AI プロジェクトの進め方とは
AIプロジェクトは課題設定 → PoC → 開発 → 運用・評価の反復型プロセスで進めるのが一般的です。試行錯誤を前提とする点が、従来型のシステム開発と大きく異なります。
この用語はG検定シラバスの「35. AI プロジェクトの進め方」に含まれます。 章全体の用語は用語解説⑥（全52語）にまとまっています。
一言でいうと
課題設定からPoC・開発・運用へと進み、必要に応じて前の工程へ戻る反復型の進め方です。
なぜ反復型なのか
従来のシステム開発では「作れば必ず動く」ことが前提でした。仕様を決めれば結果は予測できます。
しかしAIはやってみないと精度が出るか分かりません。データの質・量に大きく左右され、目標精度に届かないこともあります。
そのためPoCで見込みを確かめてから本開発に進む、という段階的な進め方が取られます。
運用してからが本番
AIは公開して終わりではありません。時間とともにデータの傾向が変わると精度が徐々に落ちていきます。
そのため監視と再学習の仕組みが必要で、これを担うのがMLOpsです。CRISP-MLが運用工程を重視するのも同じ理由です。
体制づくり
技術者だけでは進みません。経営層・現場・IT部門といったステークホルダーの合意形成が不可欠です。
またアノテーションのように現場の知識がないとできない作業もあり、協力体制が成否を分けます。
データが揃うまでが長い
AIプロジェクトで最も時間を要するのはモデルの設計ではなくデータの準備だとよく言われます。
社内に散在するデータを集め、形式を揃え、アノテーションを付ける——この工程だけで全体の大半を占めることも珍しくありません。
「良いアルゴリズムがあればすぐできる」という誤解は、プロジェクトの見積もりを大きく狂わせる原因になります。
🎯 G検定での押さえどころ
- 課題設定 → PoC → 開発 → 運用の反復型
- 試行錯誤が前提である点が従来開発との違い
- 運用後の監視・再学習まで含めて考える
⚠️ よくある誤りの選択肢
- 「AIプロジェクトはウォーターフォール型で進めるのが一般的である」→ 誤り。反復型が適します
- 「AIは一度開発すれば精度は維持される」→ 誤り。時間とともに劣化します
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。