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

yuri_sudo2

その他

実装についてよくわかった

k_yuna

販売・サービス・事務

大変勉強になりました。

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。

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

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。

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。

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。

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。

suzuzuzu

その他

大変勉強になりました

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。

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。

kiso_2115

コンサルタント

業務側と開発側の連携強化による予測結果のモニタリングの強化を進めたい。

kawaguchimas229

IT・WEB・エンジニア

AI活用には業務側視点が必要

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

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

nagamatsu-naoki

金融・不動産　関連職

継続的に修正と改善を行うことをが必要と学べました。

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。

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

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。

mh884034

メーカー技術・研究・開発

(予備知識が少ない分)敬遠しがちなAI活用ですが、ソフトウェア以外の業務での活用や応用可能性について、少し誤解していた点も解けたので良かったと思います。

yuki_1203

IT・WEB・エンジニア

システム構築とその運用保守に長らく携わっています。AIの活用もHowに違いは有るものの、重要な部分は変わらないと感じました。　
業務部門との連携と密なコミュニケーション、前提条件の整合、データ精度、ユーザーへの機能や操作説明、リリース後のフォロー体制等。　
特に「業務部門との連携とコミュニケーション」が弱くなりがちなので、配慮出来る余裕をもって日々の業務に取り組みたいと思います。

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。

512177

資材・購買・物流

事業の効率化に向け、活用を推進します。

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。

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

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。

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。

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。

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

t_terakawa

メーカー技術・研究・開発

データの素性の違いに注意して、活用していく。

black0saku

IT・WEB・エンジニア

AI の実装 運用について学ぶことができました。学習前 と 実装後のアウトプットの数値が違う場合 その なぜ 数値が掃除しているかについては 組織としてディスカッションができる環境がある方が良いということを認識しました。

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。

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。

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。

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。

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

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。

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。

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。

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。

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。

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

cs1960

販売・サービス・事務

大変勉強になりました。

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。

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。

murata0207

専門職

実績と予測値に大きなギャップが無いかを常に確認し、乖離がある場合は何故そのようなことになっているかを検証できることが大事。

stag

経理・財務

業務側との連携が大事

yasu-hero

販売・サービス・事務

データの活用について改めて理解できた

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。

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。

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。

mana_ka

その他

デプロイは作成したAIを実際に使用できるシステムに統合する作業。
実用できるAIシステムにするために、関わる全ての人の認識を統一する必要がある。
また、運用中のデータにも対応できるか、も重要。

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。

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。

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。

stsujimura

IT・WEB・エンジニア

業務でAIを使用することを意識する。

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。

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

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

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。

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。

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。

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。

fumiyo_jou

経理・財務

デジタル化できないデータの取り扱いをどうするかという課題もあると気づいた。モデルデータと実際データの乖離が発生した場合の原因究明はAIの専門家だけで解決できるものではなく、我々のような実務の担当者が入っていかないといけない領域である。その意味で、共通言語としてのITリテラシーを身に着ける必要がある。

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。

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

shopoo

販売・サービス・事務

データ収集の重要性も理解しつつ、引き続き業務で利用できるように進めていきます

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。

ucchiy50

その他

AIと業務の両方を理解している人材、もしくはそのようなチームを作ることが理想。

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。

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

tak71_5515

コンサルタント

ギャオ業務に適用して行く際の難しさを理解しました。またデータの傾向の理解を日々から深めることでその適用時に役立てることができると感じました

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

yuki_nagato

その他

継続的に修正と改善を行うことをが必要

saito0722

その他

業務で実装する上での課題が大きいことが理解できた。

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。

h-kozawa

メーカー技術・研究・開発

運用側の不理解やユーザーインターフェースにおけるユーザー側への配慮不足を理由としてパワーツールとしてのAIの利用気運が損なわれないよう、リエゾン的な役割がますます重要になっていくこと改めて認識しました。

saiken4545

建設・土木　関連職

AIの機能、特性を理解し、自社の課題に対して的確な活用をしなければ確度も悪く意味のないものになってしまう、

nagase29

営業

今回AI の活用と運用について学んだが、業務側のAIリテラシーが低いと使いこなせない。お金をかけても無駄になってしまう。運用にあたり、データがそもそもあっているのか、確認するのは必須である。やはり業務側とに連携がかかせないと考えました。

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

lonfri

販売・サービス・事務

AIの活用には業務側の知見も重要であることを学んだ
学習時と運用時の違いについても発生した際に話し合える組織作りも重要

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

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。

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。

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。

ananana

販売・サービス・事務

結局、人同士のコミュニケーション重要ですね。

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。

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