AI・PMOの進化
継続的学習（CT）
Continuous Training
読み：けいぞくてきがくしゅう
新しいデータや性能変化に応じ、運用中のモデルに対する再学習を繰り返す仕組み。
01初心者向け
まず意味をつかむ
問い合わせの傾向が変わると、分類AIが古いままでは誤りが増えることがある。新しい記録を使って学習させ、結果を確かめてから更新する。
02実務者向け
仕事でどう使うか
再学習の契機、使ってよいデータ、費用の上限、評価と公開の承認者を定める。学習の完了と本番切替を別の判断にして、失敗時は現行モデルで継続できるようにする。
03専門家向け
判断を一段深める
データとコード、設定、評価データの版を記録する。運用で集めた正解にモデルの判断結果が影響する場合は、偏った再学習を防ぐために独立した確認データを使う。
別名・略語：CT
IN PRACTICE
具体例で考える
架空の依頼分類では、新商品が増えて分類ミスが続いたときに再学習を行った。新商品に加えて従来商品の成績も確認し、両方が基準を満たしてから切り替えた。
理解を助けるための架空の例です。新データと性能を確認
モデルを再学習
合格した版を配備
再学習した候補を既存の版と比較し、承認後に本番へ移す。
ここは誤解しやすい
誤差が増えた理由が入力の欠落なら、再学習より先に取込処理を直す。警告を受けたときは原因を確認してから学習を起動する。
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。