AI/機械学習をビジネスに活用すべく、多くの企業でPOC( 概念実証)や実証実験が取り組まれている。ただ、実用のフェーズまで到達して成果を出すに至っているケースというのはまだ少数だ。AI/機械学習を実践的に活用するために、企業は何に臨むべきか。

Dataiku(データイク)社が公表するeBook「なぜ企業にデータサイエンス、機械学習、AI のプラットフォームが必要か」では、AI/機械学習の実践的活用を叶えるために検討すべき組織、テクノロジー、ツールについて解説している。組織のあり方としては3つの運用モデルを整理し、それぞれのメリット、デメリットを解説するとともに、AI/機械学習を実用フェーズで運用するために何が必要かについて体系的に説明している。詳しくは以下のリンクにある資料を参照されたいが、本稿では同資料で紹介されている3つの運用モデルについて説明したい。

Dataiku社 提供資料
[eBook] なぜ企業にデータサイエンス、機械学習、AI のプラットフォームが必要か
＞ ＞ 資料ダウンロードはこちら

AI/機械学習の実践的活用を叶えるための、3つの運用モデル

Dataiku社の提供するAIプラットフォーム「Dataiku」は、全世界に45,000のユーザー、450社以上の顧客を抱えている。同社ではこの顧客におけるAI/機械学習の実用ケースをもとにして、企業におけるAI/機械学習の運用モデルを3つに分類。資料の中で詳しく解説している。

ハブ&スポーク型

AI/機械学習の実践的活用を支える分析チームが、1つの組織としてさまざまな業務部門内に分散しているモデル。

  • メリット
    • 高い専門性と高い生産性
    • AI知識の共有とスキルアップの促進
    • 一貫したプラクティス
    • 柔軟性と効率性のバランス
  • デメリット
    • 調整作業とコミュニティーの取り組み
    • 複雑な予算編成

中央集権型

AI/機械学習の実践的活用を支える分析チームが、1つの組織としてさまざまな業務部門内に分散しているモデル。

  • メリット
    • コントロールが容易
    • コラボレーションと再利用が容易
  • デメリット
    • 組織の他の部署は範囲外
    • AIとユーザーが分断される
    • AIイノベーションはCoEに限定される
    • 価値創出まで時間がかかる
    • シャドーIT

分散型

AI/機械学習の実践的活用を支える分析チームが各業務部門内にあるモデル。

  • メリット
    • 各ドメインが高度に専門化
    • 強力なコラボレーション
    • プロジェクトの優先順位付けが容易
    • 短期間で価値を創出
    • 予算を編成しやすい
  • デメリット
    • 共有できない
    • 再利用/アセット化が少ない
    • 一貫性の欠如
    • サイロ化
    • コストの増加

各モデルにあるデメリットを、AIプラットフォームが解決する

AI/機械学習のビジネス活用に臨むとき、企業は自社の組織構成や文化に応じ、3つのモデルの中から適切なものを選択して体制を整備していくこととなる。ただ、いずれのモデルにも、記載したようなデメリットがどうしても存在する。

こうしたデメリットを解消してAI/機械学習の実践的活用を支えるのが、「Dataiku」のようなAIプラットフォームである。資料では先の各モデルに加え、AIプラットフォームの概要とその必要性についてもさまざまな視点から体系的に解説している。AI/機械学習の持つ力を貴社で最大限発揮するために、ぜひ目を通してみてほしい。

ダウンロード資料のご案内

Dataiku社 提供資料
[eBook] なぜ企業にデータサイエンス、機械学習、AI のプラットフォームが必要か
＞ ＞ 資料ダウンロードはこちら

[PR]提供：Dataiku