ハイライト
- MLOps チームは、Docker と Kubernetes を使用して AI/ML の効率を拡張します。
- 統一されたプラットフォームにより、Ingka GroupのAI/MLチーム間のコラボレーションの一貫性と効率性が向上します。
- 開発速度、スケーラビリティ、セキュリティの顕著な進歩。
概要
イケアの小売店を運営するIngkaグループは、ホームファニッシング分野におけるサステナビリティ、デジタルイノベーション、コミュニティエンゲージメントへの取り組みで知られています。 Ingkaグループは 31 カ国で何十億もの顧客にサービスを提供しているため、業務効率と技術の進歩はその使命にとって最優先事項です。
店舗の枠を超えて、同社のエンジニアリングチームは、ビジネス全体をサポートするテクノロジーを開発および保守しています。 専任のMLOpsチームは、Ingka Groupの社内開発エコシステムを構築・管理し、チームがAI/ML(人工知能/機械学習)システムを本番環境に確実かつ効率的にデプロイ・維持できるようにします。
Ingka Groupは、AI/MLの可能性を活用して業務効率と顧客体験を向上させるという野心的な取り組みに着手し、需要予測から消費者向けのリアルなデザインアプリまで、さまざまな取り組みを行っています。 倫理的なAIの使用に対する同社の積極的な姿勢と責任あるイノベーションへの取り組みは、誠実さと先見性を持って小売業を前進させるという同社の献身を強調しています。
AI/ML開発を容易にすることを任務とするIngka GroupのMLOps 14 チームは、構造化されながらも柔軟なアプローチを採用しており、自動化とパーソナライズされたサポートの両方を提供しています。 MLOps プラットフォームのテック リードである Yasen Faizan Shaik Mohammed 氏は、社内開発者向けのチームのサービス モデルについて次のように説明しています。 私たちは、それが常に稼働していることを確認します。」
課題
Ingka Group の AI/ML への道のりには、MLOps のランドスケープにおける独自の課題が伴いました。 AI/ML の可能性に着目した MLOps チームは、戦略を始めました。 「すべては、現在の課題を特定し、その解決に集中することから始まりました」と、コンサルタント機械学習エンジニアのSoufiane Benzaoui氏は説明し、AI/ML統合を合理化するための最初のステップを強調しています。 トレンドが急速に変化する分野では、アイデアから展開までが遅れると、潜在的な市場優位性が失われる可能性があります。 日々の開発をスピードアップさせることは、組織に何倍もの効果をもたらす可能性があります。
モジュール性と統合性のバランス
チームは、さまざまなグループでさまざまなプラクティスとツールを発見しました。 Benzaoui氏は、複雑な環境には「コンポーネントが単独で動作するだけでなく、互いにうまく接続する」必要があると述べています。 モジュール性がないと、モデルのトレーニング、評価、デプロイ中の干渉により品質が低下します。 同時に、コンポーネントを統合して通信し、まとまりのあるMLパイプラインを形成する必要があります。
グローバルなAI運用におけるデータの保護
Ingka Groupのグローバルなプレゼンスと膨大な量の顧客データを処理するには、高水準のセキュリティが必要です。 モデルは、特定のデータ アクセス、処理、およびストレージの要件で、データのプライバシーを損なうことなくトレーニングする必要があります。 デプロイされたモデルは、外部からの改ざんから保護する必要があります。 依存関係には重大な脆弱性があってはなりません。
作品の共有と複製
チームごとに異なるツールやプラクティスが使用されていたため、開発者は一貫性のない開発環境に直面していました。 作業の共有と結果の複製は困難で、開発者はトラブルシューティングに膨大な時間を費やしていました。 同社は、これらの課題がAI/MLの開発を遅らせるリスクがあることを認識し、解決策を模索し始めました。
解決
Ingka Group は、これらの課題に取り組むために専門の MLOps チームを結成し、信頼できるツール、リソース、メンターシップをチームに提供しました。 MLOpsチームは、大規模なAI/MLプロジェクトを円滑に管理するための統合プラットフォームの重要性を認識し、コンテナ内のソフトウェアを整理するためにDockerを選択し、それらのコンテナを調整するためにKubernetesを選択しました。 このチームは、実験を追跡するための MLFlow や、Ingka Group 独自のニーズに合わせてモデルやその他のカスタマイズされたツールを使用するための Seldon Core などの重要なツールを組み込んでいます。
Benzaoui 氏は、MLOps の役割の重要性を強調しています。 「現在、データサイエンスや機械学習との闘いは、MLOpsを採用する必要性を認識しています。 必要なすべてのスキルとツール、そして文化的な調整も必要です」とBenzaoui氏は言います。 Ingka Group の MLOps プラットフォームのロールアウトは、ツールとプロセスの両方を通じて AI/ML 機能を強化するために計画されました。
評価と計画
初期段階では、既存のAI/MLワークフロー、ツール、インフラストラクチャを徹底的に評価しました。 Ingka Groupは、開発サイクル、セキュリティ、チーム間の標準化など、改善が必要な主要な領域を特定しました。 MLOpsプラットフォームの目標と範囲を概説する戦略計画セッションが開催され、Ingkaグループのより広範なビジネス目標と技術的状況との整合性を確保しました。
拡張可能なプラットフォーム
適切な技術を選択することは、プラットフォームにとって重要でした。 Ingka GroupがDockerとKubernetesを選んだのは、スケーラブルで柔軟性があり、高い評価を得ているからです。 Dockerは、開発から本番環境までのすべての段階でAI/MLの作業に一貫性を持たせ、KubernetesはこれらのDockerコンテナの管理とデプロイを容易にしました。
これらのテクノロジを選択した後、MLOps チームはプラットフォームの設計に着手しました。 彼らが目指したのは、柔軟で安全であり、必要なさまざまなAI/MLタスクを処理できるシステムでした。 これには、開発と実験のための環境、モデルのロールアウトとワークロードのスケジュール設定のためのパイプライン、パフォーマンスを追跡してデプロイを管理するためのツールなどの重要な機能が含まれていました。
Ingka Groupは、効率とチームワークを高めるために、チーム環境をより一貫性のあるものにしたいと考えていました。 MLOps プラットフォームは、共通のツールと方法を提供し、チームの働き方の違いを解消し、AI/ML プロジェクトのワークフローをよりスムーズにしました。
セキュリティ、法律、倫理基準
Ingka Groupは、プラットフォームの設計において、データのプライバシーとセキュリティを真剣に受け止めました。 また、データの送信と保存時に暗号化され、ユーザーの役割に基づいてアクセス制御を設定し、グローバルなデータ保護法に準拠していました。 また、プラットフォームの安全性とセキュリティを維持するために、定期的なチェックと評価も設定されました。 非常に多くの顧客データを処理するため、Ingka Groupはこれらの厳格なセキュリティ手順を最優先事項としました。 これにより、すべてのAI/ML活動が法的基準と倫理的基準の両方を満たしていることが保証されました。
チームのオンボーディング
また、Ingka Groupは、チームがプラットフォームを十分に活用できるようにし、開発者とデータサイエンティスト向けの広範なトレーニングを展開しました。 このアプローチは、チームがプラットフォームの機能とAI/ML開発のベストプラクティスを理解するのに役立ちました。 彼らは、既存のプロジェクトを新しいプラットフォームにゆっくりと移行することを計画し、その過程で多くのサポートを提供しました。 このトレーニングとサポートは、チームが自信とスキルを持ち、プラットフォームを最大限に活用する準備ができていることを確認することを目的としていました。
反復的な機能強化
Ingka Group は、MLOps プラットフォームが進化することを認識し、その開発と強化に反復的なアプローチを採用しました。 ユーザーからの洞察を収集するためのフィードバックメカニズムが確立され、プラットフォームの機能と使いやすさの継続的な改善が可能になりました。 このアプローチにより、プラットフォームはAI/MLプロジェクトのニーズと進化する技術環境に対応し続けることができました。 MLOps プラットフォームは、反復的な強化の考え方に基づいて設計されているため、Ingka Group はユーザーからのフィードバックやニーズの変化に基づいて、機能を継続的に改良および拡張できます。 このアプローチにより、プラットフォームの応答性と、進化するAI/ML環境への適応性が維持されます。
導入期間中、Ingka Groupはコラボレーション、効率性、イノベーションに重点を置き続けました。 Ingka Groupは、MLOpsプラットフォームの開発と展開の各側面に系統的に取り組むことで、AI/MLテクノロジーをより効果的に活用し、カスタマーエクスペリエンスとオペレーショナルエクセレンスの向上という目標を推進しました。
主な利点
Ingka Groupは、Dockerの採用とMLOpsプラットフォームの開発により、いくつかの主要分野で大幅な改善を実現しました。
開発の合理化
Docker ベースの MLOps 開発では、複雑なリソースの共有が容易になり、移植性の低いテクノロジでの開発と比較して、コンセプトからデプロイまでの時間が短縮されます。
より簡単なコラボレーション
チーム間で統一された開発環境により、チームは開発プロセスのすべての段階でより一貫性のあるモデルを共有できます。
セキュリティの向上
Dockerのコンテナ化は、堅牢な分離とセキュリティ機能を提供し、顧客の信頼とコンプライアンスを維持するために不可欠な、開発およびデプロイプロセス全体を通じてIngka GroupのデータとAI/MLモデルを保護します。
拡張性と柔軟性
Dockerを使用することで、Ingka GroupはAI/MLアプリケーションを動的に拡張して変動する需要に対応し、大きな間接費をかけずにリソース効率と最適なパフォーマンスを確保できます。
継続的改善
Dockerは、AI/ML開発に対するIngka Groupの反復的なアプローチをサポートし、進化する顧客のニーズと市場動向に対応するために、迅速な更新、フィードバックの簡単な組み込み、モデルとアプリケーションの継続的な改良を可能にします。
業績
MLOpsプラットフォーム内でのDockerとKubernetesの戦略的な実装により、IngkaグループにおけるAI/MLデプロイメントの新たなベンチマークが確立されました。 「私たちは、セキュリティ、オブザーバビリティ、スケーラビリティ、使いやすさを提供するプラットフォームを求めていました。 従来のアプローチでは、これは非常に困難ですが、KubernetesとDockerは、これらすべての柱を簡単に実現するためのツールを提供してくれました」とBenzaoui氏は述べています。 反復的な改善は進行中ですが、MLOpsプラットフォームはIngka GroupのAI/ML開発にとってすでに価値があることが証明されています。
柔軟、迅速、協調的なサイクル
Ingka Groupは、初期のプロトタイピングからデプロイまで、AI/ML開発サイクルを可能な限り最高のスピードで実現するために、コンテナ化された開発に基づくテクノロジースタックを選択しました。 新しいツールは速度が最適化されており、共有の柔軟性が向上しています。 「Docker は、チーム内およびチーム間のコラボレーションを促進します」と Benzaoui 氏は言います。 AI/MLアプリケーションをコンテナ化することで、Ingka Groupは新しいモデルのプロトタイプ作成、テスト、デプロイを迅速に行うことができました。 チームメンバーは、更新されたリソースやよりパフォーマンスの高いリソースをより簡単に共有できます。
また、Dockerのユーザーフレンドリーな性質は、さまざまな部門で広く採用され、組織内でのAI/MLの親しみやすい使用を促進しました。
Benzaoui氏は、正確な数字を特定するのは難しいが、このプラットフォームで開発されたアプリケーションの市場投入までの時間が著しく短縮されたと指摘する。 「現在のユーザーについては、すでにより良いアプローチが見られ、アプリケーションの市場投入までの時間が短縮されています」とBenzaoui氏は言います。 パフォーマンスの向上により、チームはモデルの複雑さをスケーリングするためのオプションも提供されます。 「開発サイクルの隅々まで影響します。モデルはスケーラブルで、安全で、監視可能になりました。」
統一された安全な開発環境
Ingka Group の MLOps プラットフォームは、統一されたフレームワークとして機能し、すべての開発者に一貫したツールとプラクティスを提供します。 このプラットフォームは、さまざまなプロジェクトやチーム間で開発環境を標準化し、コンポーネントが独立して動作しながら、必要に応じてシームレスに統合できるようにしています。 開発、テスト、運用全体で一貫性を保つことで、モデル トレーニングの品質とデプロイ プロセスの効率の両方が向上しました。
Ingka Groupは、DockerとKubernetesによって強化されたセキュリティに重点を置き、全体的なセキュリティ体制を強化しています。 「Docker上のKubernetesは分離を提供します。これは非常に重要です」とBenzaoui氏は言います。 この分離により、アプリケーション間の干渉や潜在的な侵害のリスクが最小限に抑えられます。
安全な開発環境は、 Docker Trusted Content と Docker Scout によってさらにサポートされ、AI/ML 開発プロセスの全体的なセキュリティ体制を改善します。 Docker Scout はイメージレイヤーを分析し、修復の提案を提供し、多くの場合、Docker Trusted Content からより安全な、または最新のベースイメージを推奨します。
Benzaoui氏は、適切な財団に投資することの重要性を強調し、「最初は時間がかかるかもしれませんが、長期的には利益を得ることができます。 長期的には、モデルの信頼性と観察性が向上し、問題が発生した場合はすぐに修正できます。」