効果的なマシンラーニングチーム

第11章. 効果的なML組織

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]

できることはすべてやった、

まだ十分ではない

「Karma Police" by Radiohead

素晴らしいチームで働いていたにもかかわらず、間違った種類の仕事を求められたり、一度に多くのことに集中しすぎたり、他のチームが物事を成し遂げるのを常に待っていたりして、影響力を発揮できずに苦労したことはないだろうか？

これまでの私たちの旅では、MLチームの中で何が起きているのか、仕事のやり方を補完するメカニズム、テクノロジーをどのように構成するか、チームワークの人間的要素などを含めて、じっくりと見てきた。また、プロダクトとMLデリバリチームの相互関係についても見てきた。この章では、さらに一歩踏み込んで、チームの有効性が組織的要因によってどのように調整されるのか、ひいては、効果的な組織は効果的なチームからどのように構築されるのかを検証する。

この 組織的な視点は、効果的なMLチームを構築する上で非常に重要である。なぜなら、依存関係管理、継続的デリバリ、自動テスト、超強力なIDE、信頼、コミュニケーション、多様性、目的などを細かく調整した最高のチームであっても、形の悪い仕事や過剰な組織依存の悪いシステムには負けてしまうからだ。

システムの観点からは、チームは仕事をアウトプットに変換する。その作業は、顧客とのやり取りから直接生まれることもあれば、組織内の別の従属チームによって定義されることもある。チームのアウトプットは、直接顧客に提供されるか、依存するチームに提供される。図11-1に可視化されているように、不十分な設計の作業とチーム間の出力依存関係が、非効率なチームの外部原因である。

図11-1. チームと組織の相互作用のシステム視点

チーム間の相互作用の設計が悪いと、チームの仕事の適合性が悪くなる。これらの問題、すなわち、作業とアウトプットの依存関係の設計が不十分であることが、テクノロジー、プロセス、または知識の依存関係を引き起こす。依存関係は、バックログの結合、フローの中断、認知負荷の増大により、待ち時間、欠陥、その他の無駄をもたらす。これらはすべて、チームのパフォーマンスと満足度に影響を与える。多くのチームにまたがる場合、これらのことは組織のパフォーマンスに深刻な影響を与える。しかし、これらは個々のチーム内だけでは解決できない。

すべてだ、

すべてだ、

すべてだ、

すべてが正しい場所にある

「エヴリシング・イン・ザ・ライト・プレイス」 by レディオヘッド

マシュー・スケルトンとマニュエル・パイスによる『Team Topologies』（IT Revolution Press）で示されているように、組織におけるチームの形状と相互作用モードの設計を考慮することで、これら2つの問題に対処し、チームの有効性を向上させることができる。

この章では、MLチームを組織全体に効果的にスケールさせるために、Team Topologiesに基づいたフレームワークを紹介する。この章では、以下のことを行う：

• 組織が規模を拡大し、MLソリューションのデリバリに関わるチームが増えるにつれて直面する課題について説明する。 ...