AI が企業に与える影響を考える

この Tech Barometer ポッドキャストでは、Nutanix の社長兼CEO である Rajiv Ramaswami 氏が、ハイブリッドマルチクラウドを利用するお客様が、今後、人工知能によって組織をより強化できるように移行する際直面している課題について説明しています。

By Jason Lopez

By Jason Lopez 2024年01月18日

ハイブリッド・マルチクラウド・ソフトウェア企業であるNutanix の社長兼 CEO である Rajiv Ramaswami 氏によると、2024 年、人工知能(AI)は、より多くの人々がビジネスユースケースに適したアプリケーションを構築することで、より現実味を帯びてくるという。

企業における AI の盛り上がりとは裏腹に、アプリケーションやAI の人材の不足、より多くの IT リソースの必要性など、いくつかの現実的な障害があると Ramaswami 氏は The Forecast に語っています。

「データサイエンティスト、AI エンジニア、機械学習オペレーショナルエンジニアが必要であり、アプリを構築する開発者と共に優れたインフラ担当者が必要なのです」と彼は述べています  

この Tech Barometer のポッドキャストでは、Ramaswami 氏が企業における AI のビジョンと、AI が組織をどのように支援できるかを探る顧客から学んだことについて話しています。また、AIをうまく導入し、管理するために克服しなければならない課題について語ります。

彼によると「 AI アプリケーションを開発し、市場に投入するために必要な一連のツールも簡単ではありません。その上、今日の市場ではハードウェア(GPU)が不足しています。仮にやりたいことがあったとしても、ハードウェアを手に入れることができないのです」

AI の導入にはコストがかかり、AI モデルの学習には多額の投資が必要で す。 導入にはコストがかかるため、企業は AI を可能性の高い実験としてではなく、ビジネスケースとして評価するようになるだろうと同氏は指摘します。

「潜在的な可能性はたくさんあると思いますが、その可能性を実現するためには、それを成し遂げるために何が必要なのか、どれだけの費用がかかるのか、そして利益を得ることができるのかに注意を払う必要があります。そして、それを成し遂げなければなりません」と彼は付け加えます。

関連記事

IT リーダーは AI に備えよ

Ramaswami 氏は、2024 年は AI が理論的な概念から企業内で現実的なものになる年になると考えています。企業は、大きなビジネス価値をもたらす現実的な AI アプリケーションを構築し始めると予想さ れます。同氏は、顧客サービス、文書検索と分析、不正検知、生産性を向上させる補助的な共同操縦などを、 AI のビジネスユースケースとして挙げています。

記録:

Rajiv Ramaswami: 私はテクノロジーと経済におけるその役割についてポジティブに考えています。なぜなら、経済がどのような状況にあろうとも、企業はテクノロジーに投資すると思うからです。企業はソフトウェアに投資するでしょう。つまり、 GDP の成長率がどうであれ、技術投資はそれよりも速く成長すると思います。企業がデジタル化を進めるという性質上、技術分野の中でもソフトウェアへの支出は、おそらくそれよりも速く成長するでしょう。それはビジネス上の必須事項だからです。企業は優秀なソフトウェア人材の確保に苦労しています。人材が不足しているのです。とりわけ AI の人材を確保するのは難しい状況です。AIアプリケーションを開発し、市場に投入するために必要な一連のツールも簡単ではありません。さらに、 GPU というハードウェアも不足しています。やろうと思えば何でもできるのに、ハードウェアを手に入れることが できないのです。

Jason Lopez: あなたは不思議に思うかもしれませんが、講演者はテクノロジーについて明るい見通しを持っていると言って始まりませんでしたか?ここは Tech Barometer のポッドキャストです。私は Jason Lopez です。以下は、Nutanix のCEO である Rajiv Ramaswami 氏のコメントです。これは、会場に設置されたオーディオ・レコーダーに録音された会話です。企業における AI は、労働者の能力向上や合理化、自動化を目指す企業にとって不可欠なものとなっています。

Rajiv Ramaswami: ビジネス・プロセスの自動化であろうと、カスタマー・サポートであろうと、文書分析や検索であろうと、クレジットカード申請や市場申請の処理であろうと、あるいは共同操縦によってソフトウェア開発者の生産性を向上させたり、より優れた不正検出など、より自動化された機能を実現させたりすることもできます。これらはすべて、非常に効率的なやり方で目標を達成することができる、極めて意義深いことなのです。

関連記事

AI 時代における IT の 9 つの予測

Jason Lopez: Rajiv 氏は、少なくとも開発面では、今後 1 、 2 年で勢いが増すと見ています。エコシステムを基盤とした生成 AI アプリケーションの登場が期待されています。しかし、課題は GPU ストレージ、費用対効果分析、より質の高い結果を得ることなど、いくつかのことを克服することでしょう。

Rajiv Ramaswami: 例えば、ある種のコパイロットを使用してコードのスニペットを自動生成している場合、そのコードはどの程度優れているのでしょうか? 信頼できるでしょうか? あなたはそれを配信することができるでしょうか? ユースケースが顧客サービスのユースケースであろうと、文書の検索と取得のユースケースであろうと、どのようなものであってもです。つまり、あなたが安心できる妥当なレベルまで精度を上げることだと考えています。そのレベルに達するまでトレーニングを続けなければなりません。

Jason Lopez: AI の導入にはコストがかかります。学習用のコンピュート・クラスタのコストは非常に高くつく可能性があり、企業は ROI を明確にし、AI 導入のビジネスケースを作らなければならないと Rajiv は考えています。

Rajiv Ramaswami: そして、AI に多くの関心が寄せられ、いざ導入しようとすると、導入にはコストがかかると言われ、また他のものと同様にビジネスケースを検討することになります。しかし、その可能性を実現するためには、それを実現するために何が必要なのか、どれくらいのコストがかかるのかに注意を払い、利益を得られるかどうかを確認する必要があります。そして、それを実行に移さなければなりません。つまり、チームを編成し、データを整理し、適切な大規模言語モデルを選択し、適切に学習させ、モデルのサイズを必要な大きさまで縮小する方法を考え、そしてもちろん、学習させて本番稼動させ、信頼性の高いデータ結果を得て、本番稼動させるのです。

関連記事

生成 AI が IT モダナイゼーションを推進

Jason Lopez: そしてこれは、それを実現する人材がいることが前提です。

Rajiv Ramaswami: データサイエンティスト、AI エンジニア、機械学習オペレーショナルエンジニアが必要であり、アプリを構築する開発者と共に優れたインフラストラクチャー人材が必要です。つまり、これを実現するためには、これらすべてのスキルセットが必要なのです。

Jason Lopez: AI 導入におけるその他の課題は、主にデータ管理に関連しています。既に述べたように、アルゴリズムを効果的に機能させるためには、適切な場所に信頼性の高いデータが必要です。

Rajiv Ramaswami: データを適切な場所に集めること自体が、多くの顧客にとって大仕事です。第二に、データには重要性があり、データを保護する必要があるため、データがある場所で AI アルゴリズムを実行する必要があります。例えば、自社のデータ上で汎用 AI LLM を実行する際、自社の IP を渡したくないでしょう。ですから、データも保護しなければなりません。これが、AIアプリケーションを実行する際に考慮すべきもう1つの点です。何兆ものパラメータを持つ大規模な言語モデルについて耳にすることがあると思います。そこで理解しなければならないのは、自分のアプリケーションには何が必要なのか?そんなに大きなモデルが必要なのか?もっと小さなモデルでもいいのか?そして、そこには多くの最適化が必要だと思います。

関連記事

AI とマルチクラウドの時代における開発

Jason Lopez: Nutanix は AI の実装に取り組み、 GPT in a box として知られるクラウドプラットフォームを提供しています。これはストレージと機械学習ツールキットの統合ソリューションです。

Rajiv Ramaswami: そのため、お客様が AI アプリケーションを稼働させる際に、すぐに利用可能なプラットフォームを提供することができます。これは GPT-in-a-Box と呼んでいるプラットフォームです。通常私たちが使用するクラウドプラットフォームです。あらゆるアプリケーションを実行するためのものです。このケースでは、ファイルやオブジェクト・ストレージもユニファイド・ストレージに含めています。そして、このモデルの一部として、一般的に必要とされる機械学習と運用ツールキットを含めています。そこで私たちは、AI アプリケーションの実行に必要なあらゆるものを統合することで、お客様がアプリケーション自体に集中できるようにし、データが存在する場所であればどこでも、私たちのプラットフォームに頼ってアプリケーションを実行できるようにしています。

 

関連記事

生成 AI は IT 運用のための大げさな宣伝の域を超越する

Jason Lopez: 2023年は大型言語モデルの年でした。

Rajiv Ramaswami: 24 年は、それがより現実的になる年になると思います。特に、 ChatGPT を使ってチャットをしたり、友達に詩を書いたりするような消費者向けアプリケーションではなく、実際のエンタープライズ・ビジネス・アプリケーションの構築が始まるでしょう。ですから、今年はおそらく、人々がビジネスユースケースに適したアプリケーションを使い始める年になると考えています。私は、そのような年になると思います。

Jason Lopez: Rajiv Ramaswami 氏は Nutanix の CEO です。Tech Barometer ポッドキャストです。私は Jason Lopez です。ハイブリッドマルチクラウドが重要な理由」の中で、Nutanix のロードマップに関する Rajiv のコメントを取り上げた別の Tech Barometer ポッドキャストもご覧ください。このポッドキャストと他の技術ストーリーは theforecastbynutanix.com でご覧いただけます。Tech Barometer は The Forecast の提供によるものです。ご清聴ありがとうございました。

編集部注:エッジからコアまでのイニシアチブを簡素化し、ジャンプスタートさせるように設計されたフルスタックのソフトウェア定義 AI 対応プラットフォームである Nutanix GPT-in-a-Box をはじめ、Nutanix プラットフォーム for AI の詳細をご覧ください。 

Jason Lopez 氏は、The Forecast のポッドキャストであるTech Barometer のエグゼクティブ・プロデューサーです。Connected Social Media の創設者であり、以前は PodTech のエグゼクティブ・プロデューサーと NPR のレポーターを務めていました。

この記事は Ken Kaplan が寄稿しました。同氏は The Forecast by Nutanix の編集長です。X @kenekaplanで検索できます。

© 2024 Nutanix, Inc. 無断複写・転載を禁じます。その他の法的情報については、こちらをご覧ください。

関連する記事

Nutanix の CEO が 考える AI の企業への影響