最終更新日:
LLMOps・MLOpsとは、AIのモデルを本番の業務で使い続けるために、開発・公開・監視・改善の流れを整える取り組みです。
MLOpsは、機械学習のモデルを対象に、学習データの管理、モデルの学習と評価、本番への公開、精度の監視、学び直しまでを、くり返し回せるように整える考え方です。LLMOpsは、生成AI・LLMを使うシステムに向けたもので、プロンプトの版の管理、答えの品質の評価、費用の監視なども含みます。
AIは作って終わりではなく、データの傾向や業務が変われば精度が落ちていきます。LLMを使う場合は、提供元のモデルの更新で答えの傾向が変わることもあります。試験用の問いの一覧で定期的に評価し、変化に気づけるしくみを用意しておきます。
はじめから大がかりな基盤を整える必要はありません。記録を残す、評価の手順を決める、変更の前に試す、といった基本から始め、使う範囲が広がるのに合わせて整えていきます。運用の担い手を決めておくことも、使い続けるための前提です。
MLOpsでくり返し回す流れ
学習データの管理
学習と評価モデルを学習させ、評価します
本番への公開
精度の監視データの傾向や業務が変われば、精度が落ちていきます
学び直し
LLMOpsでは、プロンプトの版の管理、答えの品質の評価、費用の監視なども含みます
関連する用語
- 機械学習コンピューターがデータから規則やパターンを学び、分類や予測を行えるようにする方法です。
- プロンプトエンジニアリング生成AIから意図に近い答えを引き出すために、指示の書き方や与える情報を工夫し、改善していく技術です。
- ガードレール生成AIやAIエージェントが、決められた範囲から外れた答えや操作をしないようにする、安全のための仕掛けです。
- PoC(概念実証)新しい技術やしくみが実際の業務で使えるかを、本格的に作る前に小さく試して確かめることです。