信頼性の高い機械学習 ―SRE原則を活用したMLOps

13章MLの組織への統合

新しい重要な分野を組織に統合することは、多くの場合、不規則なガーデニングのように思えます。土地が肥沃であるかどうかに関係なく、種をまき、何が育ったかを確認するために時々戻ってきます。運が良ければ、春に色彩豊かな光景が見られるかもしれませんが、よりしっかりとした構造と規律がなければ、不毛な出来事が待っている可能性が高くなります。

正しい組織の変革は、多くの一般的な理由から非常に困難です。まず第一に組織や文化を変える方法について、事実上無限の材料が存在しています。この膨大な選択肢の中から選ぶのさえ大変なのに、さらにその中から最適なものを選んで実行するのは至難の業です。

ただし、MLの場合、いくつかのドメイン固有の理由があり、間違いなくそちらの方が重要です。既に言い尽くされていますが、MLが根本的に異なる点は、データの性質や表現と緊密に結合していることです。その結果、組織内にデータがあれば、どこにでもMLに関連する可能性があるものが存在します。データを持っている、あるいは何らかの形でデータを処理しているビジネスの全ての領域を列挙してみても、この点がよくわかります。このように、MLは他の開発活動から切り離された神秘的なものではありません。MLが成功するには、リーダーは何が起こっているのかを総合的に把握し、何が行われているかにあらゆるレベルで影響を与える方法を知る必要があります。

こうした状況がとりわけもどかしくて逆説的なのは、ほとんど全ての変革マネジメント手法が、一度に多くのことをやろうとする危険性を抑えるために、小規模から始めるのを推薦していることです。ほとんどの場合、これは非常に賢明であり、最初のその場しのぎの実験は余計な負担なしにできますが、小規模なパイロットで成功したからといって、より大規模なMLの導入がうまくいく保証はありません。サイロ化を回避することはほとんどの組織にとって非常に困難ですが、MLでは特に重要です。 ...