最終更新日：2026年9月4日
gk devops mlops
まず結論
DevOpsは、ソフトウェアの開発と運用が連携し、継続的に改善・提供していくための考え方や実践です。
G検定では、まず
- DevOps＝ソフトウェア開発と運用を継続的につなぐ
- MLOps＝その考え方を踏まえつつ、機械学習特有のデータ・モデル・再学習・性能監視まで扱う
と切り分けます。
直感的な説明
DevOpsは、
- 開発チームが作る
- 運用チームへ渡して終わり
ではなく、開発と運用が一緒に改善を回す考え方です。
一方、機械学習システムでは、コードだけでなく学習データやモデルそのものも変化するため、通常のソフトウェア運用とは違う管理が必要になります。
そこを扱うのがMLOpsです。
定義・仕組み
DevOpsでは、次のような要素が重視されます。
- 開発と運用の連携
- 自動テスト
- CI（継続的インテグレーション）
- CD（継続的デリバリー／デプロイ）
- 監視とフィードバック
DevOpsは特定の1つのツールや固定手順ではなく、文化・考え方・実践の集合として捉えるのが適切です。
MLOpsでは何が増える？
MLOpsでは、DevOpsで扱うコードやシステムに加えて、
- 学習データ
- データスキーマ
- モデル
- 実験結果
- モデル性能
なども継続的に管理します。
また、CI/CDだけでなく、必要に応じてモデルを再学習するCT（Continuous Training：継続学習）や、入力データ・モデル性能を確認する継続的な監視も重要になります。
つまり、MLOpsはDevOpsを単純に名前だけ置き換えたものではなく、MLシステム特有の変化を扱えるようにした実践と理解すると分かりやすいです。
いつ使う？（得意・不得意）
DevOpsが中心になる場面
- Webサービス
- 業務システム
- 継続的な更新が必要なソフトウェア
MLOpsが特に重要になる場面
- 学習データが更新される
- モデルを再学習・再デプロイする
- データドリフトやモデル性能を監視する
- データやモデルの変更履歴を追跡する
なお、MLOpsの流れそのものはMLOpsの流れで整理しています。
G検定ひっかけポイント
DevOps＝MLOps？
❌ 同じもの
⭕ MLOpsはDevOpsの考え方を踏まえつつ、ML特有のデータ・モデル管理まで扱う
CI/CDだけで十分？
❌ MLOpsもCI/CDだけ考えればよい
⭕ MLOpsではCT（継続学習）やモデル・データの監視も重要
機械学習固有の要素
❌ モデル再学習やデータドリフトはDevOps固有の中心概念
⭕ MLOpsで特に重要になる
まとめ（試験直前用）
- DevOps＝開発と運用の連携
- CI/CDや監視・フィードバックが代表的
- 特定のツール名ではない
- MLOpsではさらにデータ・モデル・CT・性能監視を扱う
- DevOpsとMLOpsは同じではないが、無関係でもない