SHOEISHA iD

※旧SEメンバーシップ会員の方は、同じ登録情報(メールアドレス&パスワード)でログインいただけます

EnterpriseZine(エンタープライズジン)編集部では、情報システム担当、セキュリティ担当の方々向けに、EnterpriseZine Day、Security Online Day、DataTechという、3つのイベントを開催しております。それぞれ編集部独自の切り口で、業界トレンドや最新事例を網羅。最新の動向を知ることができる場として、好評を得ています。

最新イベントはこちら!

Enterprise IT Women's Forum

2025年1月31日(金)17:00~20:30 ホテル雅叙園東京にて開催

Security Online Day 2025 春の陣(開催予定)

2025年3月18日(火)オンライン開催

EnterpriseZine(エンタープライズジン)編集部では、情報システム担当、セキュリティ担当の方々向けの講座「EnterpriseZine Academy」や、すべてのITパーソンに向けた「新エバンジェリスト養成講座」などの講座を企画しています。EnterpriseZine編集部ならではの切り口・企画・講師セレクトで、明日を担うIT人材の育成をミッションに展開しております。

お申し込み受付中!

EnterpriseZine(エンタープライズジン)

EnterpriseZine編集部が最旬ITトピックの深層に迫る。ここでしか読めない、エンタープライズITの最新トピックをお届けします。

『EnterpriseZine Press』

2024年秋号(EnterpriseZine Press 2024 Autumn)特集「生成AI時代に考える“真のDX人材育成”──『スキル策定』『実践』2つの観点で紐解く」

EnterpriseZine Press

AI/MLプロジェクトはなぜ失敗するのか? 「5つの根本的原因」に対処するテラデータのアプローチ

「Possible 2024: Los Angeles」現地レポート

 米現地時間2024年10月7日から10日にかけて、米テラデータはグローバル年次カンファレンス「Possible 2024: Los Angeles」を開催した。本稿では、8日朝の基調講演の最終パートに登壇したマーティン・ウィルコックス氏(Worldwide Sales Analytics担当SVP)の話から、テラデータがAI/MLプロジェクト成功をどうサポートするかを考える。

モデルトレーニングの問題解決をサポートする、エンタープライズフィーチャーストア

 米ランド研究所が2024年8月に発表したレポート『The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed』(PDF)によれば、AI/MLプロジェクトの80%以上が失敗している。また、レポートにおいてプロジェクトの失敗には、

  1. 解決したい問題についての誤解やコミュニケーションの失敗
  2. モデルトレーニングのためのデータの不足
  3. 最新かつ最高のテクノロジーの活用を目的化
  4. モデルのデプロイや運用のためのインフラの不全
  5. 解決困難な難しい問題へのAI/MLの適用

という5つの根本的原因があるとも指摘されている。ウィルコックス氏はこの結果を引用し、テラデータとしての解決アプローチを解説した。

 順番は前後するが、「2. モデルトレーニングのためのデータの不足」へのアプローチから触れられた。この指摘が示唆するのは、企業が抱えるデータ資産の量と品質の問題だ。これに対して、ウィルコックス氏は「AI/ML対応のデータ基盤の構築がプロジェクトで成功する鍵を握る。『データを適切に取得できない』ことは、データアーキテクチャーの問題だ。多くの組織が『モデル単位のAI/MLパイプライン構築』を採用していることが問題だ」と指摘した。このやり方は、同じデータをキャプチャーし、類似した特徴量を作成し、類似したモデルのトレーニングを繰り返すことになる。その結果、データのサイロ化が進み、技術的負債の増加につながってしまう。

 解決策としてウィルコックス氏が示したのは、「エンタープライズフィーチャーストア」だ。AI/MLにおける特徴量(フィーチャー)とは、モデルに予測や推論を行う方法を教えるために与えるデータセットのことで、エンタープライズフィーチャーストアを使うと、複数モデルにまたがって“特徴量の再利用”が容易になる。結果、データサイエンティストの生産性向上、AI/MLから価値を得るまでの時間を短縮できるという。

 フィーチャーストア(Feature Store)の構築では、複数のテクノロジーを導入することが多く、かえってAI/MLのライフサイクルに複雑性とコストの増加をもたらす懸念がある。これを避けるためテラデータでは、データの探索から特徴量エンジニアリング、モデルトレーニング、モデルスコアリングまでのライフサイクル全体を既存のアナリティクスプラットフォームと同じ環境で行えるようにした。

 既に実績も出てきたという。たとえば、ある金融機関では、特徴量エンジニアリングの機能を利用し、規制対応プロセスを効率化。複数の子会社から送られてくる「規制報告のためのデータ」の品質が低いことに悩まされていた。送られてくるデータに異常なものが含まれていた場合、Teradata Vantage上で動作するAIが自動的に検知する仕組みを構築したところ、規制当局への毎月の報告業務にかかる時間短縮と負担軽減に成功している。

次のページ
コスト削減に役立つ「Bring-Your-Own」のアプローチ

この記事は参考になりましたか?

  • Facebook
  • X
  • Pocket
  • note
EnterpriseZine Press連載記事一覧

もっと読む

この記事の著者

冨永 裕子(トミナガ ユウコ)

 IT調査会社(ITR、IDC Japan)で、エンタープライズIT分野におけるソフトウエアの調査プロジェクトを担当する。その傍らITコンサルタントとして、ユーザー企業を対象としたITマネジメント領域を中心としたコンサルティングプロジェクトを経験。現在はフリーランスのITアナリスト兼ITコンサルタン...

※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です

この記事は参考になりましたか?

この記事をシェア

EnterpriseZine(エンタープライズジン)
https://enterprisezine.jp/article/detail/20705 2024/11/15 09:00

Job Board

AD

おすすめ

アクセスランキング

アクセスランキング

イベント

EnterpriseZine(エンタープライズジン)編集部では、情報システム担当、セキュリティ担当の方々向けに、EnterpriseZine Day、Security Online Day、DataTechという、3つのイベントを開催しております。それぞれ編集部独自の切り口で、業界トレンドや最新事例を網羅。最新の動向を知ることができる場として、好評を得ています。

新規会員登録無料のご案内

  • ・全ての過去記事が閲覧できます
  • ・会員限定メルマガを受信できます

メールバックナンバー

アクセスランキング

アクセスランキング