AI・PMOの進化
学習データ
Training Data
読み：がくしゅうでーた
モデルの規則やパラメータを学ぶために使う入力データと、必要に応じた正解情報です。
01初心者向け
まず意味をつかむ
AIに経験させる練習材料です。案件の遅延を予測するなら、過去案件の開始時情報と遅延結果などが該当し、材料の誤りは学ぶ規則へ影響します。
02実務者向け
仕事でどう使うか
収集目的・対象期間・利用権限・ラベル定義を記録します。学習用と評価用を案件単位や時間で分け、同じ案件の更新版が両方へ混ざらないよう識別子で管理します。
03専門家向け
判断を一段深める
量よりも対象業務との対応と代表性が重要です。将来予測時に使えない情報や、結果判明後に記入した項目を混ぜると、実運用で再現できない性能を得ることがあります。
IN PRACTICE
具体例で考える
架空の遅延予測では、案件開始時の予算を入力に使い、完了時に確定した超過額は入力から除きます。
理解を助けるための架空の例です。利用可能な過去情報
学習への投入
別案件で評価
データ分離はモデルを比較する前に決めます。
ここは誤解しやすい
評価用のデータも繰り返し学習へ回すと、独立した評価材料が失われます。
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。