背景
近年、AIを活用したサービスが増えていますが、AIサービスの開発には様々な問題が立ちはだかります。
- 入力となるデータが変動することによりモデル精度が低下する
- 実験環境で達成できていたモデルの精度が本番環境では再現できない
- 複数の専門家（AI開発担当者やシステム開発担当者等）によって編成されるチームにおいて、担当部分引き継ぎのコミュニケーションコストによりサービス開発・運用に時間がかかっている
MLOpsを導入すると、AIサービス開発および運用の効率化が可能となり、これらを解決できます。
MLOpsとは、機械学習チーム、システム開発チームと運用チームが各々協調し合うことで、機械学習モデルの実装、本番システムへの適用、運用までのプロセスを円滑に実行することができる手法および考え方です。DevOpsに基づき考案されています。
MLOpsを導入するには、データサイエンススキルとシステム開発スキルの両方が求められるため、自社のみで導入するのは難しいのが実情です。そこで、MLOps導入支援経験があり、様々な企業様のビジネスにAIを適用・活用してきた豆蔵がお客様へのMLOps導入をお手伝いいたします。
本支援の進め方
お客様のビジネス上のゴールを把握・整理した後、お客様のシステム環境に応じたMLOpsの実装ステップを段階的に設計し、実装の支援を行います。お客様自らMLOpsの必要性をご理解いただき、運用いただくためにスキルトランスファーを行い、お客様の組織内でMLOpsのライフサイクルが回るよう内製化のご支援を含めお手伝いさせていただきます。
MLOps実現イメージ
- 分析者が作成したAIモデルを開発者がシステムに組み込むと自動でテスト・デプロイ、予測結果をもとに分析者がモデルを作成する、というライフサイクルを実現
- 入力データの変動やモデル精度のモニタリング結果通知により、迅速にモデルの修正に着手可能になった
- モデルが管理されパイプラインが構築されており、実験の再現性が確保されているため実験環境と同じ精度を本番環境でも発揮できるようになった
- パイプラインを設け、リリース、ログ出力および監視結果通知のプロセスを自動化することにより、専門家間の担当引継ぎがスムーズになり、各々のタスクに集中できるようになった
豆蔵の強み
- 弊社では数理科学系・計算機科学系の大学院等出身のデータサイエンティストやシステム開発経験の豊富なコンサルタント・エンジニアをメンバーに揃えており、データサイエンスとシステム開発の両分野のスキルを有しています。Azure、 AWS等様々なクラウド基盤に対応可能です
- AIやDX導入において、様々な企業様での企画プロセスの策定、組織設計等の超上流工程から実装に到るまでの実績がございます
- 上記でご紹介したようなMLOpsの導入支援実績がございます