キャンペーン終了まで

割引情報をチェック!

すべての動画をフルで見よう!

初回登録なら7日間無料! いつでも解約OK

いますぐ無料体験へ

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

  • 0h 10m (5sections)
  • テクノベート (テクノロジーとイノベーション)
  • 実践知

このコースについて

【DataRobot社 受講後アンケートにご協力ください】
アンケートにご回答いただいた方で、ご希望される方にはDataRobot社からのAI活用方法や事例、テーマの選び方、そして貴社の課題のヒアリングを目的としたフォローアップセッション(無料)を実施いただきます。アンケートのご協力の程、よろしくお願いします。
※ リソースの関係上、全ての方にセッションを提供できない場合があります。予めご理解の程よろしくお願いします。
https://docs.google.com/forms/d/e/1FAIpQLSeQ554Km-jJqBG5MvHp0-7yIVQgxsw2ntZgSozrqxLCfGdCHA/viewform

また「ビジネスパーソンのためのAI実践講座④ ~DataRobotを活用しよう~」では、DataRobotの使い方を詳しく解説しています。以下のリンクからご受講ください。
https://globis.jp/courses/a18da4a7/

ビジネスパーソンがデータやAIを活用するうえで、知っておかなければならない知識やよく直面する課題を、用語解説を交えてやさしくお伝えします。この動画では、AIシステムの環境構築後の「デプロイ」について取り扱います。AIモデルができたとしても、そのままの状態でビジネス上で利用することは出来ません。AIのパフォーマンスを高めていくにはどうしたら良いのか、一緒に学んでいきましょう。

講師プロフィール

小川 幹雄 DataRobot Japan バイスプレジデント, ジャパンAIエキスパート

DataRobot Japanの創立期に参画し、様々な業務を担当してビジネス拡大に貢献。その後、金融業界を担当するディレクター兼リードデータサイエンティストとして、金融機関のAI導入支援やCoE構築支援をリード。2023年からは日本のAIエキスパート部門の統括責任者に就任。AI導入・活用支援のノウハウを活かし、公共機関や大学機関での講演も行っている。また、一般社団法人金融データ活用推進協会(FDUA)の企画出版委員会の委員長代行も務めている。
(肩書きは2023年3月撮影当時のもの)

コース内容

  • AIシステムの実装・運用
  • AIモデルのデプロイとは?
  • 実装時に注意するポイント
  • 運用時に注意するポイント
  • 今回のまとめ

より理解を深め、他のユーザーとつながりましょう。

100+人の振り返り

  • 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。

    2024-05-08
  • furudate_k

    IT・WEB・エンジニア

    開発時と運用時でAIが学習するデータの違い という視点が新鮮で重要と感じた

    2024-12-02
  • yoshikouc

    販売・サービス・事務

    段階が多くあるなと思いました

    2024-10-13
  • 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。

    2024-03-11
  • 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。

    2024-02-18
  • 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。

    2024-08-24
  • nomkrk

    その他

    予測と実装後のデータの相互分析が必要

    2024-11-27
  • naoki_sasano

    メーカー技術・研究・開発

    機械モデルで予測し、現実との乖離が発生した場合の原因究明が重要で、それをフィードバックし、モデルのブラッシュアップを継続する必要があることを学んだ。

    2023-11-04
  • 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、

    2024-09-18
  • 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。

    2024-09-29
  • a2071768

    人事・労務・法務

    業務側の知見と開発する側との連携が不可欠となるので、業務側の立場として、情報を整理しておくことが大事だと感じました。

    2024-11-26
  • 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

    2024-07-10
  • 512177

    資材・購買・物流

    事業の効率化に向け、活用を推進します。

    2024-03-21
  • 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。

    2024-06-08
  • 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

    2024-02-06
  • 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。

    2024-06-16
  • 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。

    2023-12-11
  • ykknn

    人事・労務・法務

    おもしろかったです。具体性がありました

    2024-11-30
  • 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。

    2024-07-30
  • makotokoma

    販売・サービス・事務

    ありがとうございました。

    2024-12-03
  • 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。

    2024-10-09
  • 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。

    2024-11-11
  • yuri_sudo2

    その他

    実装についてよくわかった

    2023-11-13
  • 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。

    2024-03-15
  • suzuzuzu

    その他

    大変勉強になりました

    2023-12-22
  • 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。

    2024-08-15
  • 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

    2024-03-03
  • stsujimura

    IT・WEB・エンジニア

    業務でAIを使用することを意識する。

    2024-07-29
  • 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

    2024-10-01
  • 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。

    2024-08-17
  • 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。

    2024-05-18
  • 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。

    2024-07-11
  • 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。

    2024-09-09
  • 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。

    2024-08-21
  • 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

    2024-03-29
  • kawaguchimas229

    IT・WEB・エンジニア

    AI活用には業務側視点が必要

    2024-01-21
  • 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

    2024-09-19
  • 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

    2024-10-30
  • 1_1_1_hatai

    その他

    AIシステムが実装・運用できればとても便利になるようなイメージがありますが、具体的にどうすれば良いかの理解が追い付いていないと感じた。

    2024-12-03
  • 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。

    2024-09-28
  • 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。

    2024-10-11
  • 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

    2024-08-13
  • 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。

    2024-06-13
  • 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。

    2024-07-16
  • 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。

    2024-11-04
  • 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。

    2024-07-21
  • 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。

    2024-09-28
  • 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。

    2024-10-17
  • 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。

    2024-02-27
  • 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

    2024-11-03
  • mutame

    その他

    開発→実装という工程で、考えられないような認識相違発生が実際にあるのでこういったコンテンツが作成されるのだろうな・・と冷や汗が出る思いです。

    2024-11-22
  • 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。

    2024-05-20
  • 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

    2024-08-11
  • 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。

    2024-10-01
  • y_yasuda1

    経営・経営企画

    AIを活用するうえで知識が得られた

    2024-11-15
  • 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

    2024-02-14
  • 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

    2024-11-18
  • 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。

    2023-12-19
  • yasgoh

    販売・サービス・事務

    AIシステム開発には、AIの知識のみならず実務の知見や使い勝手に対する配慮が必要なので、幅広い部門の協力が必要である。

    2024-11-27
  • 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

    2023-11-30
  • 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。

    2024-09-30
  • to_matsuda

    専門職

    AIの導入までには、手間と費用が掛かることがよく分かった。明確な目的やメリットなどを考慮しなが導入するのがよいと感じた。

    2024-11-24
  • 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。

    2024-07-02
  • 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

    2024-09-25
  • 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。

    2024-07-22
  • cs1960

    販売・サービス・事務

    大変勉強になりました。

    2024-07-07
  • 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。

    2024-05-24
  • 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。

    2024-04-29
  • 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。

    2023-11-03
  • 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。

    2023-12-26
  • 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。

    2024-03-28
  • 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。

    2024-04-13
  • stani

    専門職

    デブロイはインターフェスとよく似ている。

    2023-10-27
  • 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

    2024-09-03
  • 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。

    2024-07-07
  • yuki_nagato

    その他

    継続的に修正と改善を行うことをが必要

    2024-09-07
  • 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。

    2023-08-13
  • 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。

    2024-07-11
  • 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。

    2023-11-03
  • 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。

    2024-05-28
  • tra_mitsu

    IT・WEB・エンジニア

    常に新しいデータを学習する必要があるため、運用時にはデータを用意する体制も整える必要がある事を関係者と共有するよう意識できるように心掛ける。

    2024-11-21
  • 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

    2024-06-05
  • 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。

    2024-11-17
  • 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

    2024-05-04
  • 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。

    2023-12-26
  • 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。

    2024-01-07
  • tamurayukari

    販売・サービス・事務

    AIシステムは一度実装して終わりではなく、「運用中のデータ=現在のデータに対応できているか」をモニタリングし、学習時と運用時のデータに違いがあれば「どうして違いが発生したのか?」を業務的に話し合える組織の構築が必要であると学びました。
    今まで専門家ではないので、AI運用には余り関係ないのかも……と思っていましたが、業務側の助け・知見も必要と知り、自分ごととして捉えることが出来ました。

    2024-11-25
  • 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。

    2023-10-28
  • zomas

    営業

    学習時と予測時でギャップは当然生まれるでしょうから、差異要因分析と結果をAIに再学習させることがより精度を上げるプロセスであることが理解出来た。

    2024-11-21
  • 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。

    2024-03-10
  • 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。

    2023-10-08
  • 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。

    2024-09-28
  • 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。

    2024-09-02
  • 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。

    2024-08-30
  • 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。

    2024-08-26
  • 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。

    2024-07-01
  • 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

    2023-10-23
  • 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。

    2023-11-14
  • 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。

    2024-07-08
  • 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。

    2024-03-31

関連動画コース

新着動画コース

10分以内の動画コース

再生回数の多い動画コース

コメントの多い動画コース

オンライン学習サービス部門 20代〜30代ビジネスパーソン334名を対象とした調査の結果 4部門で高評価達成!

7日間の無料体験を試してみよう

無料会員登録

期間内に自動更新を停止いただければ、料金は一切かかりません。