ビジネスパーソンのためのデータ・AIリテラシー/④AI環境構築
【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。いよいよ「データ活用」のステップです。AIやBIツールなどを用いてデータ分析・可視化・シミュレーションを行い、ビジネスの意思決定につなげます。この動画では、特にAIの環境構築について詳しく解説します。
会員限定
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。
0
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
0
yoshikouc
販売・サービス・事務
段階が多くあるなと思いました
0
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。
0
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。
0
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。
0
nomkrk
その他
予測と実装後のデータの相互分析が必要
0
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。
0
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、
0
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。
0
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。
0
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
0
512177
資材・購買・物流
事業の効率化に向け、活用を推進します。
0
tendon10
販売・サービス・事務
AIに知見がある人を筆頭にAI導入に対する熱意と納得感のある根拠を掲示する必要があると感じました。
0
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。
0
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
0
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。
0
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。
0
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
0
keisuke-yas
経営・経営企画
AIを実装する際には学習データだけでなく、IT環境にも配慮必要だと理解しました。
0
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。
0
makotokoma
販売・サービス・事務
ありがとうございました。
0
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。
0
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。
0
yuri_sudo2
その他
実装についてよくわかった
0
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。
0
suzuzuzu
その他
大変勉強になりました
0
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。
0
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
0
stsujimura
IT・WEB・エンジニア
業務でAIを使用することを意識する。
0
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
0
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。
0
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。
0
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。
0
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。
0
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。
0
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
0
kawaguchimas229
IT・WEB・エンジニア
AI活用には業務側視点が必要
0
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
0
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
0
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。
0
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。
0
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。
0
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
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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
0
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。
0
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。
0
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
0
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。
0
y_yasuda1
経営・経営企画
AIを活用するうえで知識が得られた
0
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
0
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
0
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。
0
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。
0
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
0
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。
0
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。
0
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。
0
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
0
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。
0
cs1960
販売・サービス・事務
大変勉強になりました。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
stani
専門職
デブロイはインターフェスとよく似ている。
0
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
0
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。
0
yuki_nagato
その他
継続的に修正と改善を行うことをが必要
0
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。
0
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。
0
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。
0
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。
0
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。
0
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
0
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。
0
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
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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
0
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。
0