Ian Leysen、Datadobi CEO兼共同創業者 – インタビューシリーズ

Ian Leysen、Datadobi の CEO 兼共同創業者で、ソフトウェアエンジニアリング、品質保証、エンタープライズデータ管理の分野で30年以上の経験を持つテクノロジーエグゼクティブです。2009 年に Datadobi を共同設立する前は、EMC で品質保証シニアマネージャーとして 8 年勤務し、以前は Mediagenix と Wave Research でリーダーシップを務めました。キャリアを通じて、Leysen は高品質なソフトウェアエンジニアリング組織の構築に注力し、ゼロから 3 つの品質保証チームを立ち上げました。Datadobi では、オンプレミス、クラウド、ハイブリッド環境にまたがる非構造化データの管理、ガバナンス、移行、保護を支援する企業向けに事業を統括しています。同社は大規模データ移行に根ざしたサービスから進化し、ベンダーニュートラルなプラットフォーム「StorageMAP」を提供しています。このプラットフォームは、組織が複雑な非構造化データ資産を可視化し制御できるように設計されており、AI イニシアチブ向けにエンタープライズデータを準備する機能も備えています。

Datadobi は、急速に増大する非構造化データの可視性と制御性を企業に提供します。同社のソフトウェアは数十億のファイルをスキャンし、古いデータや重複、所有権のギャップ、潜在的リスクを特定するとともに、ガバナンスやアーカイブ、削除、保持の自動ポリシーを支えるメタデータや分類タグを付与します。これは、組織が生成的 AI 用にエンタープライズデータを準備する際に、理解不足や古い情報がノイズやコンプライアンス問題、セキュリティリスクを招く可能性があるため、ますます重要になっています。Datadobi は、価値のある可能性のあるデータセットを特定し、下流の利用向けに整理し、選択した情報をデータレイクやレイクハウスへ移行しながらトレーサビリティとガバナンスを維持することも可能にします。さらに、ストレージコストと炭素影響に関するインサイトを提供し、どのデータを保持すべきか、どこに配置すべきかについて、組織がより賢明な判断を下せるよう支援します。

EMC で品質保証を 8 年間リードした後、2010 年に Datadobi を共同設立しましたが、大規模エンタープライズのストレージやデータ環境でどのような点に着目し、企業を立ち上げるべきだと確信したのでしょうか。また、非構造化データが AI にとってますます重要になるにつれて、当初のビジョンはどのように変化しましたか？

EMC に在籍していた頃、企業がストレージインフラに多額の投資を行っているのに、実際に何が保存されているかほとんど見えていない状況を何年も目の当たりにしました。顧客のデータ保存・保護は優れていましたが、誰も次の重要な質問をしていませんでした:「このデータは何か、誰が所有しているか、まだ必要とされているか、価値はどれほどか」。インフラの能力とデータ理解の間にあるこのギャップがビジネスチャンスでした。私たちは、非構造化データを単にあるアレイから別のアレイへ移すだけでなく、インテリジェントに移行・管理できるよう支援するために Datadobi を立ち上げました。

変わったのはリスクの大きさです。15 年前は、管理されていないファイル共有はコストとコンプライアンスの問題でしたが、現在では、AI モデルやエージェントがそれに向けられた瞬間に同じ未管理ファイル共有は負債となります。非構造化データは、組織が単に保存する対象から、AI イニシアチブの成功・失敗を左右する要因へと変わりました。当初の考え「ストレージインフラだけではデータがビジネスにとって何を意味するかは分からない」は変わっていませんが、今やかつてないほど緊急性が増しています。

生成的 AI がエンタープライズデータ問題を生み出したのではなく、数十年にわたって存在していた問題を顕在化させ加速させたと主張されていますが、組織がこれまでデータを管理してきた上で、AI が現在明らかにしている最大の弱点は何ですか？

組織は何十年もの間、エンタープライズデータを理解するのに苦労してきました。AI がその苦労を生み出したわけではなく、隠れていた場所を取り除いたに過ぎません。データがファイル共有やアーカイブに静かに置かれている限り、誰もその中身について答える必要がありませんでした。大規模言語モデルや RAG パイプラインを向けた瞬間、すべての弱点が可視化され、重大な影響を及ぼすようになります。

最大の課題は、ほとんどの組織がデータではなくストレージを管理してきたことです。ボリュームやバケットの場所は把握していますが、その中身――古くなっているファイルはどれか、機密情報や規制対象情報を含むものは何か、環境全体で何十回も重複しているものはどれか、実際にアクセスできるのは誰か――は分かっていません。AI は所有権がどれほど分散しているかも明らかにしています。データはオンプレミス、複数のクラウド、SaaS リポジトリにまたがって蓄積され、全体像を所有している者はいません。これらは新しい問題ではありませんが、AI によって無視するコストが即座に可視化されました。

組織はしばしば AI 投資をより強力なモデル、GPU、インフラに集中させますが、なぜ追加の計算リソースやストレージだけでは根本的なデータ準備問題を解決できず、代わりにどこに投資すべきなのでしょうか？

計算リソースを増やすと、誤った回答がより速く得られるようになるだけで、正確さや安全性、コンプライアンスは向上しません。GPU やストレージインフラは決定を実行しますが、決定自体は行いません。強力なモデルに古いデータ、重複データ、権限が誤っているデータ、機密データを与えると、規模の大きい信頼性の低い、あるいはリスクのある出力を高速で生成してしまいます。

市場は重要な転換点に達したと考えています: 歴史的に組織はストレージの最適化に注力してきましたが、現在はデータ自体の最適化が求められています。つまり、インフラ層の上に位置するディシプリン、すなわち全データ資産を俯瞰し、各データが実際に何であり誰が責任を持つかを理解し、保持・移行・アーカイブ・削除すべきかを決定し、その決定を一貫して実行できる能力に投資する必要があります。このディシプリンがないインフラ投資は、組織が間違ったことをより速く行えるようになるだけです。

これこそが、当社の非構造化データ管理プラットフォームが解決すべく設計された問題です。オンプレミス、クラウド、SaaS ストレージを横断した単一のビューを提供し、タグ付けとメタデータ分析でデータを分類し、冗長・陳腐・真に価値あるデータをチームが把握できるようにします。その上で、ポリシー駆動型ワークフローにより、継続的にデータの移行、アーカイブ、削除を実行します。一度きりのプロジェクトではなく、可視化・分類・一貫した実行の組み合わせが「データが大量にある」から「何があり、何をすべきか正確に分かる」へと変えるのです。

「AI 対応データ」は業界で一般的なフレーズとなっていますが、あなたの視点から見ると、非構造化データを AI 対応にする実際の要件は何でしょうか。また、データを生成的 AI、RAG（検索強化生成）や学習パイプラインに投入する前に、組織はどのような基準を用いるべきでしょうか？

AI 対応データとは、単に所有しているだけでなく、組織がすでに検証済みのデータを指します。実務上は、データがモデルやパイプラインに渡る前に、以下の質問に自信を持って答えられることを意味します: データは正確で最新か、あるいは何年も手付かずのままか？ 結果を歪めたり矛盾させたりするような重複はないか？ 機密・規制対象・個人情報が含まれていないか？ 誰がアクセスできるか、そしてそれが現在も適切か？ ビジネスユースケースに実際に価値を付加しているか、単なるノイズではないか？

これらの質問に対する回答がないまま生成的 AI や RAG パイプラインにデータを投入すると、ガバナンス上の問題を下流へ移すだけであり、ファイル共有よりもはるかにデータを表面化させるシステムに問題を委ねることになります。AI 対応はデータインテリジェンスのディシプリンであり、プロジェクト開始前に一度だけチェックすればよい項目ではありません。

エンタープライズはオンプレミスインフラ、複数のクラウド、アーカイブ、事業部門にまたがって数十億のファイルを保有していますが、どのデータが実質的なビジネス価値を持ち、どれが冗長・陳腐・取るに足らない、あるいは AI の性能を低下させるノイズであるかをどのように判断すべきでしょうか？

この規模では、ファイル単位で質問に答えることは不可能であり、手動レビューは実行可能な戦略ではありません。まずはエンタープライズ全体の可視性が必要です: オンプレミス、クラウド、SaaS リポジトリを横断した単一で正確なビューを持たなければ、データに関する意思決定はできません。その上で、データインテリジェンスを活用し、環境内の実際のデータを分類します。これにより、冗長・陳腐・取るに足らない（ROT）データを特定し、実際にビジネス価値を持つデータと分離できます。

ここで求められるディシプリンは、単なる可視化を超える必要があります。データを見ることは必要条件ですが、十分条件ではありません。組織はデータが何であり何を意味するかを理解し、保持・移行・アーカイブ・削除、あるいは AI に活用すべきかを決定し、その決定を数十億のオブジェクトに対して一貫して実行する段階へと進む必要があります。可視化から直接 AI への投入へ飛ばすことが、ノイズがモデル性能を低下させ、真に価値あるデータが埋もれる原因です。

AI システムが従業員にとって以前は発見しにくかった情報を表面化できるようになると、セキュリティとガバナンスの重要性が増します。組織はエンタープライズデータを AI システムに公開する前に、権限、機密情報、所有権、規制リスクをどのように評価すべきでしょうか？

AI がリスク計算を最も大きく変えた領域の一つです。過剰または古い権限が設定されたファイルは、実際には理論上の露出に過ぎませんでした。なぜなら、実際にそのファイルが存在することを知り、探し出す必要があったからです。広範なアクセス権を持つ AI システムは、適切な質問を投げかけた誰にでもそのファイルを瞬時に表面化させます。曖昧さは本当のコントロールではなく、AI が偶然提供していた最後の保護層を取り除いたのです。

AI システムにデータを公開する前に、組織は誰がアクセスできるか、そのアクセスが依然として妥当か、機密・規制情報が何か、所有者と責任者は誰か、そしてデータ所在地、保持、プライバシー要件などの規制義務が何かを明確に把握する必要があります。この評価は、導入前の一度きりの監査では不十分です。エンタープライズデータは継続的に変化するため、権限、所有権、リスクは AI プロジェクトが稼働した瞬間だけでなく、継続的に見直す必要があります。

Datadobi は、ストレージインフラの管理からデータをビジネス資産として管理する会話への転換を提唱しています。その転換は実務上どのように見え、IT チーム、データチーム、セキュリティリーダー、事業部門との関係はどのように変わりますか？

実務では、会話が容量、階層化、稼働率といったインフラ指標から、コスト削減、リスク削減、規制コンプライアンス、AI の実現といった成果に焦点が移ります。これらは従来、別々のイニシアチブとして、各々が独自のツールとオーナーを持っていましたが、我々はこの考え方は時代遅れだと考えています。すべては同じ基盤となるエンタープライズデータの理解に依存しており、必要なのはそれらを結びつけるデータ中心のオペレーティングモデルです。各イニシアチブを別個の孤立したシステムに依存させるのではなく、我々のプラットフォームがそのオペレーティングモデルを実現します。

これにより、会議に参加する主体も自然に変わります。IT が唯一の会話の所有者ではなくなり、データの保持・移行・AI への公開に関する決定は、インフラの決定ではなく、データインテリジェンスに基づくビジネス上の決定となります。セキュリティ・コンプライアンスリーダーは、IT が管理するデータ全体像への可視性が必要です。事業部門は、自部門の成果に実際に関わるデータについて発言権を持ちます。データ管理はバックオフィスの IT 機能から、IT、セキュリティ、ビジネスが同じ情報を基に意思決定する共有のオペレーティングディシプリンへと変わります。

エンタープライズ AI の課題の一つはデータが常に変化し続けることです。AI 対応は一度だけ達成できるものですか、それともデータの発見・分類・ガバナンス・アーカイブ・移行を継続的に行うプロセスが必要ですか？

それは継続的な取り組みであり、これで終わりです。エンタープライズデータは常に変化し続け、新しいファイルが作成され、権限が変わり、従業員が入れ替わり、規制が進化します。したがって、データ管理は独立したプロジェクトの連続ではなく、継続的な運用能力でなければなりません。AI 対応をプロジェクト開始前の一度きりのクリーンアップとみなすことは、鍵屋が一度だけ訪れた後に建物を安全と宣言し、以後ドアを点検しないのと同じです。

組織が必要とするのは、可視化・理解・意思決定・実行というサイクルを継続的に回すオペレーティングディシプリンです。データの存在を発見し、分類・理解し、何をすべきかを決定し、その決定を定期的に実行します。競合他社を上回る組織は、このサイクルをエンタープライズ規模で継続的に回せる組織であり、AI 対応を期限付きプロジェクトとして扱う組織ではありません。

エンタープライズがシステム全体を検索し自律的に行動できる AI エージェントを導入するにつれ、非構造化データ管理はさらに重要になりますか？ ユーザーのプロンプトに応答するだけでなく、組織全体に散在する情報にエージェントがアクセスできることで、どのような新たなリスクが生じますか？

これは大幅に重要性が増します。エージェントは露出の性質を変えるからです。単一のプロンプトに応答するチャットボットは、質問する人と見える範囲に限定されますが、システム全体を検索し自律的に行動できるエージェントは、個々の従業員が通常到達できない範囲まで環境を横断し、見つけたデータを人間が逐一確認しなくても移動・共有・利用できるのです。

これにより、単なる発見を超えるリスクが生じます。エージェントがアクセスすべきでないデータ（権限が誤っているファイル、古い機密記録、数年前にアーカイブまたは削除すべき情報）にアクセスできれば、機械的な速度と規模でそのデータを操作でき、単に好奇心旺盛なユーザーに表面化させるだけではありません。エージェントを最も成功裏に導入している組織は、データガバナンスを前提条件として扱い、後付けにしていない組織です。エージェントはデータインテリジェンスに存在するギャップを忠実に利用するからです。

何十年にもわたって蓄積された非構造化データを保有し、AI イニシアチブを拡大したいエンタープライズに対し、最初に取るべき実践的なステップは何ですか。また、データ資産の管理を始める際にリーダーが避けるべき失敗は何でしょうか？

まずは可視化から始めます。見えていないデータについては適切な判断ができません。したがって、最初の実践的ステップは、オンプレミス、クラウド、SaaS 環境全体でどのデータが存在するかを正確に把握することです。その後、データを理解し分類し、価値があるもの、機密情報、単なるノイズを把握した上で、保持・移行・アーカイブ・削除の判断に進みます。

また、リーダーが無視できない予算の現実があります。多くの CIO は別枠の無制限な AI 予算を得ておらず、AI がビジネス運営に必要な他の全てと競合する固定予算で運用しています。既存インフラへの投資を削って AI に資金を回すという本能は誤りです。なぜなら、同じインフラ、ストレージ、データパイプライン、ガバナンスこそが AI の成功に不可欠だからです。より持続可能な道は、既存資産内に余裕を作ることです: 可視性を向上させ、StorageMAP が実現するデータ最適化によりストレージの無駄を削減すれば、実際の予算が確保でき、AI イニシアチブが必要とする容量に手を加える必要はありません。

私が最も多く目にする失敗は、可視化と理解という基盤を構築せずに、すぐに実行段階に移り、AI にデータ資産を向けたり、クリーンアッププロジェクトを開始したりすることです。二つ目の失敗は、これを一度きりのイニシアチブとみなし、運用能力として捉えないことです。データは常に変化するため、ディシプリンは継続的でなければなりません。三つ目は、純粋に技術的な作業に留めてしまうことです。成功する組織は、これをビジネス上の意思決定として捉え、IT、セキュリティ、ビジネスのステークホルダーがデータの価値と取るべき行動について合意し、単なる IT に任せた移行やストレージプロジェクトではなく取り組みます。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は Datadobi をご覧ください。