AI・PMOの進化
モデルリスク
Model Risk
読み：もでるりすく
モデルの誤り、前提のずれ、使い方の誤りによって、業務や意思決定が悪影響を受ける可能性。
01初心者向け
まず意味をつかむ
遅延予測が実際より楽観的なら、増員の判断が遅れる。正しい予測でも、適用外の案件へ当てはめると損失につながりうる。
02実務者向け
仕事でどう使うか
AIの出力を使う判断を洗い出し、誤った場合に誰が何を失うかを具体化する。利用範囲、手動確認、停止閾値を決め、対応後に残るリスクの承認者を置く。
03専門家向け
判断を一段深める
誤差、利用上の制限、データ変化、運用側の解釈を分けて発生の仕方を評価する。同じモデルが複数の判断に使われる場合は、誤りが連鎖する影響も追う。
IN PRACTICE
具体例で考える
架空の調達管理では、未登録の供給停止があると納入予定を過信する可能性があった。重要部品の確定日には担当者が取引先へ確認するよう手順を変えた。
理解を助けるための架空の例です。前提や入力のずれ
誤った業務判断
確認と代替手順
出力の誤りがどの判断へ波及するかを調べ、対策を決める。
ここは誤解しやすい
モデルの精度が高いという試験結果だけでは、損失の大きさを判断できない。まれな失敗と、失敗時に回復できる時間を評価する。
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。