Skip to content

組織横断的にチームを組成し、機械学習による成長サイクルを実現する計画を立てるワークショップ

License

Notifications You must be signed in to change notification settings

aws-samples/aws-ml-enablement-workshop

ML Enablement Workshop

ML Enablement Workshop は、生成 AI を含めた AI/ML 技術をプロダクトの成長に繋げられるチームを組成するためのワークショップです。

組織横断でのチームの組成 Amazon の開発プロセスの実践 1~3 カ月で最初の成果を獲得
Team Measure Plan
企画・ビジネス側と開発側が一体で取り組む 顧客体験から逆算して考える
Working Backwards を実践
必要十分な手法で迅速に顧客の反応を得る

ワークショップの取り組みについて執筆させていただいた書籍が発売されました!

Book 概要
mlops book 事例でわかるMLOps 機械学習の成果をスケールさせる処方箋 (Amazon リンク)
機械学習を導入、運用する MLOps 全体の営みについて、インフラの技術面だけでなく機械学習を活用するカルチャーにも踏み込み、理論面に加え各社の実践例も交え解説した書籍です。
9 章である「機械学習プロジェクトの失敗確率 80% を克服するプラクティス」に本ワークショップの取り組みを寄稿しています。
・リンク集 : 刊行記念イベント動画 / 登壇資料 / 執筆の背景と意図

ワークショップを活用された MUFG 様が、日本の金融機関として初めて re:Invent に登壇されました! (2024 年)

Video 概要
video How MUFG is using generative AI to transform corporate sales: Efficient, scalable, and adaptable
法人営業における金融商品提案の顧客体験について、営業チームと開発チームが合同でML Enablement Workshopを実施し、理想的な体験とその実現に向けたマイルストーンを定義。営業チームが提案の価値検証を進める一方、開発チームは生成AIを活用した提案作成の自動化を推進。AWSのプロトタイピングプログラムを活用してフロントエンド開発の支援を受け、その後も開発チームによる継続的な改善を実施。その結果、わずか3ヶ月以内にリード生成が10倍に増加し、30%の成約率向上を達成するという顕著なビジネス成果を達成。

🚴 ワークショップの流れ

ワークショップは参加者に対しワークショップでの役割を伝える Day0 を実施後、 2 部構成のプログラムを行います。 1 部で Amazon の開発プロセスを一通り実践し、 2 部からは参加者自信が主導しより時間を取るべきプロセスの再考と 1~3 カ月で最初の成果を獲得する計画を立てます。それぞれのパートの解説と資料は、 Title のリンクからアクセスできます。

Title Day0: 目的とロールの確認 実践編: Amazon 流を実践 改善編: 仮説検証の自走を開始
Image Day0 Day1 Day2
Work 参加者各自の役割の確認 Working Backwards の 5 つのプロセスで仮説立案 参加者自身によるプロセス改善と 1 ~3 カ月の計画作成
Time 1 時間 ( リモート可 ) 3.5 時間 1~3 時間
Guide Day0 実施ガイド 実施編 実施ガイド 改善編 実施ガイド

ワークショップをご活用いただいたお客様のフィードバックをまとめています

お客様事例

特に生成 AI の事例については、こちらのブログをぜひご参照ください : 生成 AI を活用する鍵は組織横断のチームにあり : ML Enablement Workshop を活用した 4 つの事例から学ぶ

Customer Quote
株式会社マネーフォワード
ML Enablement Workshopによりプロダクトマネージャー、開発者、研究開発者共同でワークショップを行った結果、機械学習の推進に不可欠なロール間のコミュニケーションが生まれました
・事例の詳細 : ユーザに最高の付加価値を提供するための AI 活用に向けて (@ SaaS on AWS 2022)
株式会社ジーニー
ML Enablement Workshop の刺激的な体験を通じ、明確なアクションだけでなく良質な検討フレームワークを持ち帰ることができました
事例の詳細を見る
株式会社ココペリ
ML Enablement Workshop での顧客体験分析を通じ、 Big Advance の顧客にもっともインパクトがある生成 AI の用途を特定しタスクと効果測定 KPI を決められました
事例の詳細を見る
株式会社ココペリにおける AWS 生成 AI 事例: ML Enablement Workshop によるユースケース特定とその検証
株式会社三菱 UFJ 銀行
ML Enablement Workshop とプロトタイピングの支援により、目指すべき営業体験の創出から、検証、改善までの一連のサイクルを、迅速かつ円滑に回し始めることができました
事例の詳細を見る
re:Invent 2024 での登壇動画
株式会社セゾンテクノロジー
ML Enablement Workshop を通じメンバーそれぞの考えを可視化・共有することで思い込みのバイアスを避け、自信を持ってコミットメントできる意思決定ができました
事例の詳細を見る

このほか、様々なお客様のプロダクトチームで、ワークショップをご活用頂いています

活用頂いた事例を掲載頂ける場合は、Issueよりご連絡ください。

🚶 ワークショップ実施前に

ML Enablement Workshop 実施前に、組織全体の AI/ML 活用リテラシーの向上 を行いたい場合はコミュニティ版の資料のご活用を検討ください。

Community Workshop

プロダクトを成長させる生成 AI のユースケースを考えるワークショップ

プロダクトマネージャーを主な対象として、プロダクトで生成 AI を活用するためのアイデア発想、ビジネスモデル作成、また顧客起点でのプロダクト開発プロセスを学ぶためのワークショップを行っています。コミュニティでは複数社、個社では複数プロダクトのプロダクトマネージャーを集め意見交換を行うことで新しい視点で発案を促します。過去の開催レポート、発表資料は下記をご参照ください。

Index Image Presentation / Report
vol.4 vol4 イベントレポート : 生成AI時代のプロダクト開発プロセス改善 - Working Backwards と Value Discovery で実践 ( この回は、プロダクト開発プロセスの改善を生成 AI とともに行うテーマで実施 )
ワークショップ進行資料
イベントページ
vol.3 vol3 イベントレポート : 生成AIが活きるプロダクト体験を発見する鍵 -24のバリューキャンバスの分析から見えたもの
ワークショップ進行資料
ワーク用バリューキャンバス台紙
バリューキャンバス作成後のアクションガイド
イベントページ
vol.2 vol2 イベントレポート : コミュニティの力でAIをプロダクトに組み込むアイデアに磨きをかけよう
AWS 大渕 麻莉: 生成系AI活用においてプロダクトマネージャーの重要性が増した説
Notion 早川 和輝: Notion AIから学ぶ生成AIプロダクトの仮説検証と実践方法
AWS 久保 隆宏: 生成系 AI 活用用途のアイディエーションと検証
イベントページ
vol.1 vol1 イベントレポート : 「プロダクトを成長させる生成系 AI のユースケースを考えるワークショップ」を開催しました。
Sansan 西田 貴紀: Sansan LabsのLLM活⽤から考えるLLMプロジェクトの要点整理
株式会社Gaudiy 北川 和貴 : LLMエージェントをtoC提供して見えた可能性と難しさ (限定公開)
AWS 久保 隆宏: 生成系 AI 活用用途のアイディエーションと検証
イベントページ

個社開催も実績があります。

Index Image Customer Report
1 recruit 株式会社リクルート : 社内での生成AI活用推進を成功させる実践方法
AWS様にご協力いただき、生成AIのアイディア 出しからビジネスモデル作成まで行う社内向けワークショップが開催されました。趣旨としては、リクルートに所属する約50名のエンジニアやPdMが協働し、課題を基にした議論を重ねながら生成AIの具体的ユースケースを検討するというものです。
実際に私自身も参加したのですが、新規ビジネスや既存業務の問題・課題に対して、様々な観点でブレインストーミングを行い、PSF(Problem Solution Fit)を整理する中で新たな知見を深めることができました。
2 ntt data intramart 株式会社NTTデータ イントラマート : プロダクトを成長させる生成系 AI のユースケースを考えるワークショップ実施レポート
生成AIを活用した様々な機能強化を進めていくべく、AWS様と共同で「プロダクトを成長させる生成系 AI のユースケースを考えるワークショップ」を実施しました
製品開発やサービスの主要なメンバーと意見交換しながら多様なアイディアを出す事ができ、非常に良い経験となりました。

🏃‍♀️ ワークショップ実施後に

ワークショップ実施後の素早いプロトタイプ構築のために AWS として様々なアセットを公開しています。

AWS Smaples

開発者、データサイエンティストを対象に、実装のフェーズで役立つサンプルを提供しています。

生成 AI の AWS 実装集

Image Detail
generative_ai_use_cases generative-ai-use-cases
生成 AI の様々なユースケースをワンストップで試せるアプリケーションです。チャットはもちろん、要約、画像生成、検索拡張生成、文書校正、翻訳、 Web コンテンツの抽出といった機能をすぐに試し効果を体感できます。
bedrock_claude_chat bedrock-claude-chat
生成 AI のチャット機能をすばやくかつセキュアにデプロイできるアプリケーションです。検索拡張生成、またシステムプロンプトを埋め込んだカスタムボットの共有などチャットに特化した機能を提供しています。

AI/ML の AWS 実装集

Image Detail
aws_ml_jp aws-ml-jp
AWS の AI/ML サービスのサンプルコード、また学習コンテンツを提供するリポジトリです。 Amazon SageMaker を利用したモデルの学習はもちろん、基盤モデルの Fine Tuning のサンプル実装なども提供しています。
studio_lab_community awesome-studio-lab-jp
AWS アカウント不要かつ無料で利用できる Amazon SageMaker Studio Lab で学べる機械学習のコンテンツを集めたリポジトリです。

機械学習プロジェクト体験ハンズオン

開発者向けの機械学習ハンズオン資料です。 目次のNo.1から順に進めていくことで各開発プロセスでなにを行うのか、なぜ行うのか、どう行うのかを学ぶことができます。ハンズオンは Amazon SageMaker Studio Lab を使用し進めます。アカウントの作成方法や使い方はAmazon SageMaker Studio Lab の使い方を参照してください。

No Process Title Content Video
1 Introduction 機械学習モデル開発プロジェクトの進め方 Markdown YouTube
2 Environment Setup 機械学習モデルの開発環境を構築する Open in SageMaker Studio Lab YouTube
3 Business Understanding 機械学習の価値を計算する Open in SageMaker Studio Lab YouTube
4 Analyze データから価値を創出できるか診断する Open in SageMaker Studio Lab YouTube
5 Prepare 診断結果に基づきデータを充足する Open in SageMaker Studio Lab YouTube
6 Preprocess 機械学習モデルが認識しやすいデータにする Open in SageMaker Studio Lab YouTube
7 Train 機械学習モデルを学習する Open in SageMaker Studio Lab YouTube
8 Test 機械学習モデルを評価する Open in SageMaker Studio Lab (Comming Soon)
9 Ending 機械学習モデルの開発から運用へ Markdown (Comming Soon)

シナリオ別ハンズオン

特定のシナリオで AI/ML のプロジェクトを企画から実装まで学べるハンズオンコンテンツです。

  • サービスの解約率改善シナリオ ( 所要時間 2~3 時間 )
    • 携帯電話会社での解約率改善を題材に、ビジネス理解からモデルのテストまで一気通貫で体験できるハンズオン。

ML Enablement Workshop に関する FAQ

外部登壇資料

改善要望

ハンズオンコンテンツについてのご要望や質問を歓迎します!事前に CONTRIBUTINGに目を通して頂ければ幸いです。

ライセンス

MIT-0 License

About

組織横断的にチームを組成し、機械学習による成長サイクルを実現する計画を立てるワークショップ

Topics

Resources

License

Code of conduct

Security policy

Stars

Watchers

Forks

Packages

No packages published