュニケーションが必要。

genchawan

販売・サービス・事務

業務と開発は連携する。それが重要であることを学んだ。

sbsconts

コンサルタント

AIで発現したデータの状況だけでなく、それが発現した原因を探ることの大切さを認識できました。

sachi000

販売・サービス・事務

実運用で利用するには、業務側の知識や、さまざまな社会変化により、データを更新して実装する必要があるとわかりました

kazuma_yasuda

メーカー技術・研究・開発

データ処理した結果について、適切な形でお客や社内関係者に伝えるよう工夫をしようと思います。データ解析の結果がすべての方にはじめから信用されているわけではないので、はじめは参考として運用し、実績を積んだらそれを具体的なアクションに活かすなど、ステップや結果の扱い方には十分に注意が必要。

hirokatsu

経営・経営企画

デプロイが重要な理由
AIモデルの精度、エンドユーザーが結果を理解できない、AI適用課題が不適切
　結果の理由の表示　表示をデータではなくマークにするなど
関連情報も組み合わせて表示　そのまま連絡できるように

サービスが正常に動いているか
世の中の変化をとらえながら運用　予測データの違いがなぜ違ったのか分析できる組織を作る　業務と開発側の連携が必要

e_co

販売・サービス・事務

AI至上主義でAIさえ導入すれば業績アップできると信じて疑わない方々がいますが、人間同士の知見があってこそ使えるものだと説得できるだけの知識を得たいと感じた。

y_yasuda1

経営・経営企画

AIを活用するうえで知識が得られた

yanagi_178

販売・サービス・事務

実際に業務を行うAIをどうすればいいか、活用するにはどういうことが必要かがわかった。
分析を行うためには業務側の知識も必要であり、AIに関する理解も必要だと改めて感じた。
多くのデータを扱い傾向を見るという作業にフィットしそうだと思う

csl_tbeppu

コンサルタント

AIモデル開発には関係者間の連携が重要であることを理解できました

y_sukeroku

その他

開発から実装までの流れが分かった。
製品の品質保証データが日々の生産で蓄積されていくが、いざトラブルが発生した時にだけ原因究明のために利用するのではなく、予防保全などに利用が可能だと考える。

sho_yam

資材・購買・物流

予測と実態の差分を考えられる組織作りが重要という点が一番印象に残った

hi-std

IT・WEB・エンジニア

結果の見せ方も大切だし、どんな仕事もコミュニケーションは重要。

y-arano

メーカー技術・研究・開発

開発する側も使用する側もある程度、相手の技術やニーズを理解することでより良いAIが開発できる可能性があること理解しました。

ichir

専門職

AIを活用する場合、開発側と業務側が各々の知見を共有しながら良いものに作り上げていく

1982103

その他

・結果(パーセンテージ)の提示だけでなく、その経緯がわかる情報の同時提供
・データの収集量の減少など、状況が変化した時の協議、見直し
の重要性がわかりました。

cs1960

販売・サービス・事務

大変勉強になりました。

vegitaberu

人事・労務・法務

実装して終わりではなく、実装した後、それが正しく機能しているか、常にチェックし、改善していくことが、より重要ではないかと感じました。以前より、Aiを使うハードルが下がっただけに、なおさらそう感じます。

kk1000

販売・サービス・事務

業務側と開発側の関係性がとても重要だと感じました。

7031

経営・経営企画

ユーザ目線での結果表示、システム構築した運用と実運用時の変化がずれてきたときは非常に難しい問題になるなと感じました。

chas

その他

予測と実態の乖離を正しく理解して修正していく、そのためには業務者との連携が重要だと学ぶことができた。
データ提供時にインサイトまで一緒に提出を要求されることが多いが、分析結果の意味を一緒に考える社風を築けるよう努力していきたい。

inoguchi_m

IT・WEB・エンジニア

予測時のデータと運用時に差異があった場合その原因を突きとめる事が重要であると理解不能しました。

nonchankawaii

IT・WEB・エンジニア

ITリテラシーが不足している、という点は非常に大きな課題だと思う。
AIの結果が理解できない、理解が浅いので説明できない、説明できないからAIを推進したくない、と経営層が判断するとせっかくのチャンスを逃すことになる。
景気の大きな波についてもAI予測をするにあたって悩みどころである。東日本大震災、リーマンショック、新型コロナウイルス感染症等の影響をどうやってAIに学ばせるのか、十分に検討しなければいけない。

stani

専門職

デブロイはインターフェスとよく似ている。

aokitaka-tci

その他

本番環境での運用につき、学習と予測のギャップに注意したい、関係各所との連携も重要と認識する

morita_kenji

人事・労務・法務

AI活用にはデータリテラシーが重要なことが改めて分かった。仮説が大事。

yuki_nagato

その他

継続的に修正と改善を行うことをが必要

a_7636

人事・労務・法務

コース①～⑤を通して言葉が分かりやすく、IT技術に疎い私でも興味を持つことができました。

社内の情報システムの方やベンダ、コンサルだけ頑張っても業務改善はできないと思います。
「私はITに疎い」、言葉がよく分からない、イメージつかないという方にこそ観ていただきたいです。

hashiryo8

その他

デプロイという言葉の意味をやっと理解できたと思います。

解約抑止になりそうなアイデアの話をされていたので、後日改めて説明を聞きなおして活用について考えます。

sss_k34

その他

なぜ予測と異なったのか、それを基に次にどう活かすのか、を考えるところが人間の仕事。ここは面倒臭がらずにやる必要がある。

awanoa

IT・WEB・エンジニア

学習に使っているデータと実働時のデータに乖離がないか等、運用時に気を付けなければならない点を学びました。

michiyomichiyo

その他

業務側とシステムを作る側のすり合わせがとても大事

bonjours

金融・不動産　関連職

AI時代はなんでもシステムにお任せという雰囲気を感じますが、AIはツールであり、業務側のAIに対する理解を深めないと、ビジネスに即したAIを作れないことがよくわかりました。

matsu_411

専門職

学習データとの乖離が生じた場合はなぜデータの違いが生じたか話し合える環境づくりが大事であるという発信が必要

iso_ken

専門職

実装時には次のアクションにつながる有用な関連情報と一緒に結果を表示するなど、効果的に活用してもらえるものを作る。
また、運用時のデータがモデルと乖離が出た場合は、チームで議論できるような体制を組みたい。

koichbaba

経営・経営企画

AIシステムというのも開発すればそれで万能ということではないということが良くわかりました。実装できるか、実用化できるかということがポイントであると思いました。開発されたシステムと実用面の差をしっかり分析することがデプロイにつながると考えます。

jshinmura

IT・WEB・エンジニア

学習した時と予測をしている時では、外部環境が変化している場合、精度が上がってこないことがある。
常に環境は変化するものであることを前提に学習と予測の差を見ていくことが運用上で大事になってくる。
また、運用の中では、AIのことをよくわかっている人だけが運用しているわけではない。それ以外の部門の人間がAIからの結果を受け入れて、彼らの行動や意思決定に活用されるために、営業やカスタマーサクセスなどAI開発部門以外のビジネスのことについての理解と彼らの次のアクションにつながるようなUIや情報提供もセットで開発していくことが必要であることを学びました。

zummy_0617

金融・不動産　関連職

実際、業務をPCでやってみてうまくいかないのなら業務側とシステム開発側と修正と改善と繰り返し工夫でやるしかないです。

watanabe-tat

専門職

AIシステムの環境構築後の「デプロイ」は、学習と予測の差異を、業務の視点で分析してチーム内で共有することが大事である。ビジネス上で利用するため、継続的なモデルディプロイを想定して、AIのパフォーマンスを高める必要がある。

t_n_chocolate

IT・WEB・エンジニア

AIシステムの実装、運用に関するポイントを理解することができました。

sato4bb

販売・サービス・事務

予測時のデータがどういう状況だったのか、現在取れているデータに何か変動がないか確認をするという工程が必要だという事を理解しました。

hrkudo

IT・WEB・エンジニア

運用の観点で、運用中のデータに対応できるかは工夫が必要と感じた。

kei_sawai

人事・労務・法務

データ学習時と予測時のデータの全体の違いに注意し、それを分析できる組織を作る。現場のフィードバックも大切。

touhoufuhai

販売・サービス・事務

システム環境を整える事は、もちろん運用も大切である事がわかりました。

sm054307

経営・経営企画

業務部門とデータ分析部門が密に連携を取り合う必要があると感じた

yu0917

販売・サービス・事務

・デプロイ…AIモデルを実際に使用する環境に統合し、エンドユーザーが安心して利用できるよう様々な調整を施すこと。

→現在、AIを使用した発注アシストシステムを稼働し始めたが、精度が低い状況。
　データの更新と補正を重ねて、業務効率の向上を図れるよう「デプロイ」して行く。

koichi_0502

その他

AIシステムの実装時には、学習時と運用時でデータに大きな差が生じた場合に、何でその差が出たか解析できるような体制が大事で、
システムを作る側と使用する側での連携が重要な事を学んだ。今後、仕様する側がAIになった時に差が生じた時に解析する流れに
ついては、課題があると思う。先を見ながら、より効果的に活用していきたい。

hr-sakai

その他

今後の構築、運用についてしなければいけない事がよくわかりました。

funakawa

専門職

AIを広めるために、予測結果の表示方法を工夫する必要性があることを学んだ。また、AIの稼働状況を把握することも運用面で重要であることを学んだ。

masuhide

経営・経営企画

ユーザ目線での結果表示、システム構築した運用と実運用時の変化がずれてきたときは非常に難しい問題にあたってしまうなと考えました。

ryoca

販売・サービス・事務

AIを活用する側の知見も正しいものを身につける必要がある

taiichi-yoshi

IT・WEB・エンジニア

AIに限らず、製造したシステム（仕組み）は、本番環境での稼働実績を踏まえ、その効果を図ることが重要であると再認識しました。

2152321

金融・不動産　関連職

継続的に修正と改善を自動でできると良いと考えました

nisiusuke

販売・サービス・事務

どれだけ業務を思い描けるか、そのためどれだけ業務知見を集められるか、がAI構築の成否を決める最重要部分と認識。
利用者ありきでAIからのアウトプットを構築。
AIの監視体制
社内のコミュニケーションはなくならない

toshi5656

専門職

AIの活用において開発側と業務側の連携が重要であることが理解できた。

takahashi_mi

販売・サービス・事務

AI実装時の注意事項について、簡潔に理解できました。

fanatic

人事・労務・法務

業務側の知見が大切なことがわかりました

stag

経理・財務

業務側との連携が大事

rensana

クリエイティブ

実装について良く理解できました。業務に生かしたい。

hatenage

販売・サービス・事務

各分野の連携が必要だと
分かりました。