こちらの書籍を一読したので、自分の中の整理として読書メモを残します。
https://www.amazon.co.jp/%E6%8A%95%E8%B3%87%E5%AF%BE%E5%8A%B9%E6%9E%9C%E3%82%92%E6%9C%80%E5%A4%A7%E5%8C%96%E3%81%99%E3%82%8B-AI%E5%B0%8E%E5%85%A57%E3%81%A4%E3%81%AE%E3%83%AB%E3%83%BC%E3%83%AB-%E7%9F%B3%E5%B7%9D-%E8%81%A1%E5%BD%A6/dp/4046045477
- 役割分担としては以下の3種類に分かれる。機械学習プランナー
- 機械学習エンジニア（データサイエンティスト、データエンジニア）
- 機械学習オペレーター
いきなり実装ではなく、まずはPoCを。PoCで失敗するケースが多いが、むしろきちんとPoCの段階で撤退することが大事。効果が有耶無耶のまま運用まで進めてしまうと最悪。本当にAIが必要なのか疑った方が良い。ビジネスインパクトをきちんと試算する。明確なゴール設定が不可欠。データがあるからとりあえずAI！は失敗する確率が高い。「ML BUSINESS CANVAS」がツールとして有効。プランニング、モデリング、デプロイの3つのフェーズを意識して計画する必要がある。機械学習導入のメリットは「ランニングコストの安さ」と「スケール性の高さ」。逆にデメリットは「初期コストの高さ」。継続的に性能を維持するための仕組みが大事。リスク分散するために複数のプロジェクトを動かした方が良い。