約6,500の宅配便拠点における数ヶ月先の業務量をAIで予測する。そのために機械学習モデルを毎月作成し、需要に応じた効率的な経営資源の最適配置とコスト適正化を推進している。月ごとに運用する同モデルは複数あり、その関連作業は多岐に渡る――
月次トランザクションデータ／マスタ・ファイルの準備、設定ファイルの書き換え、プログラムの手動実行などがその対象である。スピード感をもってPoC（概念実証）を済ませたものの、実運用では作業負荷の高い状態が続いていた――その顧客は、事業部への予測結果報告までの運用スケジュールが短期的であり、機械学習モデルの再作成や予測の再分析が難しいといった課題も抱えていたという。
エクサウィザーズは、"クロネコ""宅急便"でおなじみのヤマト運輸向けにMLOps（機械学習オペレーション）を実現する環境を構築し、機械学習モデルの「データ抽出→前処理→学習→予測→評価」などの作成プロセスすなわち機械学習パイプラインを自動化した。これにより同顧客は月次の機械学習モデルの運用が高速化し、継続的な改善が可能になった。大企業におけるMLOpsの導入は先進的だという。
複数の開発案件が並走するとソースコードの管理が煩雑になり、翌月に使うコードの準備に時間と労力が要していたところで、同社はGit flow（Git branching modelの派生形）を参考にソースコードのバージョン管理方法を見直し、管理ツールへの登録タイミングや手順が属人化していたバージョン管理の運用方法を標準化した。管理ツールをGitHubに一本化し、複数ベンダーが同時に同じソースコードに取り組める開発・運用環境を整えもした。
「YAMATO NEXT100」と「Oneヤマト2023」を掲げるヤマト運輸はデータドリブン経営への転換を加速する。一方、エクサウィザーズは大企業向けML導入支援を展開していく構えだ。