AI・PMOの進化
学習時・提供時の不整合
Training-Serving Skew
読み：がくしゅうじていきょうじのふせいごう
モデルを学習させたときと本番で提供するときで、入力項目やその作り方にずれが生じる問題。
01初心者向け
まず意味をつかむ
過去の完成版データで納期を学習したモデルに、進行中で未記入の項目が多いデータを与えると、学習した条件どおりに動けないことがある。
02実務者向け
仕事でどう使うか
入力項目の単位、欠損時の処理、取得できる時点を開発と運用で照合する。運用と同じ時点のデータで配備前に試し、変換の版を変更管理の対象にする。
03専門家向け
判断を一段深める
学習用の履歴と本番の特徴量生成処理を追跡し、過去のある時点で取得可能だった値を再現する。同じ元データを両方の処理へ流し、出力の差を調べる。
IN PRACTICE
具体例で考える
架空の進捗予測では、学習時は終了後の実績工数が入っていたが、週次運用では当週までの工数しか使えなかった。週次時点で取得できる情報を使って学習し直した。
理解を助けるための架空の例です。学習時の入力処理
提供時の入力処理
同じデータで照合
同じ時点の記録を使い、二つの処理が作る値を比較する。
ここは誤解しやすい
学習データの項目名と本番の項目名が同じでも、集計期間や欠損値の処理が違うことがある。実データの数値と処理手順を比べる。
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。