公共機関のAI環境における分断されたMLライフサイクルの課題
ローカルファイルの登録によってのみデータを接続できるため、内外の多様なデータソースとの連携に制約が生じ、専門家による活用度が低下しています。
また、ライブラリの制限や、協働が難しい個別の開発環境、手動によるモデルデプロイなどの課題により、MLライフサイクルが分断され、開発されたモデルは再利用が困難で、一度限りの利用にとどまっています。
閉鎖網内のK8s環境に基づくAIモデル管理体制の構築
データ管理ポータルやサーバーなどの内部データソース、および公共データポータルや国家情報システムなどの外部データソースを、APIベースで多様に連携します。
ユーザーが自らモデルを開発・デプロイできるUIベースのワークフローを提供し、利便性を向上させます。
さらに、国家情報院のセキュリティガイドラインを満たした公共機関初のKubernetes（K8s）環境に基づき、CI/CD/CTを活用可能なAI運用体制（MLOps：Machine Learning Operations）を構築します。
モデル開発・運用の自律性とAIサービスの安定性を確保
多様なデータソースを活用できるようになり、体系的な管理が可能となることで、モデル開発の多様性と活用性が向上します。
直感的なUIを基盤に、モデラー自身がモデルをデプロイし、その性能をモニタリングできるため、AIサービス運用の利便性と安定性が高まります。
