AI・PMOの進化
確率校正
Probability Calibration
読み：かくりつこうせい
モデルが出す確率と実際に起きる頻度の対応を確かめ、必要に応じて調整することです。
01初心者向け
まず意味をつかむ
遅延確率80％とされた案件を多数集めたとき、実際にも約8割が遅延するかを見ます。正解・不正解の区分が合うこととは別の性質です。
02実務者向け
仕事でどう使うか
予測確率の帯ごとに実績を集計し、校正曲線などでずれを調べます。補正器は学習本体と独立したデータで調整し、最終評価で予測と実績の対応を確かめます。
03専門家向け
判断を一段深める
対象期間や案件構成が変わると校正も崩れ得ます。高い順位識別能力と確率の正確さは両立するとは限らず、意思決定で確率を使う場合は継続監視が必要です。
IN PRACTICE
具体例で考える
架空の70％台と予測した100案件で実際の遅延が40件しかなく、過大評価の傾向を調べて補正します。
理解を助けるための架空の例です。70％台の予測群
実際の発生割合
校正のずれ
個別の正誤ではなく、集団での確率と頻度を比較します。
ここは誤解しやすい
校正された確率でも、個別案件の結果を確実に言い当てるわけではありません。
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。