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。
41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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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。
0
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。
0
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。
0
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
0
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。
0
k_yuna
販売・サービス・事務
大変勉強になりました。
0
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。
0
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。
0