効果的なITアウトソーシング管理の7つのヒント

効果的な 外部委託管理 の7つのヒント

どのようにして効果的な 外部委託管理 を実現できるのでしょうか。アウトソーシングは優れたツールですが、正しく管理できなければ、ITアウトソーシングプロジェクトで失敗してしまい、悩まされることが多いでしょう。本記事では、 ITアウトソーシングのポテンシャルを十分に活用するためのLQAの7つのヒントをご紹介します。   1. 始めには、重要性の低い業務をアウトソーシングの対象とする ITアウトソーシングを実施する経験があまりない方は、ゆっくり関わっていくほうがいいでしょう。まとめて始めるのではなく、最初に重要性の低いIT機能でITアウトソーシングを試してみます。それらの業務委託の内容が簡単に理解できるので、初体験にはぴったりです。 例えば、テストをアウトソーシングしたいとします。まず、手動テストで単体テスト、統合テスト、機能テストなどから始めます。チームがもっと力を発揮できそうな効果が出たら、より複雑な作業を必要とする自動化テストに進みます。 これは、ITアウトソーシング管理の効率性のリトマス試験と見なすことができます。このような「トライアル」を通じて、ITアウトソーシングがどのようなものであり、アウトソーシングされたチームをうまく管理するために何が必要かを理解することができます。最悪の場合、アウトソーシングが期待に応えられない場合でも、コアでない機能にしか至らない、影響が小さいです。ビジネスの重要な部分には影響がありません。したがって、リスクは最小限に抑えられます。     一方、ITアウトソーシングが有望な結果を示している場合は、システムの経験と理解を、より大規模でより複雑なプロジェクト/機能に対して使用できます。 では、重要性の低い業務をどのように見だすのでしょうか。それは、何年にもわたって適用されてきた戦略的vs商品的アプローチという方法に繋がります。 この方法では、対象業務は2つの部分に分けられます。 競合他社との差別化を図らない商品。これらをアウトソーシングする ビジネスに不可欠な戦略的機能。これは社内に保管する。 ただし、実施方法は最終的な目標と契約の履行方法によって異なることを心がける必要があります。例えば、すでに商品的または戦略的機能として分類できている場合でも、品質確保とコスト削減をテーマとして、多数のサプライヤの入札を検討することがあります。多くの企業は、短期契約で2年間ほどこのようなアプローチを実施し、戦略的機能を外部委託できるかどうか検討します。契約の結果に応じて、アウトソーシングを続けるかどうか決めます。   2. 目標と要件を定義する 実際にプロジェクトを成功させるためには、ITアウトソーシングに何を期待するかを知っておく必要があります。コスト削減や大規模なタレントプールなど一般的で当たり前のことは目標にはなれません。目標をより小さな目標に分割する必要があります。各目標に実施するアクション、対象、および項目のチェックリストを含むようにしましょう。 例えば、パフォーマンステストをアウトソーシングしたいとします。プロセスの各段階に対して、全体的な要件をより小さな要件に分割します。 要件分析:アウトソーシングチームに何を扱っているかを知ってもらい、プロジェクトを明確にするための質問リストを準備してもらいます。 テストプロセス:分析と、テスト戦略、テストプラン、テストスケジュール、テスト環境、テストビューポイント、テストデザイン、テストスクリプト、テストシナリオ、テストケースなどを作成してもらいます。 テストの実施:バグレポート、テストログ、テストレポートなどを作成してもらいます。プロジェクトレポート:プロジェクト全体の効率性のレポートを作成してもらいます。     上記の目的から、それらを達成するための戦略的な計画を図ることができます。 アウトソーシング対象を具体化することで、アウトソーシングプロジェクトの次のステップの課題と業務分担をさらに図ることができます。明確な目標と要件は、アウトソーシングチームの管理にも役立ちます。期待される結果に達しないものはすべてレビューされ、必要に応じてやり直されます。   3. 適切なアウトソーシングタイプを選択する 実際には、会社の地理的位置によってオンショア、ニアショア、またはオフショアのアウトソーシングが選ばれます。 ➡ オンショア開発は、次の場合に適しています。 サプライヤーとのコミュニケーションを優先する 言語や文化の壁について悩まされたくない より良い管理と監督のために、サプライヤーといつでも簡単に相談できるようにしたい   ➡ ニアショア開発のアウトソーシングは、次の場合に適しています。 継続的なコミュニケーションとコスト削減の両方を確保したい チームに文化的な親しみを持たせたい   ➡ オフショア開発は、次の場合に適しています。 コスト削減は最も重要 時差を気にしない より大きなタレントプールがほしい 優先順位に基づいて、上記のITアウトソーシングタイプから選択できます。   関連記事: ・オフショア開発を実施する際にどんな課題に直面しますか? ・なぜベトナムオフショア開発を実施すべきでしょうか?   4. 適切なIT…

なぜ ベトナムオフショア開発 を実施すべきでしょうか?

なぜ ベトナムオフショア開発 を実施すべきでしょうか?

近年、東南アジアはテクノロジーの中心地として注目されています。この地域は、多くのユニコーン企業の本拠地であるだけでなく、だんだん人気のあるオフショア開発発注先になっております。価格競争力に加えて、優秀な人材、経済的なポテンシャルの高さにより、ベトナムも最高水準のITアウトソーシング・サービスを求める企業にとって誘惑の国です。ベトナムと言えば、経済が発展していない国または戦争で荒廃した国などのイメージが非常に連想されます。しかし、情報技術業界における近年の功績と未来の情報技術の成長に向けた新しい方向性により、 ベトナムオフショア開発 企業は、国際的な顧客の信頼を得ることに成功しています。   1. 大きな可能性を秘めたベトナムのソフトウェア・アウトソーシング ベトナムは東南アジアの中心に位置しております。ベトナムの標準時はGMT+7であり、アメリカより12時間、イギリスより7時間で速くて、オーストラリアより3時間、日本と韓国より2時間で遅いです。ベトナムの経済成長率は、2021年に約4.8%になると予測されます。具体的に、ベトナム計画投資省外国投資局(FIA)は1~9月の海外直接投資(FDI)認可額が前年同期比4.4%増の221億4,600万米ドル(約2兆4,500億円)だったと発表した。 過去2年間の新型コロナウイルス感染症感染拡大にもかからわず、ベトナムは着実に発展し、そして、活況を呈している業界の一つはベトナムのソフトウェア・アウトソーシングです。 1.1. ベトナムはICT産業、特にソフトウェアの輸出で盛り上がっている 約15年前にITアウトソーシングサービスが台頭して以来、ベトナムのソフトウェア・アウトソーシングは、隠された宝石のようなものであり、ビジネスにテクノロジーを応用したい企業を誘惑してきました。実際、2014年から現在まで、ソフトウェア開発およびサービスのアウトソーシングにおいて、ベトナムは日本の第2位のパートナーとしてその能力を証明しています。     また、2021年に発表された「Global Services Location Index」によると、ベトナムは、経済的魅力、人材のスキル・供給力、ビジネス環境、デジタル共鳴の4つのカテゴリーで6位にランキングされて、新たなデジタルハブとして浮上しました。また、Tholon社の「Top 50 Digital Nations」では、ベトナムは9位にランクインしています。20年前に技術の進歩がほとんど見られない時代遅れの国だったベトナムは、急速なデジタルトランスフォーメーション(DX)に拍車をかけました。ICT企業は国内市場にサービスを提供するだけでなく、ソフトウェアやその他のソリューションを大量に輸出するまでになりました。このことは、次のような数字で証明されています。 ICTの輸出総額は915億ドルで、そのうちソフトウェアの輸出額は35億ドルと報告されています。この数字は、2021年には少なくとも5%成長すると予測されています。また、ソフトウェア&ITサービスは110億ドルを占めています(Vietnam Software and IT Services Associationの報告書による)。 2016年以降、ベトナムは「東南アジアのシリコンバレー」と称され、今後のデジタル経済の活況が予測されています。この急激な発展は、政府が法的枠組みやイニシアチブの形成に乗り出し、IT部門の成長に焦点を当てているため、さらにレベルアップするでしょう。 パンデミックという困難な時期を乗り越え、世界で最も要求の厳しい顧客との仕事を経験したことで、ベトナムは世界のソフトウェア・アウトソーシング市場でますます好まれるようになっています。 1.2.ベトナムのIT市場成長指数 情報通信省の2019年総括および2020年方向性報告書によると、2019年のICT産業総収入は112,350Bドルと推定され、そのうち81.5%がICT輸出分となっています。2020年は、ベトナムがデジタルテクノロジービジネスの開発に力を入れる「Make in Vietnam」戦略を公式に発表した最初の年でした。その後、デジタルテクノロジービジネスの数は28%増加し、約6万社に達しています。 ベトナムのデジタルテクノロジービジネスは、E-commerce、Fintech、Ride/food order、Edtech、Healthcare、AI、Machine Learning、Blockchainなどの12の主要分野に集中します。この集中が世界のトレンドと一致することで、ベトナムの能力は世界の需要、特にITアウトソーシングサービスを求める企業の需要に応えることができます。   2. 豊富なIT人材 ベトナムは世界の他の国々と同様に人材不足の問題に直面していますが、現在のIT労働者の数を見ると、業界全体の発展に向けて顕著な見通しが立っています。数字を見れば一目瞭然です。 現在、ベトナムには約40万人のITエンジニアがおり、さまざまな分野で活躍しています。養成機関を卒業する学生は、年間約5万人です。IT技術者の約53%が1〜3年の経験を持っています。面白いことに、数年の経験しかないにもかかわらず、多くのベトナム人技術者がシニア/リードレベルの専門知識を持っています。これらの数字から、ベトナムはITエンジニアの需要を満たすのに十分な人材プールを持っていることが証明されました。     ベトナムのITエンジニアは、世界のトレンドに合わせて、以下のような最も人気のある技術に焦点を当てています。フレームワーク/ライブラリについて フレームワーク/ライブラリ:Laravel(49.6%)、NodeJS(36.4%)、React(27.9%)。データベースの場合 MySQL (59.1%), SQL Server (40.0%), PostgreSQL (32.9%)、IDE&テキストエディターの場合 Visual Studio Code」(35.2%)、「Sublime Text」(34.9%)、「IntelliJ」(33.5%)。…

VnExpressは戦略的なIT人材採用に関するLQAとFUNiXのパートナーシップについて掲載しました

VnExpressは戦略的なIT人材採用に関するLQAとFUNiXのパートナーシップについて掲載しました

ベトナムの大手オンライン新聞であるVnExpress(越南快訊)は、LQAが常に対策を講じているIT人材の渇望問題に対する戦略的な動きとして複数の採用プログラムとイニシアチブで協力する相手となるFUNiXとパートナーシップを締結したことについて掲載しました。

 

LQAにおける人事成長の潜在能力

現在、LQAには約250人のテクノロジーエンジニアがいます。LQAは、戦略的パートナーシップと革新的なアプローチを通じてIT人材の市場を開拓することにより、2026年に従業員数1000人の企業に成長することを約束しています。2022年だけでも、作業者、自動化テスター;Java、.NET、PHP、NodeJS、Reactプログラマー;画像データ処理などの職で350人近くのエンジニアを採用する予定です。

 

 

これらの候補者をLQAに惹きつけるコツの1つは、最大VND 50M /月の魅力的な給与レンジです。当社のCTOであるグエン・ホアン・ハイは、会社が年に2回業績と給与のレビューを実施して、昇進の機会を設けていると示しました。同時に、従業員がスキルと知識を向上させて頂けるためのサポートとして、専門家との専門的コースおよびスキルトレーニングコースも行っています。

 

FUNiXとの採用パートナーシップ

LQAは、11月22日にFUNiXとトレーニングおよび採用に関する戦略的協力合意書を締結しました。したがって、当社は、大学生および大学院学生が当社のプロジェクトで学び、働くことを歓迎します。また、FUNiXの学生を教育・訓練するために専門家を派遣し、学生と会社のギャップを縮めることを目的とした研修プログラムの開発にも参加しています。

 

 

LQAは、FUNiXのオンライントレーニングモデルが実用的で効果的かつ先駆的であることを認め、FUNiXとのパートナーシップにより、情報技術における人材不足の問題を解決して頂けることを信じています。

FUNiXは他の教育プログラムの中で際立った特徴は、学生が学習過程で将来の雇用者に会う機会と環境を作り出すことです。「それにより、学生たちが目的地を明確に見られ、学習プロセスの大きな動機付けになると思います。」 FUNiXの創設者であるグエン・タイン・ナム氏が付け加えました。

 

LQA・理想的な職場

ロータスグループは、Lotus Quality Assurance(LQA)とLotus Technology Services(LTS)を含み2016年に設立されました。現在、同社は、ソフトウェア開発、ソフトウェアテスト、AIデータラベリングの3つの主要なサービス分野に焦点を当て、ITサービスと人材を海外の顧客に提供しています。

同社は、INFINIQ、クアルコム、東芝などを含む9か国において60を超えた顧客に対して200近くのプロジェクトを実施しています。今年、ロータスはテスト能力の証明書プロバイダーであるISTQBのシルバーパートナーになり、ITサービスで権威あるサオ・クエ賞を受賞しました。同時に、B2Bビジネスランキングの大手エージェンシーであるクラッチから、ベトナムでトップのソフトウェアテスト会社としても認められています。

今後5年間で、ロータスは、日本、シンガポール、韓国、香港、および米国のコア市場での自動ソフトウェアテストおよびアウトソーシングサービスでさらに成長すると予想されています。

 

ITアウトソーシング管理についてさらにご質問がございましたら、お気軽にLQAの専門家にお問い合わせください。

AI搭載のバーチャルアシスタント

インテリジェントバーチャルアシスタント(IVA):音声アノテーション による巨大な市場規模

インテリジェントバーチャルアシスタント(IVA)市場規模は、2020年には約40億米ドルの規模に達しました。そして、この市場は、2022年に177.2億米ドルの市場価値から、2030年までに1,760.5億米ドルに達すると推定され、予測期間中に38.82%のCAGRで成長すると予想されています。 AIによるバーチャルアシスタントの可能性と有用性は、技術的な側面と行動的な側面の両方からもたらされます。アプリ上でのアシスタントに対する需要の高まりと相関して、データトレーニングのためにAIシステムに継続的に入力されるデータがあります。 逆に言えば、AIを搭載したバーチャルアシスタントを実現するために最も重要な機能の一つが、データ入力、つまり音声アノテーションです。 1. インテリジェントバーチャルアシスタント(IVA)の急成長する業界 まず、IVA(Intelligent Virtual Assistant)とは、AIを搭載した仮想アシスタントというもので、人間と同じような応答ができるように開発されたソフトウェアのことです。 このアシスタントにより、質問をしたり、手配をしたり、さらには実際の人間のサポートを要求することができます。 1.1. なぜが台頭してきたのか? IVAは、主に顧客対応のコスト削減のために広く利用されています。また、ライブチャットやその他の形式のカスタマーエンゲージメントに迅速に対応することで、IVAは顧客サービスの満足度を高め、時間を節約するのに役立ちます。 IVAは、上記のような外部パフォーマンスに加えて、顧客情報を収集し、会話や顧客満足度調査の回答を分析することで、組織が顧客と企業のコミュニケーションを改善するのに役立てています。     インテリジェントなバーチャルアシスタントは、企業のアバターのような役割を果たします。顧客からの問い合わせを動的に読み取り、理解し、対応することができ、最終的には様々な部門のマンパワーのコストを削減することができます。 このようなIVAは、インフラのセットアップコストを省くことができるため、大企業に多く導入されています。これが、近年のIVAの収益が非常に高い理由であり、今後もそうなる可能性があります。 1.2.IVAは何ができるのか? AIを活用した仮想支援の使い安さや導入状況はいたるところで見られます。オペレーティングシステムやモバイルアプリケーション、あるいはチャットボットでも目にすることができます。機械学習やディープニューラルネットワークなど、AI技術の進歩を展開することで、仮想アシスタントはいくつかの特定のタスクを簡単にこなすことができます。 バーチャルアシスタントは、オペレーティングシステムでは非常に一般的です。これらのアシスタントは、カレンダーの設定、手配、アラームの設定、質問、さらにはテキストの作成などをサポートします。このようなマルチタスクのアシスタントは大規模なものであり、このようなアプリケーションはオペレーティングシステムの中だけに限られると思われるかもしれません。 しかし、モバイルユーザーやモバイルアプリの数が急増していることから、多くの起業家やスタートアップ企業が、自社製品のアプリ内にバーチャルアシスタントを導入し始めています。これにより、さまざまな分野で必要とされるデータ入力の需要が高まっています。 例えば、ヘルスケアサービスのアプリでは、医学用語などヘルスケアに関連する特定の 音声アノテーション が必要です。 ResearchAndMarkets.comの「インテリジェントバーチャルアシスタント(IVA)の世界市場2019-2025年」に関するレポートによると、「Industry Size, Share & Trends」と題して、次のように指摘しています。スマートスピーカーは最も速いペースで発展しており、IVAの主要ドメインとして浮上している。IVAでは、Text to Speechが最大のセグメントです。2025年には153億7,000万ドル以上の売上に達すると予測されています。 IVAの市場で優位に立っている国はヘルスケアを主要産業とする北米です。主要なプレイヤーは、Apple Inc.、Oracle Corporation、CSS Corporation、WellTok Inc.、CodeBaby Corporation、eGain Corporation、MedRespond、Microsoft、Next IT Corporation、Nuance Communications, Inc.、True Image Interactive Inc.などです。 このレポートを通して、AI搭載のバーチャルアシスタント市場の発展と成長の可能性が急成長していることがわかります。異なるドメインごとに、IVA導入のための異なるアプローチがあります。 より良いサービスやビジネスの発展のために、企業は効果的なカスタマーエンゲージメントを求めており、そのため、様々な製品に実装される仮想アシスタントの数は増加しています。 現在、インテリジェントバーチャルアシスタント市場は、導入率の高さとIT投資の増加を背景に、主にBFSI産業の垂直軸によって牽引されています。しかし、自動車およびヘルスケア分野は最も収益性の高い垂直セグメントであり、予測期間中もこの傾向を維持すると思われます。 2.  音声アノテーション はIVAにどのように役立つのか? 通話、ショッピング、音楽配信、コンサルティングなど、生活のあらゆる場面でバーチャルアシスタントが登場するようになり、音声データ処理の必要性が高まっています。また、Speech to TextやText to Speechによるアノテーションだけでなく、より高度な形式であるPart of…

パッシブ・リクルートメントで技術系人材の探し方・採用方法

パッシブ・リクルートメントで技術系人材の探し方・採用方法

IT業界では、優秀な人材がどんどん少なくなってきており、人事担当者は、潜在的な候補者を増やすための方法を模索しています。 Stack Overflowの開発者を対象とした最近の年次調査によると、積極的に仕事を探している回答者はわずかに15%であり、新しい仕事の情報を聞くことに興味を持っている開発者は約75%であるということです。これらの数字を見たら、人事担当者は従来のように「すでに仕事を探している候補者」を採用するだけにとどまらず、一般的なIT人材の75%を占める「受動的な候補者」のポテンシャルを把握すべきだということがわかります。 人事担当者は、パッシブ・リクルートメントの技術を認識することで、人材プールを効果的に活用し、拡大することができ、その結果、最も困難なITポジションを埋めることができます。   1. 受動的な候補者とは? 受動的な候補者とは、新しい仕事の機会を積極的に探していない人のことです。受動的な候補者は、すでに雇用されており、多くの企業が求めているスキルや経験を持っています。   2. なぜ人事スペシャリストはパッシブ・リクルートメントを行うべきなのか? Stack Overflowの調査によると、IT人材の求職状況について、回答者は以下のように3つのグループに分類されました。 現在、仕事を探している積極的な候補者(15.2%) 雇用されているが、新たな機会を求めている受動的な候補者(58.7%) 雇用されており、新しい機会を考慮しない超受動的な候補者(15.2%) これらのグループの中で、受動的な求職者は最大のグループとして際立っており、需要の高い技術系の仕事に就く人事担当者にとっては、潜在的な採用ソースとなっています。 受動的な候補者は、現在雇用されており、他の雇用主でその役割をうまく果たしている可能性が高いので、人事担当者は、候補者の現在のプロジェクトを少し調べたり、相互参照チェックを行ったりすることで、候補者の潜在能力を確認し、評価する機会を得ることができます。 さらに、高度なスキルを持った候補者の市場での競争は非常に激しいものがあります。実際に、非常に優秀な積極的な候補者は、10日以内に市場から消えてしまうことが多いのです(officevibe.comが収集した統計による)。このような理由から、採用の可能性を高めるためには、採用担当者が受動敵な候補者を重視することが非常に重要です。 このグループに注目するもう一つの理由は、受動的な候補者が貴社のビジネスに影響を与える可能性が高いことです。彼らは、新しい職場で自分を変えようとする意欲が120%高いのです。さらに、これらのグループは主にシニアの技術系人材であるため、積極的な候補者と比較して、スキルアップの機会を必要とする可能性が17%低くなります。トレーニングの必要性が低いということは、必要な時間とリソースが少なくて済むということであり、これによって雇用主は多大な利益を得ることができるため、受動的な候補者は最も重要な採用ソースの一つとなっています。   3. 積極的な候補者と受動な候補者の違いとは? 一般的に、積極的な候補者は求職活動に対するモチベーションが高く、すべての準備が整っているので、すぐに採用プロセスを開始することができる。一方で、受動的な候補者は面接などのにすぐに参加するのが困難であるようです。そのため、採用担当者はより柔軟に、この人材を活用する必要があります。   受動的な候補者 積極的な候補者 1. ポテンシャル     候補者                         ……………… ……………….. ほとんどがシニアレベルの技術系人材で、積極的に仕事を探しているわけではないが、新しい仕事のチャンスに前向きな人たちです。       仕事を持っているかどうかは別にして、転職サイトやソーシャルメディアで活動している人です。彼らは、履歴書や応募書類を送り、あなたと一緒に採用活動を行う準備をしています。               …

完全自動運転車はデータアノテーションで実現できるのか?

完全自動運転車はデータアノテーションで実現できるのか?

AIとデータアノテーションの最も一般的なユースケースの1つは自律走行車です。自律走行車(または自動運転車)のアイデアは、エンターテインメントや実際の交通機関においても、常に魅力的な利用分野となっています。 かつては架空の話でしたが、情報技術の進化と長年培ってきた技術力により、自律走行が可能になりました。

 

 

自律走行車におけるAIとデータアノテーションの最も有名な実装例は、おそらくTesla Autopilotでしょう。これは、車が車線内でハンドル操作、加速、ブレーキを自動的に行い、運転の最も負担のかかる部分を支援するものです。 しかし、テスラオートパイロットは、欧米のいくつかの国でしか成功が確認されていません。ここでの本当の疑問は “テスラオートパイロットは、東南アジア諸国の混雑した道路で使用できるのか?

 

1. AI搭載の自律走行車におけるデータアノテーションの役割

人工知能(AI)がインダストリー4.0の代表的なトレンドであることは否定できません。大きな言葉や、日常生活におけるAIの「先見の明」的な見通しは実に魅力的ですが、実際にそれを実現することは見過ごされがちです。

実は、AIの実装の始まりは、何年も前に、架空の大ヒット映画でよく見かけるバーチャルアシスタントの基礎から始まっています。映画の中では、世界は機械と自動化によって支配されています。特に、車や船、飛行機などの乗り物は、AIによる制御システムによってうまく管理されています。AI開発の多面的な革新により、自律・自動運転車の成功をはじめ、上記の多くが現実のものとなりました。

1.1. 高精度のトレーニングデータ

自動運転車の重要な特徴は、ハードウェアとソフトウェアの2つです。自律走行車が正しく機能するためには、周囲の環境を感知し、人間の手を借りずに物体をナビゲートすることが求められます。ハードウェアは、道路上で車を走らせるためのものです。そのほか、自律走行車のハードウェアには、カメラや熱センサーなど、物や人の存在を検知できるものが搭載されています。その立脚点となるのが、機械学習のアルゴリズムを学習させたソフトウェアではないでしょうか。

ラベル付けされたデータセットは、前述の学習アルゴリズムの入力データとして重要な役割を果たします。これらのデータセットに注釈が付けられれば、AIソフトウェアの「学習能力」が豊かになり、したがって自動車の適応性も向上する。ラベル付けされたデータセットの精度が高ければ、アルゴリズムの性能は向上します。データアノテーションの精度が低いと、運転中にエラーが発生する可能性があり、非常に危険です。

1.2. エンドユーザーの利便性向上

一流の体験のためにお金を払わない人はいないでしょう。テスラを例にとってみましょう。テスラのモデルは、人々が無意識のうちに他の自律走行車ブランドに設定する基準、ベンチマークとなっています。デザインからオートパイロットによる自動運転の操作性まで、高級感だけでなく安全性も兼ね備えています。テスラがどのように車を設計するかは別の話です。お客様のために本当に大切なのは安全性です。すべてを “機械 “に任せるのは、最初は怖いかもしれませんが、テスラも多くの実験やAIソフトウェアのバージョンを通じてそれを保証しています。実際、テスラのオートパイロットは、欧米複数国の高速道路を容易に走行できることが証明されています。

 

 

テスラの自動運転モデルXが非常に混雑なベトナムの道路で敗北した映像を見たことがあるかもしれません。しかし、私たちは、自律走行車が最も必要とされるシナリオを振り返ってみる必要があります。 ここでの答えは、フリーウェイとハイウェイです。そして、テスラはこれらの道路でとてもうまくやれるのです。この場合のデータアノテーションの役割は、高品質のアノテーションされたデータセットを通じて、機械が高い頻度で訓練されることで、乗客の安全を確保することです。

 

2. 自律走行車の未来

自動運転がない状態から完全自動運転へと簡単に移行できるわけではありません。実際には、レベル3の「条件付き運転自動化」がやっとなのです。

  • レベル0(自動化運転なし): 車両は手動で制御されています。一部の機能は、問題が発生すると自動的に「ポップアップ」するように設計されています。
  • レベル1(運転支援)。ステアリングやアクセルの操作(クルーズコントロール)などの運転支援システムが単独で搭載されています。
  • レベル2:(部分的な自動運転):ADAS(ステアリングとアクセルの操作)に対応している車両です。ここでは、人間が運転席に座り、いつでも車をコントロールできるため、自動化は自動運転には及びません。
  • レベル3(条件付き自動運転):環境検知機能を持ち、加速して遅い車を追い越すなど、自分で判断することができます。しかし、人間によるオーバーライドが必要です。システムがタスクを実行できない場合、ドライバーは常に注意を怠らず、制御できるようにしておく必要があります。テスラのオートパイロットは、レベル3に認定されています。
  • レベル4(高度な自動運転):車両は、限られたエリア内で自動運転モードで動作できます。
  • レベル5(完全自動運転):人間の注意を必要としない車両です。ハンドルやアクセル・ブレーキのペダルもありません。。まだまだレベル5には程遠い状況です。

テスラのオートパイロットがレベル3に認定されたことで、私たちは完全な運転の自動化への道のりの半分しか進んでいません。しかし、私たちは個人的に、これらのレベル3車両の問題はAIシステムのトレーニングデータであると考えています。これまでに投入されたデータセットは非常に限られており、大海の一滴にしかすぎません。

AIシステムを学習させるには、データセットが膨大な量であることはもちろん、精度だけでなく高品質であることが求められるため、簡単なことではありません。

テスラをはじめとする自律走行車メーカーは、競争に打ち勝つために、かなりのスピードを求めています。このような企業は、自分たちでデータ処理を行うのではなく、データ処理の管理と実行を効率的に行うために、アウトソーシングベンダーの助けを求めることがよくあります。これらのベンダーは、データ収集とデータアノテーションの両方をサポートします。

データアノテーションを気にすることなく、自律的な市場に参加したいですか?LQAのコンサルティングを受けて、あなたのビジネスに最適なデータアノテーションツールを見つけてください。 専門家によるフルサポートをご希望の方は、今すぐお問い合わせください。

データラベリングの品質を確保するための基本的なガイド

データラベリングの品質を確保するための基本的なガイド

データのラベル付け品質の問題は、AI/MLコミュニティで大きな関心事となっています。このパズルを解くときに出くわす最も一般的な「原則」は、おそらく「Garbage in, garbage out」でしょう。

このように言うことで、私たちが強調したいのは、人工知能や機械学習の開発プロジェクトにおけるトレーニングデータとの基本的な法則です。AI/MLモデルに供給される質の悪い学習データセットは、操作に多くの誤りをもたらします。例えば、自律走行車のトレーニングデータは、その車が道路上で機能するかどうかの決め手になります。質の悪いトレーニングデータを使用すると、AIモデルが人間を物体と間違えたり、逆に物体を人間と間違えたりする可能性があります。いずれにしても、質の悪いトレーニングデータは事故のリスクを高めることになり、自律走行車メーカーにとっては最も避けたい事態となります。
高品質な学習データを得るためには、データ処理の過程でデータラベリングの品質保証を行う必要があります。

弊社は高品質なトレーニングデータセットを確保するために、以下の3つのアクションを行っています。AI/MLモデルに最適なトレーニングデータを提供するための基本的なガイドをご覧ください。

 

1. データラベリングの品質管理を強化するためのお客様の要求を明確化

品質の高いデータラベリングとは、単に最も丁寧にアノテーションされたデータや、最高品質のトレーニングデータを意味するものではありません。戦略的なデータアノテーションプロジェクトでは、トレーニングデータの要件を明確にする必要があります。アノテーションチームのリーダーが答えなければならないのは、どの程度の品質のデータが必要なのかということです。

データアノテーション品質を提供するベンダーとして、私たちが常にお客様にお聞きするのは、その要件です。「データセットを扱うのにどれだけ手間がかかるか」、「アノテーションの精度はどうしたいか」などです。これらの質問に答えることで、後々のプロジェクト全体のベンチマークとなるのです。

 

 

人工知能と機械学習の実装は非常に幅広いことを覚えておいてください。自律走行車や交通機関での一般的なアプリケーションのほか、AIやMLはヘルスケアや医療、農業、ファッションなどでもデビューしています。それぞれの業界には、何百もの異なるプロジェクトがあり、異なる種類の対象物を扱い、それゆえに異なる品質要件があります。

簡単な例として、道路のアノテーションと医療データのアノテーションを紹介します。道路のアノテーションの場合、作業は非常に簡単で、一般的な知識を持ったアノテーターがいれば大丈夫です。一方、このアノテーションプロジェクトでは、アノテーションが必要なデータセットの数が数百万の動画や写真にも及ぶため、アノテーターは許容範囲内の品質で高い生産性を維持する必要があります。

一方、医療データでは、特定の知識を持った医療分野で働くアノテーターが必要です。糖尿病性網膜症の場合、訓練を受けた医師が写真から糖尿病性網膜症の重症度を評価することで、この分野にディープラーニングを適用することができます。

 

 

よく訓練された医師であっても、すべてのアノテーションがお互いに一致するとは限りません。一貫した結果を得るためには、1つのアノテーションチームが各ファイルに何度もアノテーションを行い、最終的に相関関係を得る必要があるかもしれません。それは、与えられたデータがどれだけ複雑か、またお客様がどれだけ詳細なデータ出力を望んでいるかという問題です。これらが明確になれば、チームリーダーは必要な成果を得るためのリソースの配分を考えることができます。指標と品質保証プロセスはこの後に定義されます。

また、クライアントは、アノテーションされるすべてのデータセットの「ベンチマーク」となるサンプルセットを提供する必要がある。これは、データアノテーションの品質を保証するための、最もわかりやすい手法です。完璧にアノテーションされたデータの例があれば、今度はアノテーターがトレーニングを受け、仕事のベースラインを提示することができます。

ベンチマークを理想的な結果とすることで、各アノテーターの精度やパフォーマンスを評価するための一致率の指標を算出することができます。アノテーションとレビューの両方のプロセスに不確実性がある場合、QAスタッフはこれらのサンプルデータセットを使って、どれが適格でどれがそうでないかを定義することができます。

 

2. 多層的なQAプロセス

データラベリングプロジェクトにおけるQAプロセスは、企業によって異なります。ロータスQAでは、国際的に標準化された品質保証プロセスを遵守しています。事前に設定された優先は、常にプロジェクトの開始時に明確にされます。これらの設定は1つの「ベンチマーク」にまとめられ、後にすべてのラベルとアノテーションの「ゴールデンスタンダード」として機能します。

2.1. 自己診断

このステップでは、アノテーターに自分の作業のレビューをしてもらいます。自己評価をすることで、アノテーターはプロジェクト開始時のデータアノテーションツール、アノテーション、ラベリングを振り返ることができるようになります。通常、アノテーターは、時間的にも仕事的にも大きなプレッシャーの中で仕事をしなければならず、そのために仕事に狂いが生じてしまう可能性があります。セルフチェックから始まる品質保証では、アノテーターがゆっくりと自分の仕事ぶりを見直すことができます。間違いや逸脱の可能性を認めることで、アノテーターは自分でそれを修正し、将来的にそれらを避けることができます。

2.2. クロスチェック

データサイエンス、特にデータアノテーションにおいて、「バイアス」という言葉を聞いたことがあるかもしれません。アノテーションの偏りとは、アノテーターがデータをラベル付けする際に独自の習慣を持っているため、提供されたデータに対して偏った意見を持ってしまうことを指します。場合によっては、アノテーターの偏りがモデルの性能に影響を与えることもあります。よりロバストなAIやMLモデルを構築するためには、偏ったアノテーションを排除するための有効な手段を講じる必要がありますが、そのためのシンプルな方法の一つがクロスチェックです。

 

 

アノテーションの過程でクロスチェックを行うことで、作品全体の見方が変わり、アノテーターは同僚の作品の間違いやエラーを特定することができます。また、このような異なる視点を持つことで、レビュアーは偏った注釈を指摘することができ、チームリーダーはさらなる行動を起こすことができます。チームリーダーは、手直しをしたり、注釈が本当に偏っているかどうかを確認するために再度評価を行ったりすることができます。

2.3. マネージャーの評価

アノテーションプロジェクトマネージャーは、通常、アノテーションプロジェクトの日常的な監督を担当します。主な仕事は、作業員の選定と管理、データの品質と一貫性の確保などであります。マネージャーは、クライアントからデータのサンプリングを受けて、必要なメトリクスの作業を行い、アノテーターの教育訓練を実施する役割を果たします。クロスチェックが済んだら、マネージャーはアウトプットをランダムにチェックして、クライアントの要求を遵守しているかどうかを確認します。これらのチェックに先立ち、アノテーションのプロジェクトマネージャーは、品質保証のための「ベンチマークライン」を引かなければなりません。一貫性と正確性を確保するために、事前に設定した品質に満たない作業は、手直ししなければなりません。

 

3. 品質保証スタッフの関与

データラベリングの品質管理は、アノテーションチームだけに頼ることはできません。実際には、専門的で経験豊富な品質保証スタッフの関与が必須となる。アノテーション作業の最高の品質を確保するためには、品質保証スタッフのチームが必須である。品質保証スタッフは、アノテーションプロジェクトマネージャーの管理下ではなく、アノテーションチームの外にある独立した部門として働きます。
データアノテーションスタッフ全体に占める品質スタッフの理想的な割合は10%を超えません。QAスタッフは、プロジェクト内のすべてのアノテーションされたデータをレビューすることはできませんし、するつもりもありません。実際には、ランダムにデータセットを取り出して、もう一度、アノテーションをレビューします。

 

 

これらのQAスタッフは、データサンプルについて十分な訓練を受けており、アノテーションされたデータの品質を評価するための基準を持っています。これらの評価基準は、事前にQAチームのリーダーとアノテーションプロジェクトマネージャーの間で合意されなければなりません。セルフチェック、クロスチェック、マネージャーの評価の3段階のレビューに加えて、QAスタッフがアノテーションプロジェクトに参加することで、データ出力が事前に定義されたベンチマークに確実に適合し、最終的には最高レベルのトレーニングデータを確保することができます。

データラベリングの品質を向上するため、専門家の話をもっとお聞きしたいですか?ロータスQAにお気軽にお気軽にお問い合わせください

 

ClutchでLotus Quality Assuranceを2021年のベトナムのトップソフトウェアテスト企業に選出

ClutchでLotus Quality Assuranceを2021年のベトナムのトップソフトウェアテスト企業に選出

Lotus Quality Assuranceでは、ソフトウェアのテスト、開発および品質保証、AIデータ処理など、高品質なエンド・ツー・エンドのITサービスを提供いたします。私たちは、お客様の製品品質向上を支援することで、若くて優秀なスキルを持ったベトナム人をグローバル市場に送り出すことに情熱を注いでいます。

私たちは、独立したQA企業として、分かり易く、信頼性、価値のある品質レポートを提供することをお約束します。お客様のビジネスゴールに焦点を当て、お客様の品質ニーズを最低コストで満たし、価値を提供することを目指しています。お客様に最高品質のテストサービスを提供するため、グローバルスタンダードに準拠した包括的な作業プロセスを構築してきました。また、カスタマイズをご希望のお客様には、最も効果的なプロセスをご提案させていただきます。

この努力により、私たちは、2021年のベトナムのトップソフトウェアテスト企業の1つとしてClutchにより強調されたことが大変光栄です。Clutchは、ワシントンD.C.の中心に位置するB2Bの評価・レビュー会社で、次の大きなビジネス課題に取り組むために、必要で最適な代理店やコンサルタントと企業を結びつける役割を担っています。毎月、50万人以上のサービスの買い手と売り手がClutchのプラットフォームを利用しており、ユーザーベースは年率50%以上で成長しています。Clutchは毎年、様々な業界のB2B企業の中で最も高い業績を上げた企業を表彰されています。上位の企業は様々な分野で深い知識を持ち、高品質な顧客サービスを提供しています。私たちは、お客様に最高の製品と作業体験をお届けするために懸命に努力しています。

私たちは、お客様が与えてくれた継続的な信頼と信念に大変感謝しています。当社のClutchプロフィールに寄せられたレビューは、当社が最高レベルのソフトウェアテストサービスを提供するために必要なものを備えていることを証明しています。下記は当社のレビューの1つの引用です。

 

「今のところ、 Lotus Quality Assuranceが改善すべき点は思いつきません。彼らは優れたサービスを提供する素晴らしい人々です。」- CTO, Advantages Digital Learning Solutions。

 

プロジェクトでお悩みの方は、ソフトウェアテスト・品質保証のベンダーとしての私たちは、あなたの選択です。お気軽にお問い合わせください

自動データラベリングが未来の技術のはなぜ?

自動データラベリングが未来の技術になるのはなぜ?

自動データラベリングは、現在絶えず言及されている新機能であり、時間とリソースを要するカジュアルなマニュアルアノテーションの解決策とみなされています。データセットにアノテーションを施すのに何時間もかかるマニュアルデータラベリング(通称:マニュアルデータアノテーション)に対し、オートラベリング技術は、データを高度に処理するために、よりシンプルで速い方法のようです。

 

1. 通常のデータセットの扱い方

データラベリングの最も一般的でシンプルなアプローチは、もちろん完全な手動によるものです。人間のユーザーは、一連の生ラベル付けされていないデータ(画像やビデオなど)を提示され、一連のルールに基づいてラベル付けを行うことになります。例えば、画像データを処理する場合、分類タグ、バウンディングボックス、ポリゴン分割、キーポイントなどが代表的なアノテーションの種類です。

 

 

最も簡単で安価なアノテーションである分類タグは、わずか数秒で済むかもしれませんが、細かいポリゴンのセグメンテーションは、オブジェクトの各インスタンスごとに数分かかる可能性があります。
AIオートメーションがデータラベリング時間に与える影響を計算するため、ユーザーがオブジェクトの周囲にバウンディングボックスを描き、与えられたリストからオブジェクトクラスを選択するのに10秒かかると仮定してみましょう。これは私たちの経験的な証拠に裏付けられた観察可能な仮定です。

今回のケースでは、10万枚の画像と1枚あたり5個のオブジェクトからなる典型的なデータセットの場合、ラベリングには約1,500工数がかかり、これはデータラベリングだけで約1万ドルを費やすことに相当します。

また、ラベリングされたデータを手作業で確認するための品質管理のレイヤーを追加することが納品までの時間も長くなります。訓練されたユーザーでさえ、各バウンディングボックスの注釈をチェックするのに約1秒かかるため、ラベリングのコストが約10%増加します。

ワークフローの中には、コンセンサスベースの品質管理を採用する場合があります。これは、複数のユーザーが同じデータに注釈をつけ、その結果を統合/比較して品質管理を行うものです。コンセンサスベースのワークフローでは、コンセンサスを得るために重複した作業を行うユーザーの数に比例して、かかる時間と費用が大きくなります。簡単に言えば、3人のユーザーが同じ画像に3回ラベル付けをした場合、3回分のアノテーションの費用が必要になるということです。

ここで強調しておきたいのは、データラベリングにおいて最もコストのかかるのは下記の2つのステップです。

  • データラベリング自体
  • 品質管理のためのレビューと検証作業

したがって、オートラベル技術の最大の目的は、データラベリングと検証の両方にかかる時間を短縮することです。

ありがたいことに、AIと機械学習の進歩により、Auto-Label技術は大きく進歩しました。しかし、すべてのAuto-Labelテクノロジーが同じように作られているわけではなく、多くの場合、AIを使用する素朴な試みは、AIによって引き起こされたエラーを修正するために、より多くの人間の入力を必要とすることになります。そのため、選択したAIがデータのワークストリーム全体にどのような影響を与えるかを極めて慎重に判断しなければなりません。

ここでは、Superb AIのAuto-Labelとは一体何なのか、この技術の背景にある目的、そしてSuperb AIがこの分野でどのような進歩を遂げているのかをご紹介します。

 

2. オートラベリングのメリット

オートラベリングという言葉は、この分野では非常に新しい言葉ですが、それを実装し実現するための技術的進歩は高速で進んでおり、現在では多くのツールが市場に出回っています。では、データラベリングとはどのようなもので、どのようなメリットがあるのでしょうか。

2.1. オートラベリングとは?

 

 

オートラベリングとは、人工知能(AI)を応用してデータセットのエンリッチ、アノテーション、ラベリングを行うデータアノテーションツールに搭載されている機能です。この機能を備えたツールは、機械学習のためのデータラベリングにかかる時間とコストを削減するために、人間の作業を増強します。

ほとんどのツールでは、事前にアノテーションされたデータをツールに読み込むことができます。プラットフォームに進化しているより高度なツール(例えば、ツールとソフトウェア開発キット(SDK)を組み合わせたもの)では、AIを活用したり、独自のアルゴリズムをツールに持ち込んだりして、データをオートラベリングすることで、データエンリッチメントのプロセスを改善することができます。

また、作業者がアノテーションを検証できるように、アノテーションを提案する予測モデルを提供するツールもあります。また、内蔵されたニューラルネットワークを活用して、アノテーションを行うたびに学習する機能もあります。これらの機能はいずれも、機械学習チームの時間とリソースを節約し、データアノテーションのワークフローに大きな影響を与えるでしょう。

2.2. オートラベリングの優れたメリット

機械学習のために画像をアノテーションするツールを使用している組織との仕事の中で、オートラベリングがデータアノテーションのワークフローに適用された場合、2つの方法で役に立つことがわかりました。

データセットの一部または全部に事前にアノテーションを施します。自動化された後、作業者はアノテーションを確認、修正、完成させます。自動化ですべてのアノテーションを行うことはできず、例外やエッジケースが発生します。完璧とは言えませんので、必要に応じて人がレビューや修正を行うことを計画しなければなりません。

人に送る仕事の量を減らす。自動ラベリングモデルは、ユースケースやタスクの難易度などに基づいて信頼度を割り当てることができます。また、データセットにアノテーションを付与し、信頼度の低いアノテーションをレビューや修正のために担当者に送ります。

自動化機能を備えたツールを使用するチームと、同じデータに手動でアノテーションを行うチームに分かれて、時間をかけた実験を行いました。自動ラベリングが低品質な結果をもたらし、アノテーション作業に要する時間が長くなるケースもありました。一方で、自動ラベリングが有用な出発点となり、作業時間が短縮されたこともあります。

 

 

ある画像のアノテーション実験では、自動ラベリングに人力によるレビューと改善を組み合わせることで、100%手作業によるラベリングプロセスよりも10%速くなりました。この時間短縮は、自動化が時間をかけて学習されるにつれて、40%から50%の速度に増加しました。

また、車両については5ピクセル以上の誤差があり、カメラから最も離れた物体を見逃していました。この画像では、自動ラベリング機能により、ゴミ箱に人のタグが付けられているのがわかります。アノテーション前の予測は既存のモデルに基づいており、オートラベリングのミスはそれらのモデルの精度を反映していることを覚えておく必要があります。
データアノテーションツールには、人工知能を使ってデータにラベルを付けるオートラベリングとも呼ばれる自動化機能を搭載することができ、作業員はそのラベルを確認したり修正したりすることで、作業時間を短縮することができます。

道路標識のスクリーンショットでは、自動ラベル付けにより、ゴミ箱を囲むバウンディングボックスで画像を豊かにすることができました。これは間違いでした。その物体を人としてラベル付けしてしまったのです。オートラベリングは完璧ではありませんが、データラベラーのチームにとっては、出発点として役立ち、作業時間を短縮することができます。

 

 

プレアノテーションに適したタスクもあります。例えば、私たちの実験の例で言えば、プレアノテーションを使って画像にラベル付け、データラベラーのチームがラベルやバウンディングボックスのサイズを変更するか削除するかを判断することができます。このラベリング時間の短縮は、ピクセルレベルのセグメンテーションで画像にアノテーションを施す必要があるチームにとって有益です。

オートラベリングを適用するには、創造性が必要だということです。オートラベリングをうまく活用しているお客様は、必要に応じて試行錯誤を繰り返すことを厭わないことがわかりました。オートラベリングは、AI技術、特に機械学習をより良く理解するための一つの突破であり、この新しい用語にはまだ多くの発見があります。

 

Website: https://jp.lotus-qa.com/
Tel: (+84) 24-6660-7474
Fanpage: https://www.facebook.com/LotusQualityAssurance

過去5年間におけるLotusの賞・実績

「Amazing Lotus」過去5年間におけるLotusの賞・実績

Lotusの努力は5年後に報われました。2016年からの旅を通じて、全社員は、Lotusが世界のITサービスプロバイダーの中で際立つブランドになっている目指して、たゆまぬ努力を続けてきました。

弊社の一流のサービスは、ベトナムとどまらず世界の企業に認められます。これはLotusが国際的な顧客に近づけることに役立ちます。ロウタスグループは、将来に戦略的な開発計画で、より大きな成果を得ることを期待しています。
LQAは、一般的に品質保証の市場がまだ初期段階にあった2016年に設定されました。IT市場という新しく非常に有望な分野という機会を得て、LQAはベトナム初の品質保証会社として邁進しました。

この強みを生かして、LQAは信頼できるテクノロジー・ソリューション・プロバイダーになるための旅を続けています。5年の開発期間を経て、162のプロジェクト以上を通して蓄積された経験により、LQAは自分の能力だけでなく、顧客に最高な体験をもたらす可能性ことをを証明してきました。

  • プロセスの面:LQAはISO 27000:01の厳格な手順に従って最適なセキュリティと国際的に標準化されたプロセスを実現しているだけでなく、顧客の要求にも柔軟に対応しています。
  • 人材の面:LQAでは、厳格な面接、職場でのオリエンテーション、継続的な学習と開発を通じてスタッフの能力を確保しています。理論的な知識と実践的な実装が、私たちのプロセス全体に組み込まれています。
    その上、ビジネスアナリシス、デベロッパー、テスター、プロジェクトマネージャーなど、ポジションごとに異なるキャリアパスを用意し、技術的なスキルだけでなく、戦術的なスキルも身につけられるようにしています。
  • 技術の面:最先端のテクノロジーと実践的な経験により、LQAは日々進化する市場に適応し、お客様へのサービスの生産性と品質を向上させています。

今後、自社の能力を向上し、新しいテクノロジーグを継続的に更新し、素直に顧客の声を聞くこと等を中心し、グローバル展開を進めていきます。