AI・PMOの進化
分布外データの検知
Out-of-Distribution Detection
読み：ぶんぷがいでーたのけんち
モデルを学習・評価したデータの傾向から大きく離れた入力を見つけ、利用範囲の外にある可能性を判断すること。
01初心者向け
まず意味をつかむ
国内の小規模案件を基にした見積りモデルに、海外の大規模案件が入ると、通常どおりの結果を出しても当たりにくい。違いを見つけて人に渡す。
02実務者向け
仕事でどう使うか
利用条件から外れる事例を選び、検知後に保留するか、担当へ回すかを決める。検知閾値は、見逃しの影響と、確認へ回す件数の両方で調整する。
03専門家向け
判断を一段深める
既知の入力に対するモデルの確信度と、入力分布からの距離は別の情報として扱う。複数の変化の種類を使って検知率と過検知を測り、検出できるずれの範囲を記録する。
別名・略語：OOD検知
IN PRACTICE
具体例で考える
架空の工期予測では、初めて使う工法を含む入力で自動見積りを保留した。担当者が専門家の積算に切り替え、今後の適用範囲を検討した。
理解を助けるための架空の例です。新しい案件を入力
学習時の条件と比較
適用外を担当へ回す
入力の特徴が想定条件から離れている場合は、自動処理を保留する。
ここは誤解しやすい
分布外だと判定できなかった入力にも誤りはありうる。重要な判断では、分布外検知に加えて適用条件と人による点検を用意する。
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。