MAGELLAN BLOCKSの機械学習モデル管理において、「推論／予測に使用するタグの設定」ブロックに新機能「保持期限（日数）」を追加しました。この機能により、モデルのライフサイクル管理が自動化され、ストレージコストの最適化と運用負荷の大幅な軽減を実現します。

日々の業務でこんなお悩みはありませんか。

• 開発環境に検証済みの古いモデルが蓄積し、ストレージコストが増大している
• モデルの削除作業を手動で行うため、運用工数がかさんでいる
• 用途に応じたモデルの保持ポリシーを一貫して適用することが難しい
• 監査要件を満たしつつ、不要なモデルを効率的に管理したい

---

フローデザイナーの「推論／予測に使用するタグの設定」ブロックでは、機械学習モデルを別名（タグ）で管理する機能を提供しています。これにより、「推論／予測」ブロックでモデル名の代わりにタグを指定でき、フローを変更することなくモデルの切り替えが可能になります。

今回追加された「保持期限（日数）」プロパティは、タグ設定と同時にモデルの保持期限を自動的に設定する機能です。

特徴

新しい保持期限管理機能は、既存のタグ管理機能と連携して、機械学習モデルの運用をより効率的にします。

• 柔軟なタグ管理
  モデルを別名で管理し、運用中のフローを変更せずにモデル更新が可能

• 保持期限の自動設定
  0から任意の正の整数値で保持期限を日数単位で指定（デフォルト値：0）

• 動的な期限設定
  変数展開機能により、環境に応じた柔軟な保持期限の設定が可能

• 既存期限の自動更新
  既存の保持期限設定がある場合は自動的に上書き更新

導入によるメリット

この新機能により、従来手動で行われていたモデル管理作業の多くが自動化され、運用コストと管理工数の大幅な削減が期待できます。

• 運用の自動化
  タグ設定によるモデル切り替えと保持期限管理を一元化し、運用作業を大幅に効率化

• ストレージコストの最適化
  不要になったモデルの自動削除によりストレージ使用量を削減

• 運用負荷の軽減
  手動でのモデル削除作業が不要になり、運用工数を大幅に削減

• ガバナンスの強化
  モデルの保持ポリシーを自動化することで、一貫性のある管理を実現

• リソース管理の効率化
  用途に応じた適切な保持期限設定により、必要なモデルのみを効率的に管理

活用シーン

保持期限管理機能は、開発から本番まで様々な環境で柔軟に活用できます。以下に代表的な利用パターンをご紹介します。

• 開発環境での短期モデル管理
  タグ名「latest」に7日間の保持期限を設定し、検証用の最新モデルを短期間で自動的に入れ替え。開発環境のクリーンな状態を維持しながら、フローでは常に「latest」タグを参照することで最新モデルでの検証を自動化

• 本番環境での長期保持
  タグ名「production」に90日間の保持期限を設定し、安定稼働中のモデルを長期間保持。監査要件やトレーサビリティを確保しつつ、本番フローは「production」タグを参照し安定性を維持

• ステージング環境での中期検証
  タグ名「staging」に30日間の保持期限を設定し、本番投入前の候補モデルに十分な検証期間を確保。不要なモデルの蓄積を防止しながら、ステージング環境のフローは「staging」タグを参照し本番投入前の最終確認を実施

• 緊急時対応用モデルの管理
  タグ名「rollback」に60日間の保持期限を設定し、問題発生時の切り戻し用モデルを一定期間確実に保持。緊急時には「production」タグを「rollback」タグのモデルに付け替えることで即座に切り戻しが可能

この新機能により、機械学習モデルの管理がより効率的で安全になり、運用コストの削減と業務効率の向上を同時に実現します。ぜひご活用ください。

対応サービス：フローデザイナー

---

その他の新機能と改善

• ワークスペース
  • 問い合わせフォームへの導線を追加
    ワークスペースから直接問い合わせフォームを利用できるようになりました。

グルーヴノーツでは、お客さまの課題に寄り添い、継続的な機能改善および新機能の開発を行っています。

今後とも、グルーヴノーツならびに、「MAGELLAN BLOCKS」をよろしくお願いします。