ITのためのAI？まずは可視性が必要

今日、人工知能はもはや研究開発部門や実験室に限定されていない。エンタープライズITスタック全体に広がり、ヘルプデスクの自動化、ネットワークトラフィックの異常検出、应用性能の最適化を行っている。マッキンゼーによると、72%の会社が少なくとも1つの機能でAIを使用しているが、ほとんどの会社がまだ古い、不完全な資産インベントリに頼っている。この急速な採用は、AIの約束とITリーダーが感じる近代化の圧力の両方を反映している。

しかし、インフラストラクチャーにAIを組み込む競争の中で、よく見落とされる基本的な欠陥がある。具体的には、可視性の欠如である。

AIが真正にIT運用で有用になるためには、セキュリティ脅威の特定やリソースの自動スケーリングなど、信頼できる情報源を持たなければならない。しかしながら、AIが依存するデータは、不完全、不正確、または古い資産インベントリの上に構築されていることが多い。これは、GPSが機能していない自律車をプログラムするようなものである。エンジンは強力かもしれないが、どこにいるのか、道路上に何があるのかわからない。

これがエンタープライズAIの次のボトルネックである。

AIの観察可能性は正確な資産データに依存する

AIはデータを必要とするが、ただのデータでは十分ではない。AIは、タイムリーで、構造化され、信頼できるデータが必要であり、これは現在の状況を反映している必要がある。ITの文脈では、これは環境内のデバイス、エンドポイント、ワークロード、ユーザー、クラウドインスタンス、シャドウITなどを理解することから始まる。

問題は、ほとんどの組織が盲目的に運営していることである。10年前の資産管理ツールは、今日のハイブリッド、ダイナミックな環境に対応していない。新しいソリューションは、十分な深さまで達しないAPIまたは統合に依存していることが多い。結果として、資産インベントリは部分的で、誤解を招くものになる。

このような盲点の中でAIモデルをトレーニングまたはデプロイすると、結果はすぐに悪化する。

• セキュリティツールは、最初からカタログ化されていない脆弱なデバイスを見逃す。
• パフォーマンスの洞察は、ゴーストマシンまたは管理されていないエンドポイントによって歪む。
• 自動化スクリプトは、存在しないリソースまたは複製されたリソースに対して実行しようとしたときに失敗する。

つまり、スマートな決定を下すために必要なデータは、環境の断片的な地図を導入することになる。AIは、断片的な地図の上で価値を生み出すことはできない。

ハイブリッド、分散化された世界における可視性の課題

可視性の課題は、単に怠慢さの結果ではない。ITが進化した結果である。今日の環境は、物理マシン、仮想化されたワークロード、複数のクラウドプラットフォーム、SaaSアプリ、リモートエンドポイント、エッジデバイス、コンテナなどを包含する。いくつかの資産は数分でスピンアップして消える。ほかは、レガシーインフラストラクチャーの遠い角に存在する。責任は、社内チーム、請負業者、第三者提供者に分割されることがある。

さらに、企業は迅速に進化している。買収、新しいツール、部門のIT決定はすべて、毎日変化する風景に貢献している。

すべての可視性をまとめることは、難しい。多くの会社は、スプレッドシート、レガシーのCMDB、またはベンダー固有の発見ツールに頼っているが、これらは相互に通信しない。結果は、数千の未知、管理されていない、または孤立した資産であり、各資産は潜在的な故障点となる。

そして、それはインベントリの側面だけではない。コンテキストの問題もある。デバイスが存在するだけでは十分ではない。デバイスが何をしているか、誰が使用しているか、他の資産にどのように接続されているか、健全かどうかを知る必要がある。そうでない場合、AIは、異常を検出するが正常な状態を知らない、変更を検出するが重要かどうかを知らない、鈍い道具になる。

インフラストラクチャーをAI対応にする

AIがITで約束を果たすためには、可視性に焦点を当てる必要がある。つまり、資産インテリジェンスを任意ではなく、必須にする必要がある。以下が必要である。

資産の発見を継続的なプロセスとして扱う:従来の発見ツールは、スケジュールされたスキャンで動作する。ただし、それ aloneでは十分ではない。環境は流動的である。資産は開発者によってスピンアップされたり、クラウドプロバイダー間で移動したり、IPを変更したりすることがある。リアルタイムまたはニアリアルタイムの発見がベースラインであるべきである。

データソースを統合して盲点を排除する:単一のフィード、たとえばエージェントまたはクラウドAPIに頼るだけでは、完全な絵は得られない。可視性は、パッシブリスニング、API統合、ログ分析、エンドポイントテレメトリ、ネットワークトラフィックなどの複数の方法を組み合わせる必要がある。各方法は、パズルの異なる部分を提供する。

コンテキストを構築する、ただカウントするのではない:発見はステップ1だが、エンリッチメントが本当の洞察を始める場所である。つまり、資産をビジネス機能、所有者、依存関係、ライフサイクルステージにマッピングすることである。AIは、重要な生産サーバーとテストVMを区別するためにコンテキストが必要である。

孤立した資産と管理されていない資産を排除する:環境に何百、何千という資産が存在し、どのチームも責任を負おうとしないことが珍しくない。こうした資産は、運用的にもセキュリティ的にもリスクをもたらす。管理下に置くか、完全に廃棄することが、優先事項となるべきである。

可視性を戦略的エナブラーとして扱う:資産インテリジェンスは、ITの清潔さだけではなく、スマートな自動化、より良い脅威検出、より効率的な支出、そして信頼できるAIの基盤である。そうでない場合、下流の洞察はすべて妥協される。

見過ごすことができない盲点

ITにおけるAIは魔法ではない。パターン認識、自動化、データに基づく推論である。しかし、データが可視性の欠如、壊れたインベントリ、またはコンテキストのない資産によって妥協されると、AIはもう一つの推測レベルになる。

パイロットに計器なしで飛行させることはない。しかしそれが、今日の多くの組織がAIシステムに期待していることである。知的出力を、見えざるインフラストラクチャーから期待している。ITの未来は、確かにより自律的、予測的、AI支援されるものになるだろう。しかし、その未来は、AIが航海する景色を照らすことから始める必要がある。自動化する前に、見る必要がある。予測する前に、理解する必要がある。インフラストラクチャーをAIが管理することを信頼する前に、インフラストラクチャーを可視化する必要がある。

そうでない場合、ただ盲目的に飛行するだけである。