![見出し画像](https://assets.st-note.com/production/uploads/images/130970507/rectangle_large_type_2_9d71c8158811f254dc16c244cd15af54.png?width=800)
AIをプロダクトに組み込むのに大事なこと
ここ最近色々やってみて、プロダクトへのAI機械学習の予測モデルを組み込んだり改善するやり方やプロジェクトの進め方がだいぶ実体を持ってわかってきた感じがする。
AIの組み込みはこの3つがすごく大事
・プロジェクトの構えづくり
・ビジネスオブジェクティブの正しい設定
・予測したいことと、データの食わせ方、その予測から起こしたいアクションとそのやり方が明確
まず構え。ビジネスとデータサイエンティストとエンジニアの三位一体の構えをしっかり作ること。これができてないとなかなか歯車が回っていかない。そしてリーン・スプリントで、とにかく小さく早く実行すること。
次に、ビジネスオブジェクティブの正しい設定が本当に肝で、これが間違っているとすごくダメな方向に予測モデルが走って盛大に空回りする。予測モデルを作ること以上にここがちゃんとできてないと上手くいかない。意外とこれをちゃんと設定できないケースが結構多い。
最後に、以下のAIカンバスを用いて、何を予測するのか、どう予測するのか、それによってどんなアクショントリガーにするのか、この辺りの明文化と三者の目線合わせがとても大事。AIに食わせれば勝手によくなるみたいなビジネス側の乱暴な考え方だと大概上手くかない。でもそういうやり方をしてしまいがちなことがめちゃくちゃ多い。プロジェクトで到達したい状態は何なのか、そのために予測したいことが何か、インプットデータは予測に足るのか?、予測できることからアクションがちゃんと繋がるのか、実行できるアクションなのか、検証できるのか、フィードバックループがちゃんと回るか。ここまでを丁寧にドキュメント化していくことでこの歯車がだいぶちゃんと回ることがわかってきたかなと思う。
このやり方自体はだいぶ汎用的にかつ誰でもできるので、これを明文化してちゃんと組織カルチャーとして落とし込めると上手く浸透させられるのではないかと思う。
それに対してまだGenerative AIの組み込みについては、まだちょっと勘所が掴みきれていないなと感じる。インプットデータと、生成できるアウトプットのクオリティの上げ方がまだかなり手探り。大きなインパクトを作るにはまだいろんな試行錯誤が必要だなと感じるし、そもそもベースでできることも数ヶ月単位でどんどん変わるので仮説の立て方や実行しきるのがまあ大変。データインプットやアウトプットのガバナンス自体がまだあやふやでそこの整備からやんなきゃいけないのも課題。
とはいえ、なんか色々試せそうな粒も増えてきたので、ここからが本番だなと思います。
おんなじように試行錯誤している方はぜひ雑談に乗ってくださいw
![](https://assets.st-note.com/production/uploads/images/130970486/picture_pc_8819ad6bb41a3d9e3f4b84d4beac90bc.png?width=800)
この記事が気に入ったらサポートをしてみませんか?