MLOpsとは｜DevOpsとの違いとIoT中級の要点

一言でいうと、MLOps は「機械学習のモデルを、作って終わりにせず、運用しながら育て続けるための DevOps」です。Google Cloud の公式アーキテクチャ文書でも、MLOps は機械学習システムの開発と運用を統合することをめざす、機械学習エンジニアリングの文化と実践として説明されています（2026年9月確認）。

機械学習のモデルは、学習した時点のデータの傾向を覚えています。運用を始めた後に現場のデータの傾向が変わると、コードに誤りがなくても予測が外れやすくなります。そのため、モデルの性能を見張り、必要なら新しいデータで作り直して入れ替える流れを、仕組みとして用意しておく必要があります。

ソフトウェアの開発と運用をつなぐ DevOps と、自動化の中心となる CI/CD の基本はDevOpsとCI/CDとはで解説しています。この記事は、そこに機械学習ならではの事情が加わる部分に絞ります。

違いは「管理するもの」「確かめるもの」「劣化の仕方」に表れます。次の表は Google Cloud の文書の考え方をもとにした当サイトの整理です。

Google Cloud の文書では、自動化の度合いを3段階で整理しています。レベル0は手作業でモデルを作って届ける段階、レベル1は学習の流れを自動化して新しいデータで継続的に再学習できる段階、レベル2は学習の流れそのものの変更も CI/CD で素早く届けられる段階です。段階の名前よりも、「何が自動化されているか」で区別できるようにしておくと応用がききます。

運用中にモデルの性能が落ちる原因は、大きく二つに分けて説明されます。入力データの分布が学習時から変わるデータドリフトと、入力と正解の関係そのものが変わるコンセプトドリフトです。

1. 1監視する：予測の性能（正解が後から分かる場合）と、入力データの分布の変化を継続して記録します。
2. 2きっかけを決める：性能がしきい値を下回った、入力の分布が大きく変わった、一定期間がたった、など再学習を始める条件を決めます。
3. 3再学習して評価する：新しいデータで作ったモデルを、今のモデルと同じ評価用データで比べます。性能の測り方は適合率と再現率の違いも参考になります。
4. 4入れ替えて記録する：良いと確かめられたモデルだけを本番へ届け、どのデータとコードで作ったかを版として残し、問題があれば前の版に戻せるようにします。

対応は、次の流れを仕組みとして回すことです。

MCPC の公式ページでは、IoTシステム技術検定 中級（80問・90分・4者択一）の出題カテゴリとして「IoTシステム構成と構築技術（アーキテクチャ、サービスプラットフォーム）」が示され、比率は15〜25%です。当サイトでは、公式テキスト『IoT技術テキスト 第4版』の第8章「IoTシステムの開発・運用・保守上の留意点」がこの範囲に当たると推定しています。章とカテゴリの対応は、章名から当サイトが判断した推定です。

MCPC のテキスト紹介ページでは、第4版の改訂点として、生成AI、アジャイル開発、DevOps・CI/CD の解説と MLOps・DevSecOps への言及、産業用ロボットとスマート工場の追記が挙げられています。4択の型としては次のようなものが考えられます（出題頻度は公表されていません）。

• ✓用語の対応：CI・CD・CT の説明と名前を結び付けさせる。
• ✓DevOps との違い：管理対象にデータとモデルが加わる点を問う。
• ✓事例の判断：コードを変えていないのに性能が落ちた場面で、原因と対応を選ばせる。
• ✓言いすぎの見抜き：「運用後の管理は含まない」「性能は監視しない」のような誤りを選ばせる。

セキュリティを開発の早い段階から組み込む考え方はDevSecOpsとはで、学習の種類は機械学習の種類で整理しています。試験全体の形式はIoTシステム技術検定 中級とはへ。

MLOps の選択肢は、DevOps の常識をそのまま当てはめた記述に誤りが混ざりやすいので、次の表で確かめてください。