執筆者: DataRobot

このユースケースのターゲット変数は、従業員が、ストレスや従業員意識調査の悪い結果が原因で離職したり休職し続けたりするかどうか（真または偽、1 または 0 などの二値）です。このターゲット変数から、これは二値分類問題であることがわかります。 以下の特徴量は、従業員の離職を予測するうえで重要な要素を表しています。それらは各従業員の背景、現在の役割、調査履歴に及び、DataRobot はこれらの特徴量に基づいて従業員の HR プロファイル全体から関連するパターンを検出し、従業員の離職リスクを評価します。

現代の競争社会で企業が成功するには、裏で支える従業員の幸福度と定着率がきわめて重要です。あらゆる規模の企業が優れた人材を確保するために絶えず奮闘しています。人材の獲得も重要ですが、最も重要なのは従業員の離職の防止です。従業員をトレーニングしてその生産性を高める作業には非常に大量のリソースが必要となり、前もって資金と時間の両方をかなり投入しなければなりません。

使用するモデルを確定した後、DataRobot を使用すると、希望する意思決定環境にモデルを簡単にデプロイできます。意思決定環境とは、予測を最終的に意思決定に利用するための手法です。

このユースケースでの一般的なターゲット変数は、応募者が採用担当者の選考に合格するかどうかの予測で、二値分類問題になります。この予測は通常、採用担当者が行う事前審査で活用され、これに合格した応募者が雇用担当マネージャーの審査対象に回されます。 

企業にとって人材は成功の鍵ですが、適切な人材は簡単には見つかりません。米国人材マネジメント協会（SHRM: Society for Human Resource Management）の 2017 年の推定によると、応募者、紹介者、代理店をつないだ流れの中で、求人 1 件あたり 100 人の応募者がいます。

ダイハツ工業株式会社（以下、ダイハツ工業）は、DataRobotの生成AI機能と支援プログラムを活用し、生成AIアプリケーション(LLM Apps)開発の実証実験を開始しました。本実証実験では、DataRobotの予測AIガードレール機能を用いることで、信頼性の高い生成AIアプリケーション(LLM Apps)開発すると共に、DataRobotの生成AI監視機能を利用したガバナンス強化による生成AIアプリケーション(LLM Apps)の安全な運用を目指します。

DataRobotは、生成AI機能と支援プログラムを株式会社ノーリツに提供し、生成AIアプリケーション(LLM Apps)開発の実証実験を開始しました。株式会社ノーリツでは、製品のアフターサービス領域における生産性の向上を目的に、業務ナレッジの共有とベテラン作業員のナレッジを平準化し、若手作業員でも同様の水準で作業に取り組む体制の構築が急務となっており、解決策として生成AIの活用を検討してきました。

AIのビジネス価値を証明することは、AIリーダーにとって最も重要な課題です。世界中の企業が、試作から本番への移行に苦戦しています。ここではその方法と注意すべき点について説明します。

2023年6月14日、DataRobotが主催したイベント「バリュー・ドリブンAIの道はここから始まる」で、DataRo…