生成AIで多種多様な「社内データ」を活用するには？データサイエンティストの手を煩わせない手法を解説
前編：AI活用を前提としたデータの運用〜データパイプラインとDataOps〜
本記事では、昨今の生成AIや大規模言語モデル（LLM）の進化と普及が進む現状を踏まえ、自社でのAI活用を一歩進めるための運用視点とそのインフラを解説します。企業で生成AIの活用や投資が増加することは様々な調査で予測されていますが、自社のユースケースに沿った活用を考える場合、社内のデータをどのように運用するかが重要です。活用したいデータを5W1Hの観点で整理してみると、様々な性質を持っていることが分かるでしょう。そうした多様なデータの効率的な運用を手助けするのが、データパイプラインという概念やDataOpsという手法です。前編では、データパイプラインやDataOpsが企業のAI活用をどのように加速させるかについて紹介します。
この記事は参考になりましたか？
- この記事の著者
-
脇 昌弘（ワキ マサヒロ）
ネットアップ合同会社 APAC AI事業開発リード／国内DXセンター長/Partner Manager - Tech Allianceアジア太平洋地域でのAI事業開発をリード。国内においてはDXセンター長として学術系、バイオ戦略系、映像系等の業界活動を推進ながらNVIDIA, Microsoft, ...
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
-
井上 耕平（イノウエ コウヘイ）
ネットアップ合同会社 ソリューションアーキテクト部 ソリューションアーキテクト国内メーカーにて主に製造業向けのIoTの活用ソリューション開発に10年ほど従事。データの収集からAIやBIによるデータの利活用の領域で提案からデリバリーまで幅広く活動。NetAppにおいてはソリューションアーキテクトとして...
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
この記事は参考になりましたか？
この記事をシェア
