AI901-Concept#15-1
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある総合病院が、救急受付の患者トリアージを支援する AI システムを Azure AI Foundry で開発・運用しています。誤判定は患者の安全に直結するため、本番運用中の品質と信頼性を継続的に担保する必要があります。
解決策
Azure Monitor と Application Insights を有効化し、モデル推論のレイテンシ、エラー率、Content Safety フィルタの発動率を継続的に追跡して、しきい値超過時に運用チームへアラートを送信します。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本番運用中の Reliability and safety は、観測 (observability) なしには成立しません。Azure Monitor + Application Insights による継続的なメトリクス収集とアラートは、Microsoft Responsible AI Standard が推奨する運用ベスト プラクティスで、Foundry の SDK / portal とも統合されています。レイテンシ悪化はキャパシティ問題、エラー率上昇は依存サービス障害、コンテンツ フィルタ発動率の急増はモデル / 入力分布の異常を示唆するため、早期検出と再学習・代替経路への切替判断に直結します。
【「いいえ」が違う理由】
本解決策は監視と通知の標準的な実装で、Reliability and safety を運用面で支える根幹に該当します。「目的を満たさない」と判定する根拠はありません。
本番運用中の Reliability and safety は、観測 (observability) なしには成立しません。Azure Monitor + Application Insights による継続的なメトリクス収集とアラートは、Microsoft Responsible AI Standard が推奨する運用ベスト プラクティスで、Foundry の SDK / portal とも統合されています。レイテンシ悪化はキャパシティ問題、エラー率上昇は依存サービス障害、コンテンツ フィルタ発動率の急増はモデル / 入力分布の異常を示唆するため、早期検出と再学習・代替経路への切替判断に直結します。
【「いいえ」が違う理由】
本解決策は監視と通知の標準的な実装で、Reliability and safety を運用面で支える根幹に該当します。「目的を満たさない」と判定する根拠はありません。
コメント