企業向け「機械学習」機能の構築、困難な理由と成功に導く3つの方法とは？

　データ駆動型ビジネスの中核となるものとして注目されているのが、機械学習（ML）とAIだ。これらのテクノロジーを自社のシステムに実装し実務に活用することは、多くの企業で重要課題となりつつあり、実際にその取り組みをおろそかにすれば、企業はたちまち市場での競争優位性を失ってしまうだろう。

　MLの本格的な構築過程では、企業はあらゆるビジネスプロセスの変革を迫られることになる。そのため、このプロジェクトはどうしても大規模なものになるが、そこに関わる人材要件やプロセスの複雑さに苦慮するケースも多いという。さらにMLプロジェクトは、科学的な手法によって成果を出す性質のものであるため、従来の意思決定サポートツールが効果を発揮できないという問題もある。

　本資料では、エンタープライズ向けMLの構築にあたり直面する課題として、研究開発に対する長期的な視点の欠如、コストへの理解不足、適切なタイミングで適切なリソースを投入するという戦略の不備を挙げている。併せて、これらを解消、あるいは悪影響を軽減するための方法論や具体的な3つの手法についても提起されているので、参考にしてほしい。