AI・PMOの進化
機械学習
Machine Learning
読み：きかいがくしゅう
データからパターンを学び、その結果を使って予測・分類などを行う方法です。
01初心者向け
まず意味をつかむ
すべての条件を人が一つずつ書く代わりに、例のデータを使って規則性を捉えます。学習に使った情報や、使う場面の違いが結果へ影響します。
02実務者向け
仕事でどう使うか
目的、入力、正解や評価方法を定め、学習用と評価用のデータを適切に分けます。実際の利用条件に近いデータで性能を調べ、運用後の変化も監視します。
03専門家向け
判断を一段深める
過去のデータに合うことと、将来の未知の条件で役立つことは同じではありません。偏り、情報の漏れ込み、変化する業務ルールを確認し、学習のし直しや人への切替条件を設計します。
別名・略語：ML
IN PRACTICE
具体例で考える
架空の案件記録から遅延の兆候を予測するモデルを作り、学習に使っていない案件で見逃しと誤警報の割合を確認します。
理解を助けるための架空の例です。学習に使うデータ
パターンを捉えるモデル
別データでの評価
学習の一般的な構造です。全手法に同じ学習方式や正解データが必要という意味ではありません。
ここは誤解しやすい
モデルを運用しているだけで、必ず自動的に学習・改善し続けるとは考えないようにします。
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。