AIプロジェクトの管理 (Japanese Edition)

第5章　 AIライフサイクルにおけるPMの 考慮事項

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

前章では、AIプロジェクト管理の観点から、適用される方法論と具体的な段階について詳述した。具体的には、プロジェクトとして立ち上がる前の段階、重要な転換点、そして実装を適切に完了・納品する方法である。

ここでは、第2章で特定のAIモデルや技術について学んだ内容を補完するため、いくつかの技術的概念を再確認する。ここでは、技術的なライフサイクル全体にわたるAIタスクとプロジェクト管理の責任についてさらに学ぶことになる。

AIライフサイクルの概念

AIライフサイクルとは、 アイデアの概念からアプリケーションのサービス終了に至るまで、AIプロジェクトの各段階をマッピングするためのフレームワークである。世の中には多くのAIライフサイクルのバージョンが存在する。段階間の入出力に焦点を当てるものもあれば、各プロジェクト段階に関連するワークストリームを深く掘り下げるものもある。技術的な目的で作成されたものもあれば、コンプライアンスの観点から実装全体を見るものもある。 結局のところ、異なるバージョンを比較すれば、いくつかの重要なパターンが見えてくるだろう。プロジェクト管理の専門家であれば、すでにプロジェクトライフサイクルに接したことがあるはずであり、この概念は全く新しいものではない。ここでの主な目的は、すべての段階と典型的なタスクを理解し、それらを第1章で扱った戦術的なAI管理、戦略、技術レベルと結びつけることにある。

AIライフサイクルの概念は、業界レベルでは完全に標準化されていない。自社のコンテキストや成熟度によっては、すでに社内で独自の概念や、ライフサイクルに関する文書化された標準が存在しているかもしれない。多くの場合、これは技術チームによって定義されたボトムアップ型、公式、あるいは準公式の仕様であり、AIプロジェクトにおけるタスクの順序と範囲を定めている。

しかし、AI PMとして、そのような標準が存在しない組織やチームに所属することもあるだろう。手順自体は存在しても、それらをリストアップし、相互に関連付けることを誰も考えていない場合もある。その場合は、次のページで紹介するAIライフサイクルからヒントを得ることができる。具体的には、技術的、コンプライアンス、役割ベース、および業界別の視点から見たさまざまなバリエーションについて学ぶことになる。

各ライフサイクルの詳細については、この章の後半で特定のAIライフサイクルを深く掘り下げるため、ここでは詳しく触れない。しかし、組織内で新しいAIプロジェクトのプロセスを考案する必要がある際は、いつでもこの章を参照できる。

AIライフサイクル

この一連のライフサイクルは、技術プロジェクトの段階やタスクを体系化するための定番のリソースを提供する。その一部は従来のデータ駆動型プロジェクトに由来し、他はMLやGenAIイニシアチブの現実に合わせて調整されたものである。これらのライフサイクルに共通するパターンは、反復の余地を残しつつ、開始から終了まで一連の活動を順次行う点にある。反復は、将来のアップグレードに向けたプロジェクトの終了時に行われることもあれば、中間モデルの実験など、ライフサイクルの特定のステップ内で行われることもある。

データマイニングのための業界横断標準プロセス（CRISP-DM）

図5-1の CRISP-DMは、データマイニング（データから洞察やパターンを抽出すること）および一般的なデータサイエンスプロジェクトのための、 ...