手作業中心の運用と金融業界の規制対応の必要性
手作業によるデータ前処理やモデル管理によって業務の生産性と再現性が低下しており、AI運用の自動化が必要な状況でした。また、AIの開発・運用環境が分散していたため、モデルの標準化や一元管理が難しく、運用効率と拡張性の確保が急務となっていました。さらに、金融業界における規制やセキュリティ要件が強化される中、AIモデルの安定した運用と監査証跡を確保できる統合管理体制の構築が求められていました。
Runwayを基盤としたEnd-to-End MLOpsの構築とレガシー環境のマイグレーション
金融業界のK8S環境に、AIプラットフォームRunwayを基盤とした新たなMLOpsプラットフォームを構築し、既存の運用モデルのマイグレーションとリファクタリングをあわせて実施しました。データ処理からモデルのデプロイ・運用まで、AIの全プロセスを標準化・自動化するEnd-to-End MLOps体制を構築しました。
また、顧客向けレポートを自動生成して既存のExcelテンプレートと連携するとともに、運用パフォーマンスのモニタリングから再学習までを自動化する、継続的なモデル管理体制も実現しました。
目標を32％上回る推論性能と金融業界水準の運用安定性
リアルタイム推論性能を目標比32％向上させました。また、コードを修正することなくスコアの算出・検証が可能なノーコードベースのモデルシミュレーション環境を構築しました。さらに、セキュリティ・規制対応を基盤とした、安定的かつ持続可能な金融業界水準のAI運用体制を確立しました。
