問題 No.868
AIシステムを構築して運用する際、モデルのリリース後も継続的に品質を維持・改善するための仕組みであるMLOpsの記述として不適切なものはどれか。
【正解の解説】
一度高い精度で構築されたモデルであれば外部環境の変化による影響を受けないため、本番稼働後はデータの監視や再学習の自動化は行わない
AIの精度は、世の中の変化（データドリフトなど）によって徐々に低下します。そのため、本番稼働後もデータを監視し、必要に応じて再学習するサイクルが必須です。
スポンサーリンク
【その他の選択肢の解説】
モデルのソースコードだけでなく、学習に使用したデータセットやハイパーパラメータのバージョンも合わせて管理する
MLOpsでは、モデルの精度だけでなく、そのモデルを導き出したデータや設定値（ハイパーパラメータ）も管理し、いつでも再現できるようにしておく必要があります。
新たなデータが収集された際に、自動的にモデルの再学習、評価、検証を行い、本番環境へ安全にデプロイするパイプラインを構築する
新たなデータをAIが自動的に受け取り、評価して新しいモデルへ更新する仕組み（パイプライン）を構築することがMLOpsの重要な役割です。
開発チームと運用チームが連携し、ビジネス要求に合致したモデルを迅速かつ安定的に提供し続けることを目指す
開発と運用が分断されていると効率が悪いため、チーム全体で協力してビジネス価値を出し続ける体制づくりを目指します。