DataRobot ブログ

生成AIの普及が急速に進む中、多くの企業が生成AIの活用に向けた検討を進め、活用に取り組む企業も増えています。しかし、生成AIの実用化に取り組む際には、統合的な管理の複雑さや生成AIの信頼性に関連する課題に直面している企業も多く存在します。DataRobot AI Platformでは、予測AIだけでなく、生成AIも構築し、運用・管理することが可能です。

建設業界は、令和の時代に複雑な課題とデジタル技術の進化に直面しています。特に、AIの活用が新たな可能性をもたらす一方で、多くの課題も浮上しています。本記事では、建設業界におけるAIの未来とその課題、そして、それらにどのように対応すべきかに焦点を当てて説明します。

※本内容は、2023年1月25日イベント開催時の情報となります。 DataRobotはメディア向けAI勉強会「今後、日本…

「AI x ルールベース」をどう使いこなすのが望ましいか、金融・保険業界でのビジネス適用事例も交えてご紹介。 条例やコンプライアンスに従いビジネスロジックの自動化を図るには、AIとルールベースのそれぞれの強みを理解し、適切に棲み分け、組み合わせることが、AIを活用した自動化・高度化を実現する上で重要です。

製造業企業でアフターメンテナンス領域は業務効率化や収益化が難しいとされていますが、業務改革を実現するAI活用のポテンシャルが多くあります。が、効果的にAI活用を進めるにはステップがあり、本ブログでは具体的なステップも含め、アフターメンテナンス領域におけるAI活用について解説をします。

2021年に入ってから、保険業界ではAIによる引受業務の意思決定を自動化・高度化する動きが顕在化してきました。実現されれば引受業務や顧客への提供価値そのものが大きく変わります。本稿では、近い未来の引受業務の在り方を研究機関の調査結果やDataRobotの知見を基に考察します。

本ブログでは、信頼できる AI を構成する要素のうち、モデルのパフォーマンスについて説明します。高度なパフォーマンスの実現には、主に「データ品質」、「精度」、「堅牢性と安定性」、「スピード」の 4 つが必要です。

多くの機械学習のモデルはトレンドが変化すると影響を受け、時間とともに陳腐化します。モデルを業務で活用し継続的にROIを生み出していくには、AIガバナンスを整備したモデル運用がモデリングと同じくらいに重要といなります。本稿ではAIガバナンスと運用体制を実現するMLOpsの概念を用いて、導入時の考慮事項をご説明します。

製造ラインの安定稼働を維持するため、設備の保全活動を計画・実施しています。製造現場に適用しているモデルも同様、安定的に利用するため、精度劣化の予兆を事前に把握するなどのメンテナンスが必要です。本稿ではAIモデルを製造現場で利用する際の課題と考慮事項をご説明します。