AI基礎概念
性能指標
読み方：せいのうしひょう
性能指標とは
性能指標（Evaluation Metrics）は、機械学習 モデルの予測精度や品質を客観的な数値で評価するための基準です。モデルがどれだけ正確に機能しているかを示し、複数の異なるモデル間の比較やチューニングの合否を分ける判断材料となります。代表的なものに、分類 タスクにおける正解率（Accuracy）、適合率（Precision）、再現率（Recall）や、回帰 タスクにおける平均二乗誤差（MSE）などがあります。
ビジネス目標とAI評価の乖離を防ぐROIマネジメント
現場において「AIの精度（Accuracy）が99%だから大成功だ」と短絡的に結論づけるのは最大の罠です。例えば「1万人に1人の致命的な不良品」を見つける製造業の検査AIにおいて、AIがすべての製品を検査せず「すべて良品です」とだけ答え続けた場合でも、計算上は精度99.99%が叩き出されてしまいます。しかし、見逃された1つの不良品は市場リコールを招き、巨額の損害賠償問題に発展します。
2026年のAIプロジェクトにおいて最も重要なのは、「見逃しによる損失リスク」と「過剰な異常検知による確認の人的コスト」のどちらのビジネスインパクト（金額的ダメージ）が大きいかを現場部門と徹底的に摺り合わせ、それに応じた適切な性能指標（不良を絶対に見逃さないことを重視する「再現率」など）を厳格にKPIとして採用することです。評価指標の設計ミスは、そのまま「AI投資への致命的な赤字（マイナスROI）」へ直結します。