AI本体はAIソリューション全体からみると一部でしかない
ARISE analyticsは2017年にKDDIとアクセンチュアによって設立された、データアナリティクスに特化した合弁会社である。KDDIの保有する4000万を超える契約データとアクセンチュアが持つアナリティクススキルを生かして、KDDI事業におけるデータ活用の推進、法人のお客様へのデータやAIの活用支援、KDDIグループのDX推進支援などを行っている。
坂本氏は同社サービスデザインユニットでソリューションインテグレーションチームのリードを務めている。坂本氏の役割はAIエンジニアと相対して、ソリューションに落とし込むこと。「AIのプロではなく、AIをソリューションに組み込むプロ」と坂本氏は言う。
ChatGPTが2022年11月にリリースされて以来、今はAIソリューションというと猫も杓子も生成AIと言われるようになっている。確かに生成AIは世界中で使われており、リアルタイムで回答もしてくれ、アップデートもそれなりにあり、課金すれば追加でサービスが受けられ、目立ったバグもない。
それだけにAIソリューションを作ろうとなると、「MLOpsは作れるのか」「学習コストはどうなのか」「推論時間はどのくらいかかるのか」「正答率は本当によいのか」ということに、気を取られてしまうエンジニアも多い。
だが、AIソリューション全体からするとAI本体の話は、ほんの一部でしかない。つまりAI以外のチューニングがカギを握る。AI以外のチューニングとは「システムとして当たり前のチューニングにAIを巻き込むこと」と坂本氏は語る。そのためには「疎結合」「同期、非同期、イベント駆動」「再現性」をしっかり考えることが不可欠だと坂本氏は言う。
AIモデルは「検証」「開発」「運用」というステップを経て商用化に至る。検証時は1％でも高く精度向上を目指すことが重要になる。その理由について坂本氏は、「そもそも成果が出ないと次の開発に進めないため」と明かす。例えば正答率50％のAIだと、システムとしては使いにくい。つまりAIの精度を高めることが、AIの価値につながるからだ。
その一方で、開発のステップに入ると、AIは推論部分だけなので、それ以外の各種チューニングが欠かせない。例えばユーザーが入力するデータにバリデーションをかけたり、データ加工したりする必要がある。そのような加工が施されたデータはDBに集められ、そこでAIによる推論を行う。後はデータ整形をし、レスポンスを返す。こういういろいろな処理に加え、「エラーハンドリングについても考慮することが求められる」と坂本氏。「開発フェーズでは検証フェーズとは異なり、一気にチューニングするものが増える」（坂本氏）という。
