組み込み機械学習機能

機械学習を効果的に行うためだけでなく、機械学習の出力の信頼性を高めるためにも、適切なガバナンスを確保し、データの信頼性を担保する必要があります。それには、次のような質問に答えられる必要があります。どのようなデータを使用すべきか。データの出所はどこで、データはどのように処理されてきたのか。データにはPII（個人情報）が含まれているのか。これは前回使用したデータと同じものか。機械学習では高品質のデータが不可欠です。というのも、同一データをモデルのトレーニングとその後の実行に使用するので、結果がデータの品質に大きく左右されるからです。このため、データの質に問題があれば、システムにリグレッションが発生する（以前よりも劣化する）可能性があります。

機械学習/人工知能ツールのエコシステムは、驚くほど複雑です。セキュリティとガバナンスが優先事項となるにつれ、システムの構築と保守ができる適切な人材を見つけることが難しくなっています。ニューヨークタイムズの記事によると、データサイエンティストの時間の80%が、データのラングリング（準備・整理）に費やされているとのことです。ツールを研究し、適切に選択することが大切です。

機械学習モデルという「ブラックボックス」からの出力は、実際には正確であっても信頼されないことがよくあります。ほとんどの企業では、機械学習に対する投資は中核的インフラというより、理科の実験のように捉えられています。なぜなら業務部門は、AIの結果を理解せず信頼もしないので、これを意思決定に利用することがないためです。さらに、データサイエンティストの人件費や彼らが必要なハードウェアは決して安くはありません。コストが高く結果が貧弱では、全体的なROIが低下します。