AIインフラにおいて見過ごされがちなネットワークの役割

組織は、AIを本番環境に導入するために必要なGPU、サーバー、モデル、コンピューティング能力に多額の資金を投じています。しかし、エージェント型AIはネットワークにこれまでとは異なる要件を突きつけます。

チャットボットは通常、誰かが質問するのを待ちます。一方、エージェントにはタスクを与えることができ、さまざまなシステムやアプリケーションとやり取りし、判断を下して行動できます。エージェントが企業全体でより多くの業務を担うようになると、その活動の多くは、誰かがキーボードを操作していないときにも行われるようになります。

Google Cloudが発表した「エージェント型AI時代のインフラの現状」によると、組織の83%が、本番環境で利用できる自律システムを支えるためにインフラのアップグレードが必要だと回答しています。コンピューティング能力も重要な要素ですが、組織はネットワークも優先して強化する必要があります。人間の従業員の一般的な行動パターンに沿わない活動を、ネットワークが支えなければならないためです。

9時から17時までのネットワークの終焉

数十年にわたり、企業ネットワークは主に人々の働き方を前提に設計されてきました。従業員は勤務時間中にアプリケーションへ接続し、データにアクセスして、クラウドサービスを利用します。こうして比較的予測しやすいトラフィックパターンが生まれ、ネットワークのアーキテクチャや運用のあり方を形作ってきました。

AIとエージェント型システムは、その前提を変えつつあります。エージェントは時間を問わずタスクを実行し、アプリケーション、API、データソース、ほかのエージェントとやり取りできます。その結果、キャンパスネットワーク、データセンター、クラウド環境、WAN全体で、より継続的かつ動的なトラフィックの流れが生まれます。導入規模が拡大するにつれて、ネットワークはますます複雑な依存関係を支える必要があり、安定した実行にはパフォーマンス、レイテンシ、レジリエンス、セキュリティが欠かせません。

こうした要件は、問題を監視ツールで検知し、人間のオペレーターが調査して解決する従来のNetOpsモデルの限界も浮き彫りにします。次世代のNetOpsでは、個々のデバイスやイベントの管理にとどまらず、エンドツーエンドでアプリケーションとエージェントの依存関係を把握する必要があります。そのためには、可視性の向上、AIを活用した相関分析と根本原因分析、そして問題を事前に最適化・修復するインテリジェントな自動化が求められます。

目指すべきは、AIの支援を受けて管理するネットワークから、AIによるインテリジェンスと適切に統制された自律性を通じて運用するネットワークへの移行です。ネットワークチームは、反復的な問題のトラブルシューティングに費やす時間を減らし、ポリシーの策定、ガードレールの設定、アーキテクチャの最適化により多くの時間を充てられます。9時から17時までのネットワークの終焉とは、単にネットワークが24時間365日稼働するということではありません。インテリジェントで自律的なシステムが常時稼働するエコシステムを支えるために、ネットワーク需要を生み出す要因と、ネットワークの設計、セキュリティ確保、運用の方法が根本的に変わるということです。

少数のAIツールからエージェント群へ

多くの組織では、まだAIを容易に管理できる段階にあります。コパイロット、アシスタント、AIアプリケーションが、事業のさまざまな領域で稼働している状態です。

IBMの調査によると、今後12か月に予想されるAIエージェントの導入規模に十分備えられていると回答した調査対象のリーダーは、わずか11%でした。導入が拡大すれば、ネットワークチームは把握すべき活動が増え、調査すべき問題も増えますが、多くの場合、対応する人員は増えません。

そのため、エンジニアがダッシュボードを調べ、情報を集め、定型的な質問をエスカレーションするのに費やす時間を減らすことが重要です。チームが必要なときに関連する運用情報やトラブルシューティングの指針を得られるようにすれば、あらゆる質問への対応を少数の経験豊富な専門家に頼らずに済み、チーム間で専門知識を共有しやすくなります。人の専門知識は、ポリシーの策定、境界の設定、リスクの評価など、判断を要する意思決定にこそ活用するのが効果的です。

AI戦略の中核にネットワークを位置付ける

AIの計画は、モデル、アプリケーション、データ、コンピューティングリソースから始まることがよくあります。しかし、ネットワークについても、最初の段階から議論に加えるべきです。エージェントが有用な提案を行うには適切なコンテキストが必要です。ネットワーク運用においては、個別のアラートや指標だけを見るのではなく、ユーザー、デバイス、アプリケーションに関する情報がどのように結び付いているかを把握することを意味します。

こうしたコンテキストがあれば、チームは問題の発生源をより迅速に特定し、次の対応を判断できます。エージェントの自律性が高まるにつれて、人間による監督も引き続き重要です。そのためには、エージェントが単独で実行できることに明確な制限を設け、その境界を守らせるための統制を整える必要があります。またチームは、提案を採用するかどうか決める前に、なぜその提案が行われたのか、どの情報に基づいているのかを確認できなければなりません。

Gartnerは、2029年までに、IT運用でAIエージェントを稼働させている組織の少なくとも70%が、サービス、セキュリティ、またはコストに関する重大な問題を抱えると予測しています。その原因の少なくとも一部は、統制の不備にあるとされています。だからこそ、可視性、自動化、信頼性、統制を、AIインフラ計画の初期段階から組み込む必要があります。

常時稼働するAI企業を支えるインフラの構築

エージェント型AIは、企業ネットワークの使われ方を変えます。ネットワーク上の活動は、従業員がオンラインでいる時間に以前ほど左右されなくなります。ネットワークチームは、ネットワーク運用に必要な作業量を同じペースで増やすことなく、この変化に対応しなければなりません。

企業はネットワークを全面的に刷新する必要はありません。ただし、AIの利用拡大に伴い、現在のインフラに潜む弱点を特定しておくべきです。特に、チームが問題を迅速に把握するための可視性を欠いている場合、対応時間が延び始めている場合、あるいは日常的なトラブルシューティングに依然として多大な手作業が必要な場合は注意が必要です。

午前9時から午後5時までの勤務を前提としたネットワークは、人々、アプリケーション、エージェントが、しばしば大きく異なるスケジュールや速度で並行して動ける環境を支えるネットワークへと移行する必要があります。インフラを適切に整備できれば、企業がすでに重視している指標にその成果が表れます。つまり、障害の減少、問題発生時の解決の迅速化、ユーザー体験の向上、そして問題の原因究明に費やす時間の短縮です。