G検定 用語解説
MLOpsとは
機械学習モデルの開発チームと運用チームが連携し、学習・検証・デプロイ・監視までを一連の継続的な仕組みとして回す考え方・体制。DevOpsの手法を機械学習プロジェクトに応用したもの。
まず押さえる結論
MLOpsは、G検定の「大項目7 AIの社会実装に向けて」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）具体例から判断の境界を固める
ITシステム運用全般ではなく、AIモデル自体のソース共有からモニタリングによる劣化検知までを含む運用の考え方として捉える
開発した分析プログラムのソースをGitなどのバージョン管理ソフトウェアでリポジトリに登録し、チームメンバーと共有する場面を考えます。ここで終わらず、本番稼働後もAIモデルの劣化状況や、想定と異なる予測対象データの不備、システムの異常をモニタリング項目に沿って検知し、性能の維持管理を進める作業までがMLOpsの範囲です。対象は常にAIモデルそのものです。
- 問題文で見る箇所
- 「Gitでのソース共有」「AIモデル性能の維持管理」「モニタリング項目による劣化検知」という記述があればMLOpsを候補にします。IT機器やネットワークなどシステム運用全般が対象になっている説明はAIOpsです。
- 隣接概念との境界
- MLOpsは開発したAIモデルそのものの性能維持・劣化検知・ソース共有を対象とし、AIOpsはITシステムの運用全般へAIを活用する取り組みを対象とします。対象がAIモデルかITシステム運用かで分けます。
誤答しやすい選択肢
- ITシステムの運用全般にAIを活用する取り組みをMLOpsと呼ぶ。これはAIOpsの説明です。
- LLMを使ってコードを作成・修正することだけをMLOpsと呼ぶ。これはコーディング支援の説明で、MLOpsが指すAIモデルの性能維持・モニタリングとは対象が異なります。
- モデル・データのバージョン管理ツールでのデプロイ自動化まで含めて見習いレベルの必須知識とする。Hugging Face HubやMLFlowを使った運用の効率化は★2つ星以上の項目であり、Gitでのソース共有・概要理解・モニタリングによる劣化検知が★1つ星の範囲です。
4段階の判断手順
- 01説明の対象がAIモデルの性能維持・共有なのか、ITシステム運用全般なのかを分ける。
- 02Gitなどのバージョン管理ソフトウェアでのソース共有が触れられているか確認する。
- 03AIモデルの劣化状況やデータ不備をモニタリングで検知する工程が含まれるか確認する。
- 04ITシステム全般を対象とするAIOpsと区別する。
到達条件: MLOpsをAIモデルのソース共有からモニタリングによる劣化検知までを含む運用の考え方として説明し、AIOpsと区別できる。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CRISP-DM（進め方の枠組み）とPoC（概念実証）の役割の取り違え。
×データリーケージ（学習・評価データに正解情報が混入する事故）の見落とし。
×説明可能AI（XAI）・公平性・透明性など、近い概念の取り違え。
関連する確認問題
大項目7 AIの社会実装に向けて / データの整備と運用
ウェアラブル端末内で心拍異常を即時検知し、生データを常時クラウド送信しない構成はどれか。
この事例では「発生端末側で低遅延推論を行うか」を確認すると、エッジAIに絞れる。正解は「エッジAI」である。エッジAIは、端末や現場に近い場所でAIの推論などを行う構成であり、通信遅延やデータ送信量を抑えたい場面で用いられる。クラウドはネットワーク越しに計算資源を利用する形態、MLOpsはモデルの開発・運用を継続的に回す方法論、プライバシー・バイ・デザインは設計段階から個人情報保護を組み込む考え方である。 計算する場所を確認する。クラウドは遠隔データセンターの計算資源、MLOpsは開発運用の方法論、プライバシー・バイ・デザインは設計原則である。工場端末やスマートフォンなど現場側で推論するのがエッジAIである。
大項目7 AIの社会実装に向けて / データの整備と運用
農地のセンサ端末で病害兆候を推論し、通信が途切れても警告を出せる構成はどれか。
この事例では「ネットワーク接続に依存せず現場側で推論するか」を確認すると、エッジAIに絞れる。正解は「エッジAI」である。エッジAIは、端末や現場に近い場所でAIの推論などを行う構成であり、通信遅延やデータ送信量を抑えたい場面で用いられる。クラウドはネットワーク越しに計算資源を利用する形態、MLOpsはモデルの開発・運用を継続的に回す方法論、プライバシー・バイ・デザインは設計段階から個人情報保護を組み込む考え方である。 計算する場所を確認する。クラウドは遠隔データセンターの計算資源、MLOpsは開発運用の方法論、プライバシー・バイ・デザインは設計原則である。工場端末やスマートフォンなど現場側で推論するのがエッジAIである。
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
CRISP-DMを機械学習プロジェクト向けに拡張し、モデルを運用に乗せた後の性能モニタリングや品質保証まで手順に含む標準的な進め方の枠組みはどれか。
正解は「CRISP-ML」である。CRISP-DMはデータ分析プロジェクトを段階的に進めるための標準的な手順の枠組みだが、モデルを運用に乗せた後の性能モニタリングや品質保証までは手順に含まない。CRISP-MLはこのCRISP-DMを機械学習プロジェクト向けに拡張し、運用後のモニタリングや品質保証まで手順に含めた枠組みである点がCRISP-DMとの違いになる。MLOpsは開発チームと運用チームが連携し学習・検証・デプロイ・監視までを継続的な仕組みとして回す考え方・体制であり、CRISP-MLのように段階を定めた手順の枠組みそのものではない点で層が異なる。BPRは業務の流れ自体を抜本的に作り直す経営手法であり、機械学習プロジェクトの進め方の枠組みではない。
同じ章で確認したい用語
他資格でも出題される用語
到達チェック
- MLOpsを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、MLOpsに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）