AIリーダーを牽引するインフラ戦略の舞台裏

AIの導入は、現実の成果につながり始めています。しかし、取り組みが加速するにつれて、多くの組織が同じ問題に直面しています。それは、システムが高コストで、低速であり、拡張できないという問題です。

Economist Enterpriseが 1,200人以上のテクノロジーリーダーを対象に実施した最近の調査によると、データ環境が分断されている企業の間では、67%がデータの保存、移動、重複を、継続的に発生する最大のAIコストとして挙げました。統合されたデータアーキテクチャを持つ企業では、その割合は半分強にまで低下します。

今こそ、将来にわたって有効なAIの基盤を構築すべき時です。しかし、データベースの移行はコストがかかり、大きな不満の原因となります。組織がレガシーアーキテクチャに深く依存すればするほど、そこから抜け出すのは難しくなります。 オープンでAI対応のデータベースは、企業にデータの活用方法に関する高い柔軟性とコントロールを提供し、開発者が迅速、安全、かつ効率的にAIを中心としたビジネスへと再編できるようにします。

Naturaのテクノロジー担当バイスプレジデント兼チーフデジタルオフィサーであるJose Manuel Silva氏は、レポートの中で「要諦は、混乱を広げることなくスピードを届けることだ」と述べています。

本ブログでは、AIイノベーションの加速、コストの最小化、そして実際に機能するAIエージェントの提供に役立つ、エンタープライズインフラにおける3つの検討事項について詳しく説明します。

検討事項1：エージェントのスピードでインフラを提供する

Economist Enterpriseの調査によると、60%の企業において、AIワークロードを本番環境に移行するまでに最大12か月かかっています。開発者はAIのスピードで動きたいと考えていますが、基盤となるインフラはアナログなペースにとどまっています。

コードが数秒で作成される時代に、データベースのプロビジョニングに数分もかけるわけにはいきません。また、AIエージェントが自律的にワークフローを実行する際、大規模なIT環境とは切り離された、一時的で実験的な環境を即座に立ち上げられる必要があります。

迅速なイノベーション、安全なロールバック、そして即時の復元を組み合わせることで、組織は望む成果に向けて、12か月よりもはるかに短いサイクルで前進できるようになります。

検討事項2：データを合理化する

AIエンジンがデータを取り込むスピードと量は、多くの企業が対応できるように構築されているレベルを超えています。

トランザクションデータベースやビジネス全体のその他のエンドソースに格納されている豊富な情報には、AIシステムが実用的なインテリジェンスを提供し、プロセスを中断なく自動化するために必要な重要なコンテキストが含まれています。多くの場合、この情報は独自の環境にサイロ化されています。これを移動するには、新しいパイプラインやETLワークロードを構築する必要があり、複雑さとコストが増大します。

AI対応データベースは、運用データと分析データを統合できます。開発者が必要とするすべてのデータは、低コストのクラウドストレージにコンピュートレイヤーとは切り離されて保存され、いつでも利用可能です。

Mondelēz Internationalのシニアバイスプレジデント兼グローバルチーフデータオフィサーであるMaria Macuare氏は、「データにAIを注入して機能するなら、そのデータは真に準備が整っており、FAIR原則（Findable：見つけられる、Accessible：アクセスできる、Interoperable：相互運用できる、Reusable：再利用できる）に従っていることを意味します」と述べています。

検討事項3：AIスケールに合わせて構築されたインフラを採用する

レガシーなデータアーキテクチャは、企業の成長に対して深刻な構造的ペナルティをもたらします。レガシーインフラは柔軟に拡張できないため、リーダーシップは、ピーク時の需要を乗り切るためだけにアイドル容量に過剰な支払いを続けるか、あるいはプロビジョニングを過小にしてビジネスの急増時に応答不能になるリスクを冒すかという、どちらに転んでも損をする妥協を強いられます。この運用上の摩擦により、優秀なエンジニアリング人材が日常的なメンテナンスに縛り付けられ、競争力のあるスピードや戦略的イノベーションに投資すべきリソースが枯渇してしまいます。

専用に構築されたAIデータベースを使用すると、データは信頼性が高く、弾力性があり、コスト効率に優れたデータレイクに保存されます。コンピュートは独立して実行されるため、コストが成長から切り離され、企業はより大きな運用の柔軟性を実現できます。開発者は予算を使い果たすことなく、より自由に実験を行うことができます。また、システムは高並行処理から数秒でゼロまでスケールダウンできるため、支出を最適化できます。コストは使用状況に合わせて調整され、予測不可能なワークロードや迅速なAIエージェントのアクティビティをサポートします。さらに、即時復旧などの機能により、開発者は実際に「モノを壊すことなく迅速に動く」ことができます。

Economist Enterpriseのレポート全文を読んで、リーダーたちをAI競争の最前線へと押し上げている戦略を学びましょう。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事