サプライチェーンの「DX」という言葉がメディアで日々取り上げられる一方で、「どこから 手をつけて良いのかわからない」「どんな体制が必要なのか」といった 声が多く聞かれます。遅れていると指摘される日本の DX をどう進めて いくべきなのでしょうか。現場起点で AI 活用に取り組み、全社的に AI 活用を推進しているヤマハ発動機株式会社の大西 圭一氏とダイハツ 工業株式会社の太古 無限氏に、DX を推進するプロジェクトをどう立ち上げ、どう広げていったのかを聞きました。
AI に対する需要は非常に高く、AI ドリブン組織への道は避けられません。AI が積極的なペースで進展していく中で、機械学習を利用したソリューションは急速にニューノーマルになりつつあります。本ブログではリリース 7.2 で進化したDataRobot AI Cloud の新機能についてご紹介します。
DataRobot は、AI のバイアスを評価および理解し、最終的に軽減できるように特別に設計された公平性ツールセットをリリースしました。
AI はまだ比較的新しい分野ですが、世界の現状や変化に対応するため、今すぐに機械学習モデルの価値を発揮する必要が生じています。これを実現するのが DataRobot のソリューションです。
DataRobotのEnterprise AIプラットフォームの6.1リリースの新機能であるHumble AIでは、任意のデプロイモデルに対してルールのセットを定義し、それらルールを予測時に同時に適用することができます。
DataRobot Automated Machine Learning （AutoML）向けの新機能である Location AI の公開ベータ版をリリースいたします。Location AI は特許出願中の機能です。地理空間モデリングの各種技術を取り入れることで、DataRobot AutoML のユーザーエクスペリエンスが強化されました。たとえば、次のようなことが可能です。
機械学習モデルの評価の方法に、DataRobotでよく使われているリフトチャート（LiftChart）というものがあります。シンプルさにかかわらず非常に優れた特徴を持っているモデル評価方法です。本稿ではそんなリフトチャートの計算方法と利用方法をご紹介します。
どんなに機械学習プロジェクトを立ち上げてもモデルを作らなければ企画倒れであり、モデルを作ってもデプロイ（予測できる状態）まで行わなければプロジェクトの完了とは言えません。DataRobotはモデルの自動作成という強力な特徴に目が行きがちですが、モデルのデプロイに対しても様々なケースに対応した手法を持っています。
