長年培ってきた数理科学の技術を基に、お客様のご要望に合わせたAIモデルを開発します。お客様が解きたい課題を当社の技術スタッフが一緒に課題整理し、要件に最適なAIモデルの設計・開発を行い、ご要望に合わせたご利用形態でご提供いたします。

NTTデータ数理システムの強み
数理科学技術を背景として実施する、AIモデルの設計・開発や PoC によるAIモデルの効果検証やは当社が最も得意としている分野です。お客様の業務課題に合わせて最適なモデルを作成します。 NTTデータ数理システムが開発したパッケージ製品を活用した実装や、独自のアルゴリズム・論文で紹介された最先端アルゴリズムの実装も可能です。 ご要望をヒアリングし、いかなる難問に対してもお客様の業務で活用可能な姿を目指して取り組みます。
また、AIモデル開発の前段での状況整理や、システム開発全体の中での数理科学技術分野の支援として、データ分析や数理コンサルティングも承っております。
AIモデル開発の流れ
当社で承っているAIモデル開発は下記のような流れで進めていきます。
課題整理
「データはあるから何となく何かやりたい…」
プロジェクト開始のきっかけはそれでも良いのですが、現状把握・ゴール設定なしではそのプロジェクトは座礁してしまいます。活用シーンをイメージしながら業務で活用するために課題を整理しましょう。
現状分析 | 現状の業務の整理・理解も大事。例えば分析をする前には今あるデータの見える化・仮説立案等をしておくことが重要です。 |
---|---|
ゴール設定 | 業務のあるべき姿を描きます。そのために必要なソリューションは何かを整理します(精度が○○%以上の予測モデル、など)。 |
データの取得状況 | 現在データはどの程度収集できているか、今後新たなデータに収集可能なデータは何かを検討します。 |
業務上の制約 | マシンリソース制約(利用メモリ、OSなど)や計算時間(夜間バッチで流したいから〇時間以内)など、業務に適用する際の障壁となることを列挙し、ロジック検討の材料にします。 「お客様に結果の説明責任がある」といった場合には、可読性の高いロジックを採用するなどの制約が生じる場合もあります。 |
AIモデル開発
機械学習・最適化などの技術を活用して、お客様の課題を解決するためのモデルを作成します。
- 1
目標設定・フェージング
いきなり全展開を目指すと技術的にも現場対応的にもハードルが高くなりやすいです。AIモデル開発では特に目標が高くなりがちですので、問題設定や適用部署を限定するなどのフェーズ分割を行い、手戻りが発生しにくいように一歩ずつ進めましょう。 - 2
プロトタイピング
AIモデルの実装についても、いきなり完成品を目指すのでなく、まずクイックに実現可能な範囲から実装します。AI技術を活用したアプローチでは事前に課題を予見しておくことが難しいため、まずは不完全でもモデル作成し、一歩ずつ課題を確認・改善していく手法をお勧めしています。 - 3
トライアル・モデル改善
プロトタイピングで作成したモデルを、机上検証で可能な範囲で改善できたら、より実業務に近い環境でトライアルを行います。フェーズによっては実業務で関わる方にも評価に参加していただきます。実業務で使う場合を想定して改めて課題を洗い出し、モデル改善とシステムや業務オペレーションの課題に切り分けて、改善を行います。 - 4
現状業務と並行稼働で試験導入
一定期間、現状の業務と並行して試験導入を実施します。ソリューションの妥当性を検証する最終ステップです。
システム化・業務適用
お客様の業務状況に合わせて、適切なご活用方法をご提案いたします。
お手元のマシンで個人の方がご利用されるケース
例えば、Excelなどのインターフェイス上で操作できる形でご提供いたします。
お客様が現在利用されているスクリプトから呼ぶケース
インターフェイスを取り決めた上で、ロードモジュール・関数の形式でご提供いたします。
ウェブシステムや基幹システムの一機能としてご利用いただくケース
NTTデータグループ、その他 SIer 企業様との協業でご提供いたします。
SIer企業様との連携イメージ
メンテナンス
データを学習してモデルを作成している場合は、データ傾向の変化による精度低下を避けるために、定期的に精度確認・再学習などのメンテナンスが必要になります。AIモデル作成に使用した手法に合わせて、再学習の必要性の有無、メンテナンス体制など、適宜ご提案いたします。