ビジネスの観点から見ると、ディープラーニングを始めとする機械学習は、単なる技術単体で利用される段階を超えて、複合的なAIシステムにおける一要素として利用される段階に到達しています。しかし、ビジネスの観点から見たAIシステムの開発には、機械学習モデルの提供者とAIシステムの開発者が異なる場合の、責任分解点やモデルに対する権利の帰属など、解決しなければならない諸問題が存在します。さらに、AIシステムの開発をコントロールするためには、機械学習特有の開発メソッドと従来型の開発ハンドリングと違いを踏まえたプロジェクトマネージメントが必要になります。
　本講演では、AIシステムの制作を外注する場合、機械学習モデルの作成のみを外注する場合など、実際に起こりうるビジネスパターンにおける、契約上の注意点及び、開発体制の構築、データのハンドリング手法と機械学習モデルの開発ステージ、落とし穴となりやすい体制構築上の注意点などを紹介します。

1. 人工知能とは～おさらい～
   1. AIと機械学習について復習
   2. コンピューティング発展の流れ?クラウドから機械学習
   3. Machine Learning is not Study
   4. 機械学習モデルに向かない問題
2. システムとしての人工知能と広義のAI
   1. 広義のAIと狭義のAI
   2. 広義のAI開発と狭義のAI開発
   3. AI開発に携わる関係各社とその思惑
   4. 機械学習プログラミングの難しいところ
   5. AIシステムのテスト
3. AIシステムを外注する際の注意点
   1. 外注を決定する前に明確化すべきポイント
   2. 機械学習エンジニアとして感じる最近の傾向
   3. 機械学習システムの検収について
   4. AIのバグと瑕疵担保責任
4. AI人材の見分け方と扱い方のポイント
   1. AI人材の見分け方
   2. AI案件の提案を評価する際のポイント
   3. 出来上がった人工知能の性能評価
   4. 機械学習システムに必要となるテスター人材
5. AIシステムの開発をどうハンドリングすべきか
   1. AI開発ステージの大まかな流れ
   2. 開発体制とデータのハンドリング
   3. 学習曲線から学習の段階を推測する方法
   4. 機械学習モデルの性能を向上させるには
   5. 人工知能が狂うとき
6. 機械学習ビジネスの今後 (まとめ)
   1. 人工知能の本当の可能性
   2. 知的財産権とモデルの権利について
   3. 機械学習ビジネスの健全な発展のために～まとめ～