ドミニク・サルトリオ、デノドの製品マーケティング担当VP – インタビュー・シリーズ

ドミニク・サルトリオは、デノドの製品マーケティング担当VPです。ドミニクは、インフォマティカ、プロテグリティなどを含む主要ベンダーの製品およびマーケティングリーダーシップ役職で20年以上の経験を持っています。

デノドは、信頼できるAIエージェントとアプリケーションを支えるデータ管理の世界的リーダーです。デノド・プラットフォームは、賞を受賞した論理データ管理ソリューションで、企業のデータをAI、分析、セルフサービス・イニシアチブのための信頼できる洞察に変換します。世界中の組織は、デノドを使用して、従来のデータ・レイクハウスに比べて4倍高速な洞察時間、345％のROI、10倍のパフォーマンスで、AI対応のビジネス対応データを提供しています。850人のエンタープライズ・リーダーの洞察に基づくデノドのAIトラスト・ギャップ・リポートは、多くのAIプロジェクトがパイロット段階を超えて進まない理由と、企業が信頼できるプロダクション対応AIを構築するために何をしなければならないかを明らかにしています。

あなたはインフォマティカ、プロテグリティ、インフォワークス、そして現在デノドを含む企業で、エンタープライズ・データ・インフラストラクチャのさまざまな層に焦点を当てたシニア・リーダーシップ・ロールを担ってきました。AIが分析から自律的およびエージェント・システムに移行するにつれて、「信頼できるデータ」というあなたの視点はどのように変化しましたか。

私のキャリアの初期段階では、信頼できるデータは主に精度、血統、セキュリティ、そしてアナリストがダッシュボードやレポートに自信を持つことができるようにすることについてでした。エージェント・AIの場合、ステークははるかに高くなります。システムはデータを解釈するだけでなく、ビジネス・ワークフローを自動的に開始したり、現実世界に影響を与える決定を下したりすることがあります。つまり、信頼できるデータには、ライブの運用コンテキスト、一貫したビジネス・意味、ガードレールが必要になります。そうすれば、エージェントが正しく安全に動作していることを確信できるようになります。

デノドのAIトラスト・ギャップ・リポートによると、66％の組織は、AIデータが信頼できるものであるためにはリアルタイムまたはニア・リアルタイムである必要があると考えています。なぜ多くの企業がまだAIシステムにライブ・オペレーショナル・データを提供するのに苦労しているのか、と思いますか。

ほとんどの企業は、ライブの状況認識が必要なAIエージェントに対応するように設計されていません。彼らのデータは、アプリケーション、クラウド、ウェアハウス、レイクハウス、レガシ・システム、他の運用プラットフォームに分散しています。彼らは、分析とBIのために中央のウェアハウスまたはデータ・レイクにデータをコピーするかもしれませんが、これはライブの状況認識が必要なAIエージェントには適していません。データがコピーされると、もうライブではありません。リアルタイムでストリーミングすることは可能ですが、非常に高価になります。これは、デノドの論理データ管理アプローチが重要になる場所です。企業は、すべてをコピーして再プラットフォーム化する必要なく、AIシステムがガバナンスされたデータにアクセスできるようにするからです。

レポートの1つの驚くべき発見は、エンタープライズ・AIイニシアチブが今や数百のデータ・ソースからデータを抽出していることであり、一部の組織は1,000を超えるソースにアクセスしていることです。データのこのレベルの断片化は、企業がAIアーキテクチャについて考えるべきことをどのように変えますか。

そのレベルの断片化では、アーキテクチャはすべてのソースを物理的に統合することには依存できません。企業は、データを発見、統合、ガバナンス、配信し、エージェントがコンテキストで正しいデータを見つけることができるようにする抽象化レイヤーが必要です。私の見解では、データ・アーキテクチャは、エージェントが基礎となるシステムに密接に結合されずに、論理的、メタデータ・ドリブン、セマンティックになる必要があります。

レポートは、多くのAIの失敗は実際には「データ・アーキテクチャの失敗」であり、モデル・ファイルではないと主張しています。業界はモデルに過度にこだわっている一方で、データ・インフラストラクチャの重要性を軽視していると考えるか。

はい。モデルは重要ですが、多くの失敗したAIプロジェクトは、モデルが無能であることではなく、不完全な、古い、不一致な、または不十分にガバナンスされたデータで動作していることにより失敗しています。モデルはパイロットではうまく機能しましたが、カーセードされたデータ・セットを使用していたからです。しかし、実際の「現実の」世界で、分散された混沌の中で、AIは信頼できる結果を生み出すことができません。私の経験によると、企業はデータ・レイヤーをAIアーキテクチャの第一級の部分として扱うと、AIの結果がはるかに良くなります。そうでない場合は、データ・レイヤーはあとまわしです。

デノドは、セマンティック・コンシステンシーとユニバーサル・セマンティック・レイヤーの重要性についてよく話しています。AIエージェントが自律的に決定を下し始めたとき、セマンティック・アライメントは、間違ったアクションや幻覚的なビジネス・ロジックを防ぐためにどれほど重要になりますか。

セマンティック・アライメントは絶対に重要になります。如果システムが「顧客」、「収益」、「リスク」、または「チャーン」を別のシステムと異なる方法で定義する場合、AIエージェントは技術的に妥当な答えを生み出すかもしれませんが、ビジネス・コンテキストでは間違っている可能性があります。ユニバーサル・セマンティック・レイヤーは、エージェントが一貫したビジネス・意味で動作していることを保証するのに役立ちます。生データへのアクセスだけでは十分ではありません。

あなたのAI & ビッグ・データ・エキスポのセッションは、AIパイロットから本格的な運用への移行について焦点を当てていました。あなたの経験によると、企業が「パイロット・フェーズ」に立ち往生し、AIを実際の運用システムにスケールアップできない最大の理由は何ですか。

パイロットは、狭い、手作業でキュレーションされた、企業の全複雑さから隔離されたため、うまくいきます。プロダクション・AIには、ライブ・データ、セキュリティ、ガバナンス、パフォーマンス、監査可能性、ビジネス・ルールの変更、実際のワークフローへの統合など、多くのことを処理する必要があります。多くの組織は、デモは印象的ですが、信頼できるスケールで動作するために必要なガバナンスされたデータ・ファウンデーションを構築していないため、立ち往生しています。

レポートは、近い将来、多くのエージェント・AIプロジェクトがコストの増加、価値の不明確さ、またはリスク・コントロールの不十分さにより中止される可能性があると予測しています。企業がAIプロジェクトをより慎重に選択するフェーズに入っていると考えるか。

はい、そう思います。それは健康的です。AIの最初の波は可能性についてでした。次の波は、運用上の価値、コストの規律、信頼についてです。生存するプロジェクトは、計測可能なビジネス・アウトカムに結び付けられ、正しいデータ、ガバナンス、そしてアーキテクチャによってサポートされているものになります。

セキュリティとガバナンスはレポート全体を通じて反復して現れるテーマです。特にエージェント・AIの「ガードレール」についてです。企業は、自律的なAIの能力と、厳格なアクセス・コントロールと監査可能性の必要性とのバランスをどのように取るべきですか。

鍵は、ガバナンスをAIシステムが構築された後に追加することではありません。アクセス・コントロール、ポリシー・エンフォースメント、血統、監査可能性は、データ・アクセス・レイヤー自体に組み込まれる必要があります。そうすれば、AIエージェントは、承認されたデータのみにアクセスできます。デノドを使用すると、ガバナンス・ポリシーを分散されたソース全体に一貫して適用できます。これは、AIがハイブリッドおよびマルチクラウド・環境で動作する場合には不可欠です。

デノドは、論理データ管理を、データを常に移動することなく、ハイブリッドおよびマルチクラウド・環境全体でアクセスを統一する方法として位置付けます。企業が引き出しベースのAIアーキテクチャを採用するにつれて、ゼロ・コピーまたは論理ファーストのアーキテクチャがエンタープライズ・AIの長期的な方向性になることを予想しますか。

はい。引き出しベースのAIは、データを事前に単一のリポジトリに移動するのではなく、正しいデータを正しいタイミングで取得することについてです。ゼロ・コピーまたは論理ファーストのアプローチは、企業が実際に運用する方法にかなり適しています。データは分散されていますが、AIはガバナンスされた、セマンティック、リアルタイム・レイヤーを介してそれにアクセスできます。私は、これがエンタープライズ・AIの方向性であると思います。

次の3〜5年を見据えて、信頼できるAIを運用化することに成功する組織と、まだ実験モードのままである組織とを区別するのは何だと思いますか。

勝者は、AIがモデル戦略だけではなく、データ戦略、ガバナンス戦略、運用モデルの戦略であることを認識する組織になります。彼らは、ライブ・データ・アクセス、セマンティック・コンシステンシー、再利用可能なガバナンス、および企業全体にわたるアーキテクチャに投資します。断片化されたまたは古いデータで分離されたパイロットを構築し続ける組織は、実験を超えることはできません。

素晴らしいインタビュー、ありがとうございました。読者がもっと学びたい場合は、デノドを訪問するか、デノドのAIトラスト・ギャップ・レポートをダウンロードしてください。