マーク・ガイルズは、CBTSのAI担当副社長であり、AI戦略、自動化イニシアチブ、企業のAI導入努力を主導しています。彼は、CBTSでの約10年の経験を持ち、テクノロジー・リーダーシップとシステム開発、 以前はIT、エンジニアリング、データシステムでの役割を務めてきました。ガイルズは、11年以上にわたってアメリカ海兵隊で奉仕し、オレゴン州立大学でコンピューター・サイエンスの学士号を取得しています。
大企業のAIイニシアチブのほとんどは、モデルが完璧でなかったために失敗するのではない。AIは、下にあるインフラストラクチャーが準備できていないために失速する。数字は通常、悪いニュースとして提示される。ただし、それらは地図として理解することができる。フォレスターは、73%のAIデプロイメントが、予想される投資収益率を達成することに失敗するだろうと予測している。一方、ガートナーは、多くのジェネレーティブAIイニシアチブが、運用的およびスケーラビリティの課題に直面してパイロット段階を超えるのに苦労するだろうと繰り返し警告している。一方、取締役会は、大きなAI投資を承認している。競合他社はほぼ毎週新しいデプロイメントを発表しており、経営陣はAIの採用を、イノベーションと市場の関連性の目に見える指標として見なしている。多くの企業では、勢いを示す圧力は、準備ができていることを示す圧力と区別することが難しい状況になっている。AI準備インフラストラクチャーの未来業界横断的に、企業は断片化されたデータ環境、不一致なガバナンス、古い統合、AIワークロード以前の世界に対して設計されたセキュリティに直面している。これらの問題は、モデルではなく、ビルドの問題である。ビルドの問題は解決可能である。これは楽観的な解釈であり、同時に正確な解釈でもある。インフラストラクチャーについて話すとき、私は全スタックを指している。データ層だけではない。AIワークロードは、環境の圧力がかかっている部分に影響を与える。データセンターは、年間を通じて安定したエンタープライズコンピューティングで動作していたが、 maintenant は、パワフルなGPUクラスタを吸収する必要がある。多くの場合、電力、冷却、または床面積が不足しており、再設計が必要である。通常のトラフィックに合わせて調整されたネットワークは、モデルがストレージとコンピューティングの間でテラバイトを移動し始めたときに、たわみ始める。データは、リアルタイムで何らかのものにフィードすることを意図していないシステムに格納されている。これらの各々は、意図的なエンジニアリング上の決定である。ワークロードが実行される場所、ビルド、コロケーション、またはリースの容量、データがどのように移動するか、そして誰がそれを実行するかである。早期にこれらの決定を正しく行うと、AIはスケールする。遅延すると、それらはデプロイメントが当たる天井になる。AI準備度についての正直さは、経営陣の期待が高まるにつれて難しくなっている。テクノロジー指導者は、資金と調整が解決できないインフラストラクチャーの現実と、ビジネスの真正な緊急性を比較検討している。経営陣はAIイニシアチブを全面的に支持できるが、支援は、システムがスケールするために必要な成熟したガバナンス、信頼性の高いデータパイプライン、または運用所有権を作成できない。そうしたものは、構築されるか、存在しないかのいずれかである。パイロットは制御された環境で通過するが、スケールでは壊れるそのステップをスキップするコストは、早期の勝利の直後に表れる。成功したパイロットは、組織全体が準備できているという印象を与えるが、環境はまだ不安定である。たとえば、ガバナンスは部門によって異なり、重要なシステムはまだデータを交換するために手動介入が必要であり、セキュリティモデルはまだAIがワークフロー全体で機密情報にどのように触れるかを考慮していない。パイロットが制御された環境を超えて実際の運用的複雑さに入ると、周囲のインフラストラクチャーは効率的に、または安全に拡張をサポートできない。予算は縮小し、タイムラインは遅れ、AI投資に対する懐疑心が高まり、テクノロジーが問題ではなかったにもかかわらずである。環境が問題であった。迅速に進む圧力は、ほぼすべての業界でAI戦略を形作っている。約80%の組織は、ビジネスの少なくとも1つの機能でAIを使用しており、多くの経営陣は、デプロイメントを遅らせると、すでにAI駆動の組織として自分たちを位置付けている競合他社に後れを取ることを恐れている。AI採用に関する一般的な物語は、目立つ立ち上げや積極的な変革のメッセージングを報道している。ただし、内部的には、組織はまだ、持続可能なAIデプロイメントを複雑にするために蓄積されたインフラストラクチャーの断片化を通じて作業している。AI準備度を明らかにすることができる4つの質問AIデプロイメントがスケールする前に、経営陣はこれらの質問に自信を持って答えることができるはずである。楽観主義ではなく、自信である。 私たちがデータを信頼できるか？文書化されたデータガバナンスポリシーは、AIシステムが接触するすべてのビジネスユニットに一貫して適用されているか？それとも、検証していないデータ品質を仮定しているのか？ 誰がこれを立ち上げた後所有するのか？プロジェクトチームではなく、システムを監視、維持、ガバナンスするための定義された運用構造があるか？ セキュリティとコンプライアンスは設計されたか？セキュリティとコンプライアンスチームは、最初からアーキテクチャの会話の一部だったか？それとも、セキュリティとコンプライアンスのレビューなしに計画されたデプロイメントをレビューしているのか？ 私たちの統合は負荷に耐えられるか？AIに依存するシステムは、信頼性の高いデータ交換をスケールで行うことができるか？それとも、すでに手動介入を必要とする統合の上に構築しているのか？ これらの質問は、デプロイメントを遅らせることを目的としたものではない。スケールが到来する前に、すでに存在するギャップを浮き彫りにすることを目的としている。すべての質問に明確に答えることができる組織は、AI準備度が高いだけでなく、投資を保護するために運用的に成熟している。パイロットはスターティングライン成功したパイロットは、組織の準備度を証明するものではない。制御された環境で制御された結果を生み出したことを証明するものである。パイロットは、組織全体がシステムをガバナンス、セキュリティ、持続可能性を持って運用できるかどうかを、ほとんど浮き彫りにしない。システムが制御された環境から実際の運用的複雑さに入ると、インフラストラクチャーは拡張をサポートすることができない。テクノロジーが問題ではなかったが、周囲のインフラストラクチャーが、次に来るものをサポートするために構築されていなかったためである。取締役会は、AIを長期的な競争力のレバーとして扱うことが正しい。リスクは、デプロイメントの緊急性が運用的シーケンスの代わりになることである。迅速に立ち上げ、不安定な基盤でスケールすることで、競争上の優位性は加速されない。準備ができていないコストは、制御不能なポイントに遅れ、後に大幅に高くなる。準備度は基盤であるここで、すべてのテクノロジー指導者を活気づけるべき部分である。準備度は、慎重なプレイではなく、積極的なプレイである。現在運用基盤を構築するCIOは、新しいAI機能を週単位で出荷し、ビジネス全体でそれらをスケールし、競合他社が最初の失敗したロールアウトを解決する間にも、リードを積み増すことができる人である。これは、実際に持続する変革である。これは、最初に立ち上げた人に属するものではない。インフラストラクチャーを制約からエンジンに変えるリーダーに属するものである。ビジネス全体で構築できるクリーンでガバナンスされたデータ、負荷に耐えられる統合、設計段階でセキュリティを組み込む。そうすれば、AIは一連の単発のパイロットではなくなり、組織がほぼどの問題にも対処できる能力になる。そこで価値は複利される。会社がAIをより迅速に、より安全に、より大規模にデプロイできる基盤が整う。取締役会の承認は野心を資金提供する。インフラストラクチャーがそれを実現する。AI戦略とインフラストラクチャーの準備度は、ワークフローから分離されていない。長期的にAIで競争したい組織にとって、準備度は基盤でなければならない。
