データ契約を版管理する
再現可能なモデルにはコードのコミット以上が要る。入力スキーマ、抽出ロジック、時間窓、変換を記録し、後の実行が同じ意味を持つようにする。
MLOpsはフレームワークを入れることだけではない。その技芸は、データ、コード、パラメータ、環境、モデルといった重要な変更を、結果を再現し必要なら安全に元へ戻せるほど追跡可能にすることだ。
優れた実務者は層をまたいで動ける。データ品質の失敗、訓練のボトルネック、コンテナ配備、プロダクト指標を十分理解し、適切な人を集められる。仕事は、有望な実験と頼れるサービスのあいだの距離を縮める。
仕事が求める力
ソフトウェア工学85
クラウドとインフラ88
データ工学86
機械学習リテラシー76
可観測性と信頼性84
部門横断のコミュニケーション78
ソフトウェア工学
他のエンジニアが保守できる、テスト可能なサービス、API、自動化を作る。
クラウドとインフラ
コンテナ、ストレージ、ネットワーク、計算資源を効率的かつ安全に運用する。
データ工学
品質チェックと系譜を備えた、信頼できる版管理されたデータフローを作る。
機械学習リテラシー
訓練、評価、推論、ドリフトを理解し、モデルを責任ある形で運用する。
可観測性と信頼性
ユーザーが障害に気づく前に、レイテンシ、コスト、データ品質、モデル成果を測る。
部門横断のコミュニケーション
研究者、開発者、セキュリティ、プロダクト所有者を、証拠とトレードオフで揃える。
一日の風景
- 7–9
ダッシュボードとトリアージ
パイプライン健全性、推論レイテンシ、コスト、データチェック、夜間アラートを確認する。
- 9–12
プラットフォーム工学
パイプライン、配備テンプレート、レジストリ連携、インフラのボトルネックを改善する。
- 12–13
休憩と実験レビュー
運用から離れ、モデルやプラットフォームの結果を同僚と比較する。
- 13–16
データとモデルの協働
データサイエンティストやプロダクトと、評価、訓練データ、本番公開に取り組む。
- 16–19
テストと文書化
配備チェックを回し、ランブックを更新し、回帰を調べ、引き継ぎメモを用意する。
- 19–7
オフシフトまたは当直
多くは予定業務だが、本番障害、失敗した訓練、コスト急騰でページが飛ぶこともある。
ノウハウ
現場で実際に伝えられる技術知 — モチベーション文句ではない。
オフラインとオンラインを分けて測る
ベンチマーク指標が上がってもユーザー成果が悪化し得る。オンラインのガードレールを定義し、制御された公開を実際の意思決定文脈と比較する。
ロールバックを退屈にする
既知の良いモデルと配備経路を残し、高リスク公開の圧力が来る前に戻し方を練習する。
出力より先に入力を見る
入力分布は、遅延した成果ラベルが劣化を確認する前に、上流の破損や母集団の変化をしばしば示す。
特徴量を依存関係として扱う
他サービスが作る特徴量には所有者、鮮度の期待、テストが要る。さもなければ訓練とサービングのずれが隠れた障害になる。
評価の時間を予算化する
反復可能な評価セットなしの速い配備は、不確実性を本番へ移すだけだ。出荷前に計算資源、レビュアー、判断基準を確保する。
仕事の道具
バージョン管理とCI/CD
Gitと自動化パイプラインがコードを版管理し、変更をテストし、成果物を環境間で昇格する。
コンテナとKubernetes
DockerとKubernetesが訓練やサービングのワークロードをパッケージ化し、計算資源上でスケジュールする。
実験追跡とモデルレジストリ
MLflowやクラウドのレジストリが実行、成果物、承認、配備可能なモデル版を記録する。
ワークフローオーケストレータ
Airflow、Kubeflow Pipelines、Dagster、マネージドサービスが、反復可能なデータ・訓練ワークフローをスケジュールする。
監視とデータ検証
可観測性プラットフォームと検証ライブラリが、サービス健全性、データ品質、ドリフト、事業成果を追跡する。
失敗する理由
ノートブックから本番への飛躍
パイプライン、所有者、監視なしに一回きりの実験を配備すると、最初のデータ変化がインシデントになる。
指標のトンネルビジョン
一つのオフラインスコア最適化は、本番でしか見えないレイテンシ、コスト、公平性、ユーザー害の悪化を隠す。
所有者のいないデータ依存
ソース表や特徴量が安定し続ける前提は、他チームが変えた瞬間に静かな破綻を生む。
似ている職業
分野だけでなく、6つのスコアが近い職業です。
🔐
?????????????????
デジタル攻撃を発見、防止し、対応することで、システム、データ、人々を保護します。
AI耐性 63 🧫臨床データサイエンティスト
臨床データ、治験データ、医療システムのデータを用いて、より安全な医療、研究、業務上の意思決定のための信頼できるエビデンスを生み出す。
AI耐性 68 🔌半導体エンジニア
自動車のブレーキから核ミサイルの誘導システムまで、あらゆるコンピュータや携帯電話の中にあるトランジスタを設計・製造する。地球上でごく一部の工場しか動かせないほど精密な機械を使う仕事だ。
AI耐性 60 🦾ロボット技術者
感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI耐性 65 🌿サステナビリティマネージャー
組織が事業上の義務を果たしながら環境・社会への害を減らせるよう、戦略、測定、報告を主導する。
AI耐性 66 👔弁護士
依頼人に法的助言を与え、権利義務を縛る文書を起草し、法廷では代理人として弁論する——助言が誤っていれば自ら法的責任を負う職業。
AI耐性 58さらに探す
さらに探す
工学・技術のほかの職業
💻
ソフトウェアエンジニア
現代生活を動かすコードを書き、テストし、保守する仕事であり、AIが自分自身の日々の作業を自動化していく様子を最初に目の当たりにしている職業の一つでもある。
AI耐性 35 🤖AI研究者
機械知能を支えるアルゴリズムを設計・検証する仕事。今やその研究プロセス自体の自動化を競う分野になりつつある。
AI耐性 50 🛰️航空宇宙エンジニア
地上を離れる航空機・ロケット・宇宙船を設計・解析・認証する仕事で、推測の余地を残さない安全マージンを守り続ける。
AI耐性 74 🌉土木技術者
川と岩と重力を橋・道路・清潔な水に変える職業――イムホテプ以来、文明を静かに支え続ける仕事。
AI耐性 72 🔌半導体エンジニア
自動車のブレーキから核ミサイルの誘導システムまで、あらゆるコンピュータや携帯電話の中にあるトランジスタを設計・製造する。地球上でごく一部の工場しか動かせないほど精密な機械を使う仕事だ。
AI耐性 60 🦾ロボット技術者
感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI耐性 65 🔐?????????????????
デジタル攻撃を発見、防止し、対応することで、システム、データ、人々を保護します。
AI耐性 63 🌬️再生可能エネルギーエンジニア
再生可能な資源を信頼できる電力に変える、風力、太陽光、蓄電、送電網のシステムを設計・構築・改善する。
AI耐性 72