アミット・シャーマ、CDataのCEO兼創設者 – インタビュー・シリーズ

アミット・シャーマ、CData SoftwareのCEO兼創設者は、テクノロジー業界のエグゼクティブで、CDataを初期のスタートアップ段階から世界的なデータ接続と統合のリーダーに導いた。インフォシスでのソフトウェアエンジニア、エリクサーのテクニカルアーキテクト、/n SoftwareでのCTOを経て、CDataのCTOとなり、エンタープライズデータアクセスとインフラストラクチャに関する深い専門知識を蓄積した。2014年にCEOに就任して以来、CDataのミッションを牽引し、組織がシステム間でデータに接続、統合、活用しやすくすることを支援し、会社をモダンなデータ移動の基盤的なレイヤーとして位置付けている。

CData Softwareは、データアクセスと接続性の解決策を提供するリーディングカンパニーである。自社のデータ製品と接続プラットフォームは、数百のオンプレミスとクラウドアプリケーションにわたるリアルタイムデータへのユニバーサルアクセスを提供する。世界中の数百万のユーザーが、CDataを使用して高度な分析をサポートし、クラウドの採用を加速し、より接続性の高いデータ駆動型組織を構築している。すべてのサイズのエンタープライズに対して消費可能で、アプリケーション内でアクセス可能で、スケーラブルな設計により、CDataはビジネスがデータにアクセスし、使用する方法を再定義している。

あなたはインドのインフォシスでキャリアをスタートし、後に米国企業のエンタープライズソフトウェアに移った。初期の段階で学んだレッスンは現在もあなたのリーダーシップに影響を与えているか?

インフォシスでの経験は、エンタープライズテクノロジーの要求、複雑さ、信頼性、そして大規模組織が技術的問題に取り組む方法についての深い理解を得る機会を与えてくれた。構造とエンタープライズグレードの品質に対する尊重が育まれた。しかし、米国スタートアップに移ったとき、私はスピード、敏捷性、直接的な影響力に適応することができた。現在、CData Softwareをリードする際に、この二重の背景が私を導いている。エンタープライズグレードの基準と堅牢性を要求しながら、シンプルさ、現実世界での使いやすさ、迅速な実行を重視する文化を育んでいる。

CDataのCEOを10年以上務めてきたが、会社を初期段階からグローバルエンタープライズに成長させる上で、最も重要な考え方やアプローチの転換は何だったか?

私にとって最も重要な転換は、テクノロジーの構築者から組織の構築者への考え方の転換だった。初期の頃、焦点はほぼ製品にあった。製品が優雅で、信頼性が高く、実際の問題を解決するものであることを確実にする必要があった。CDataが成長するにつれて、私は優れたソフトウェアだけでは十分ではないことを学んだ。優れた人々、強力なリーダー、スケールすることなく遅れをとらないプロセスが必要だということを。つまり、セールス、サポート、オペレーションの面でチームを早期に雇用し、エンジニアリング文化を保護しながら、反復可能なシステムを構築する必要があった。考え方の転換は、私の役割が優れたテクノロジーを作ることだけではないことを理解することでした。優れたテクノロジーが一貫して構築される環境を作ることです。

CDataは長年、「どこでもアクセス可能なデータへのアクセスを簡素化する」というミッションに取り組んできた。AIネイティブアプリケーションが普及する中で、このミッションはどのように進化しているか?

CDataのミッションは、いつも、データが普遍的にアクセス可能になるようにすることだった。なぜなら、私たちは、イノベーションの最大のボトルネックはストレージやコンピューティングではなく、データへのアクセスにあると信じていたからだ。基本的な考え方は変わっていないが、状況は変化している。組織が分析からクラウドそしてAIに移行するにつれて、断片化された、非一貫的なデータアクセスのコストは増加している。進化したのは、私たちの責任だ。データへのアクセスだけでは十分ではない。データは信頼性が高く、リアルタイムで、複雑な分散環境全体で使用可能でなければならない。AI時代に、アクセスだけでは十分ではない。データはすぐに使用できる状態でなければならない。カスタムエンジニアリングを必要としない状態でなければならない。

AIネイティブアプリケーションが一般的になるにつれて、私たちのミッションは、データをAIレディにしたことを含むように拡大した。つまり、構造化されたデータソースとSaaSデータソース全体で一貫したセマンティクス、高性能の接続性、ガバナンス対応のアクセス、リアルタイム統合を可能にすることを意味する。モデルやエージェントが新鮮で信頼性の高い情報で動作できるように、データとAIシステムの間の摩擦を除去することを目指している。私たちは、接続性プロバイダーではなく、AI駆動型エンタープライズの基礎的なデータレイヤーとして機能し、インテリジェントなアプリケーションを可能にするシステムをバックエンドで動かしている。

ジェネレーティブAIが加速する中で、「AIレディデータ」があなたにとって本当に意味するものは何ですか? また、組織がこのアイデアを最も誤解している場所はどこですか?

私にとって、「AIレディデータ」とは、人間とマシンがカスタムプルーミング層なしにアクセスできる、信頼性が高く、最新で、理解可能なデータを意味する。データをレイクやウェアハウスに移動させることだけでは十分ではない。システム、モデル、エージェントがデータを一貫してアクセスできるように、標準化された、ガバナンスされたインターフェースを確保することだ。AIの準備は、データが保存されている場所よりも、データがリアルタイムで発見され、照会され、信頼され、統合できるかどうかに依存する。そうでなければ、最も高度なモデルでも不完全または古い情報で動作することになる。

組織がこの概念を最も誤解しているのは、集中化が自動的に準備を意味するものと考えていることだ。チームは、データを単一のプラットフォームに統合した後、AIレディであると考えることが多い。しかし、実際には、新しいシロを創造しただけだ。他のチームは、データ品質、セマンティクス、接続性という、実際のAIシステムを壊す非魅力的な問題に対処せずに、ツールに過度に投資している。AIはモデルで失敗するのではない。メッセージなデータ、または古いデータで失敗する。データ準備を運用上の規律として扱う組織が勝つ。一次的な移行プロジェクトとして扱うのではない。

あなたの新しい研究「AIデータ接続の状態：2026年アウトルック」によると、AIリーダーの6％のみが、データインフラストラクチャがAIに完全に準備されていると考える。準備ギャップはなぜ如此に大きいか? また、これは業界の現在の軌道について何を示唆しているか?

ギャップは大きいのは、ほとんどの組織がAIのためにデータを使用する前に、データを収集して保存することに投資したからだ。過去10年で、企業はレイク、ウェアハウス、パイプラインを構築してきたが、AIが要求するスケール、スピード、信頼性を確保するための包括的なアクセスレイヤーを構築することはほとんどなかった。したがって、リーダーは、AIを実際のワークフローに展開し始めたとき、基盤となるインフラストラクチャがAIの要求を満たすことができないことを発見する。6％の数字は、野心の欠如を反映しているのではなく、AIが従来の分析では重要でなかった弱点を暴露していることを示唆している。

データは、業界がAI採用曲線の初期段階にあり、組織がアプリケーションレイヤーで積極的に実験しているが、成功は基礎となるデータ基盤の近代化に依存することを示唆している。組織は、運用上の準備に焦点を当て、標準化されたアクセス、ガバナンス対応の統合、リアルタイム接続に注力している。勝者は、最も多くのProof of Conceptを構築する会社ではなく、データインフラストラクチャを迅速に近代化して、実験を大規模な生産に移行できる会社になるだろう。

調査結果は、AIチームの71％がデータプランニングに4分の1以上の時間を費やしていることも示している。どの部分が戦略的であるか、単なる技術的負債であるか?

一部の「データプランニング」は、標準化されたインターフェースを通じてデータにアクセスすることを可能にすることであるため、戦略的である。スケーラビリティとガバナンスを最初から設計することは、基盤となる作業であり、後続のすべてのアプリケーションとモデルに利益をもたらす。問題は、ほとんどのチームがそうではないことだ。チームは、一回限りのパイプラインを再構築し、脆いコネクタを書き、統合をパッチしている。そうでなければ、進歩ではなく技術的負債を蓄積することになる。

戦略的なのは、将来の摩擦を減らすものだ。標準に従ったコード、再利用可能なデータサービス、スケーラブルな統合パターンを構築することだ。パイプが見えなく、繰り返し可能になれば、AIチームへの課税を止め、エナブラーになる。目標は、データに費やす時間を減らすことではない。同じデータの問題に時間を費やすのを止めることだ。

一つのAIユースケースに6つ以上のデータソースへのリアルタイムアクセスを必要とする企業が46％あることが報告されている。顧客とのやり取りでこれを確認できるか? また、このレベルの接続性が困難な理由は何か?

はい、報告書の内容は私たちが顧客とやり取りする内容と一致している。現代のAIユースケース、予測分析、レコメンデーションエンジン、またはオートノマスワークフローは、ほとんどが単一のシステムに依存しない。企業は、ERP、CRM、SaaSアプリ、ストリーミングプラットフォーム、レガシーシステムを組み合わせて、有意義な洞察を生成する必要がある。課題は、ソースの数だけではなく、バラエティ、プロトコル、フォーマット、更新頻度、そしてデータがAIモデルに消費されるためにリアルタイムで利用可能であるという期待にある。

このレベルの接続性が困難なのは、従来の統合アプローチがAIの要求するスケール、スピード、信頼性に対応していないからだ。カスタムコネクタとバッチパイプラインは、AIのニーズを満たすことができない。リアルタイムアクセスには、標準化された管理インターフェース、システム全体で一貫したセマンティクス、データ品質と可用性を確保するためのモニタリングが必要だ。そうでなければ、チームはパイプラインのトラブルシューティングに時間を費やすことになるが、AIソリューションの構築よりも遅れ、リスクをもたらす。成功する組織は、接続性を技術的な雑務ではなく、戦略的な能力として扱うものだ。

報告書は、成熟したAIデータインフラストラクチャの特徴として、セマンティック的一貫性、コンテキスト、接続性を強調している。組織はこれらの優先順位をどのように順序付けるべきか?

順序付けを考える際、組織はまず接続性から始めるべきだ。データがシステム全体で信頼性の高いアクセスが可能でなければ、他のすべては無意味になる。AIモデルは、到達できないデータから学ぶことはできない。すべての重要なデータソース全体にわたる標準化されたガバナンスされた接続を確立することで、後のすべての作業の基礎が整う。そうでなければ、チームは、後に多くの作業を必要とする不安定な一回限りのパイプラインを構築することになる。

接続性が確立された後、セマンティック的一貫性が次の優先順位になる。データは、複数のソースからの情報を正確に解釈して結合するために、共通の言語が必要だ。コンテキストは自然に続く。値の意味をビジネスプロセス、タイミング、関係の中で理解することで、AIモデルは正確で行動可能な予測を行うことができる。接続性、セマンティクス、コンテキストを順序付けとして扱うことで、組織はAIレディなデータインフラストラクチャを構築することができ、スケーラブルで信頼性の高いインテリジェンスをサポートする。

AIネイティブソフトウェアプロバイダーは、従来のベンダーよりも約3倍多くの外部統合を必要としている。拡大するギャップは何が原因で、ソフトウェアの進化について何を示唆しているか?
拡大するギャップは、AI自体の性質によって推進されている。AIネイティブアプリケーションは、多様なリアルタイムデータを必要とする。従来のソフトウェアとは異なり、単一のシステムまたはスイート内で動作するのではなく、AIモデルはERPシステム、CRMプラットフォーム、SaaSアプリ、ストリーミングソースなど、さまざまなソースからの情報を摄食、相関、分析する必要がある。各統合は、AIが正確な予測、推奨、または自動化されたアクションを行うために必要なコンテキストとカバレッジを提供するために不可欠だ。

この傾向は、ソフトウェアが単独のアプリケーションから相互接続されたインテリジェントなエコシステムへの移行を示唆している。勝者は、単独で機能する製品ではなく、どこにデータが存在してもシームレスにアクセスして統合できるプラットフォームになるだろう。実用的には、接続性、標準化、リアルタイム統合は、AIネイティブソフトウェアが実際の価値を提供するために不可欠な基礎的な機能であることを意味する。

5年先を見て、AIの成功の最も重要なボトルネックは、接続性、リアルタイムパイプライン、セマンティックモデリング、ガバナンス、またはまったく別のものになるだろうか?

5年先を見て、私はガバナンスとセキュリティがAIの成功の最も重要なボトルネックになるだろうと考える。接続性とリアルタイムパイプラインは基盤的なものであるが、組織は急速に、ガバナンスされていないAIは持続可能ではなく、潜在的に危険であることを認識している。AIが実験から生産に移行し、重要なビジネス上の意思決定に影響を与え始めると、偏り、コンプライアンス違反、データ漏洩、運用上のエラーのリスクが指数関数的に増大する。課題は、データを移動することだけではなく、正しいデータを、正しいコントロールで、正しいシステムに、追跡可能で監査可能な方法で移動することだ。組織が強力なガバナンスフレームワークとセキュリティプロトコルを最初から組み込まない場合、規制上の圧力、評判のリスク、そして最終的には信頼できない、またはスケーラブルではないAIシステムに直面することになる。すでに初期の兆候が見られ、データの生まれ育ち、データへのアクセス、コンプライアンスを確保できないため、AIを展開することをためらっている企業がある。

5年後の最も成功した組織は、ガバナンスとセキュリティをあとまわしではなく、AIの重要なエナブラーとして扱うものだ。はい、接続性とリアルタイムパイプラインは、データが流れるようにするために必要だ。しかし、ガバナンスとセキュリティがなければ、データは資産ではなく負債になる。AIの未来は、スピードやスケールだけではなく、データスタックのすべての層で信頼性、説明責任、責任ある展開についてだ。

素晴らしいインタビュー、詳しく知りたい読者はCData Softwareを訪問してください。