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。

次の文の空欄に入る語句として、最も適切なものはどれか。

「MLOps では、ソフトウェアの CI/CD に加えて、新しいデータを使ってモデルを自動的に再学習し、提供し続ける（　）という考え方が加わる。」

1. 1継続的インテグレーション（CI）
2. 2継続的トレーニング（CT）
3. 3継続的デリバリー（CD）
4. 4インフラのコード化（IaC）

正解：2。モデルを新しいデータで自動的に再学習するのは継続的トレーニング（CT）で、機械学習システムならではの考え方です。

1は変更したコードを頻繁に統合し、自動でビルドやテストを行う仕組みです。3はテスト済みの成果物をいつでも本番へ届けられる状態に保つ仕組みです。4はサーバなどの環境の構成をコードで記述して管理する方法で、モデルの再学習とは別のものです。

ある工場で、温度センサを別メーカーの製品に交換した後、プログラムのコードは変更していないのに、異常を予測するモデルの性能が下がった。原因の見方と対応として、最も適切なものはどれか。

1. 1コードを変えていないのでモデルの性能は下がり得ず、センサが故障したとみなして再び交換する
2. 2学習に使ったデータが多すぎたことが原因とみなし、学習データを減らして同じモデルを作り直す
3. 3性能の低下は一時的なものとみなし、監視は行わず、次の定期更新まで今のモデルを使い続ける
4. 4入力データの分布が学習時から変わったとみなし、分布と性能を確かめて再学習を検討する

正解：4。センサの交換で値の出方が変わると、入力データの分布が学習時と変わり（データドリフト）、コードが同じでも性能が落ちることがあります。分布と性能を確かめ、新しいデータでの再学習を検討するのが適切です。

1は機械学習のモデルがデータの変化で劣化することを見落としています。2はデータ量を原因とする根拠がなく、同じ条件で作り直しても交換後のセンサの特徴は反映されません。3は性能の低下を放置することになり、監視と再学習を仕組みにする MLOps の考え方に反します。

次の記述ア・イの正誤の組合せとして、正しいものはどれか。

ア：MLOps は、機械学習モデルを開発する段階だけを対象とする取り組みで、運用が始まった後の管理は含まない。

イ：MLOps では、コードに加えて学習データとモデルの版も管理し、どのデータから作ったモデルかを後から確かめられるようにする。

1. 1ア：正　イ：正
2. 2ア：正　イ：誤
3. 3ア：誤　イ：正
4. 4ア：誤　イ：誤

正解：3。アは誤りで、MLOps は開発と運用を一体にする取り組みで、運用中の監視・再学習・入れ替えまで含みます。イは正しく、データとモデルの版を残すことで、性能が落ちたときの原因調査や前の版への切り戻しができます。

1と2はアを正しいとしている点、4はイまで誤りとしている点で当てはまりません。

開発・運用の範囲を本番と同じ4択で試したい場合は、登録不要のIoT中級の無料お試し20問で、全問の解説まで確認できます。