AI・PMOの進化
ベースラインモデル
Baseline Model
読み：べーすらいんもでる
新しいモデルによる改善を測るため、比較の出発点として選ぶ既存手法や単純なモデル。
01初心者向け
まず意味をつかむ
納期を予測するAIなら、まず「似た案件の工期の中央値」を使う手法と比べる。簡単な方法との差が分かれば、新しい仕組みの価値を判断しやすい。
02実務者向け
仕事でどう使うか
現行ルールや単純予測を先に選び、候補モデルと同じ案件、同じ時点の入力、同じ採点指標で比べる。運用負荷や説明のしやすさも選定表に含める。
03専門家向け
判断を一段深める
季節性やグループ差に適した単純手法を選ぶ。平均誤差の改善だけでなく誤差のばらつきと、誤予測が業務にもたらす損失の差を評価する。
IN PRACTICE
具体例で考える
架空の問い合わせ工数見積りでは、受付種別ごとの過去中央値を基準にした。複雑なモデルの改善が小さく、更新の人手を考えて中央値を採用した。
理解を助けるための架空の例です。現行や単純な方式
共通の試験条件
改善幅を評価
同じ条件で測り、新しい方式が上乗せできる効果を見極める。
ここは誤解しやすい
弱すぎる基準や候補と異なる条件で比べると、改善幅が大きく見える。基準を選んだ理由と比較時点を明記する。
PROXIA INSIGHTS
考え方を、実務へつなぐ
AIを「使う」から、PMの判断に「活かす」へ ↗この知識を、組織の力へ。