EDBのエンジニアリングVP、ジェレミー・ケルウェイ氏に聞く – インタビュー・シリーズ

ジェレミー（ジェズ）・ケルウェイは、EDBのエンジニアリング担当VPです。アメリカの太平洋北西部を拠点とし、PostgresベースのアナリティクスとAIソリューションの提供に焦点を当てたチームを率いています。Database-as-a-Service（DBaaS）管理、運用リーダーシップ、革新的なテクノロジー提供における経験を持ち、ジェズは新興テクノロジーの進歩を牽引する強力な背景を持っています。

EDBは、ビジネス優先事項に合わせてPostgreSQLをサポートし、クラウドネイティブアプリケーションの開発、レガシーデータベースからのコスト効率の高い移行、ハイブリッド環境全体での柔軟な展開を可能にします。タレントプールの増加と堅牢なパフォーマンスにより、EDBはミッションクリティカルなアプリケーションに対してセキュリティ、信頼性、優れた顧客体験を保証します。

Postgresは、生成的なAIアプリケーションを構築するための最も適切なデータベースとして、どのようにして増加し続けていますか？また、どのような重要な機能が、この進化するランドスケープに適しているようにしていますか？

約75%の米国企業がAIを採用しており、これらの企業はデータへの迅速かつ簡単なアクセスを可能にする基盤テクノロジーを必要としています。これがPostgresが登場する場所です。

Postgresは、もしかしたら、耐久性のあるテクノロジーの最も適切な技術的な例であり、AI時代よりも以前よりも大きな関連性で再び人気を博しています。堅牢なアーキテクチャ、複数のデータ型のネイティブサポート、設計による拡張性により、Postgresは、主権的でセキュアな環境で本稼働用AIの価値を活用しようとする企業にとっての第一候補です。

EDBの存在期間20年、またはPostgresとしての30年以上の間に、業界は進化、変化、革新を経てきましたが、ユーザーは依然として、最も複雑なデータ課題に対処するために「Postgresを使い続けて」います。

Retrieval-Augmented Generation（RAG）は、現在どのように適用されていますか？また、「インテリジェント・エコノミー」の将来を形作る上でどのように役割を果たすと思いますか？

RAGフローは、正当な理由により、人気と勢いを得ています。『インテリジェント・エコノミー』の文脈でRAGフローは、情報へのアクセスを容易にし、人間の経験を促進する方法で、時間を節約し、自動化とフィルタリングによって、手動での作成に多大な時間と労力を必要とするデータと情報の出力を可能にします。検索ステップ（検索）の精度の向上と、より広範なLLMに特定のコンテンツを追加する能力は、関連するデータで情報に基づいた意思決定を促進するための多大な機会を提供します。有用な考え方の1つは、適切な情報を提示する方法でそれを提示する、熟練した研究アシスタントを持っているということです。

組織がRAGを本稼働環境で実装する際に直面する最も重大な課題は何ですか？また、これらの課題に対処するための戦略は何ですか？

基本的なレベルでは、あなたのデータ品質があなたのAIの差別化要因です。RAGアプリケーションの生成されたレスポンスの精度は、常にトレーニングと増強に使用されるデータの品質によって決定されます。生成モデルに適用される高度なレベルの複雑さは、入力が不正確な場合は、少なくとも有益ではありません。出力が可能な限り正確であることを望む場合は、LLMのコンテキストデータソースが可能な限り最新である必要があります。

パフォーマンスの観点から、あなたのRAGアプリケーションが何を達成しようとしているか、またいつ、どこでデータを取得するかについて、積極的な姿勢を取り入れることで、潜在的な影響を理解するための優れたステップになります。たとえば、あなたのRAGフローがトランザクションデータソース（例：重要なビジネスに重要な、継続的に更新されるデータベース）からデータを取得している場合、これらの重要なデータソースのパフォーマンスを監視することで、RAGフローのステップの潜在的な影響を理解することができます。これらの措置は、潜在的な、または実際的なパフォーマンスへの影響を管理するための優れたステップです。また、これらの情報は、RAGアプリケーションを適切なデータ取得に焦点を当てるために、調整するための貴重なコンテキストを提供することもできます。

AI専用のベクトルデータベースの特化が増加する中で、Postgresはこれらのソリューションよりもどのような利点を提供していますか？特に、AIワークロードを運用化しようとする企業にとってはどうですか？

ミッションクリティカルなベクトルデータベースは、データのセキュリティ、可用性、既存のデータソースや構造化情報との統合の柔軟性を保証しながら、要求の厳しいAIワークロードをサポートする能力を持っています。AI/RAGソリューションの構築には、類似性の評価や、多次元データで動作する推奨事項が含まれるため、ベクトルデータベースが使用されます。これらのアプリケーションでは、ベクトルデータベースは、これらの重要なデータパイプラインの効率的で効果的なデータソースとして機能します。

EDB Postgresは、AIのベクトルデータの複雑さをどのように管理していますか？また、Postgres環境にAIワークロードを統合することの主な利点は何ですか？

Postgresにはネイティブのベクトル機能がないですが、pgvectorという拡張機能により、ベクトルデータをPostgresの他のデータとともに保存できます。これにより、企業はベクトル機能を既存のデータベース構造とともに利用できるようになり、AIアプリケーションの管理と展開を簡素化し、複雑なデータストアとデータ転送の必要性を減らすことができます。

Postgresは、トランザクションと分析ワークロードの両方で中心的な役割を果たしているため、企業はどのようにしてデータパイプラインを簡素化し、複雑性を追加せずに迅速な洞察を解放できるのでしょうか？

これらのデータパイプラインは、実際にはAIアプリケーションを推進しています。さまざまなデータストレージ形式、場所、データタイプがあるため、データの取得段階がどのように実現されるかは、特にAIアプリケーションがProof-of-Conceptから本稼働に移行するにつれて、実質的な課題になります。

EDB Postgres AIパイプライン拡張機能は、PostgresがAIアプリケーションの「データ管理」部分を形作る上で重要な役割を果たしていることを示す例です。Postgresまたはオブジェクトストレージからのデータの自動化されたパイプライン、生成された新しいデータのベクトル埋め込み、ソースデータの変更による埋め込みの更新を可能にすることで、データ処理を簡素化し、メンテナンスを不要にします。

Postgresから近い将来、特にAIが進化し続け、データインフラストラクチャーにさらに多くの要求を課す中で、どのような革新や開発が期待できますか？

ベクトルデータベースは、完成したものではなく、ベクトルデータベース技術の利用と依存が増続するにつれて、さらに開発と強化が期待されています。PostgreSQLコミュニティは、この分野で革新を続けており、より複雑な検索基準を可能にするインデックスの強化と、pgvector機能自体の進歩を求めています。

Postgres、特にEDBの提供は、多クラウドとハイブリッドクラウドの展開に対する必要性をどのようにサポートしていますか？また、AI駆動型企業にとってこの柔軟性はなぜ重要なのでしょうか？

EDBの最近の調査によると、現在56%の企業がミッションクリティカルなワークロードをハイブリッドモデルで展開しており、Agilityとデータ主権をサポートするソリューションの必要性を強調しています。Postgresは、EDBの強化により、多クラウドとハイブリッドクラウド環境の両方で必要な柔軟性を提供し、AI駆動型企業がデータを柔軟性とコントロールを持って管理できるようにします。

EDB Postgres AIは、ハイブリッド環境でクラウドのAgilityと観察可能性を提供し、主権制御を可能にします。このアプローチにより、企業はAIモデルを管理しながら、トランザクション、分析、AIワークロードをハイブリッドまたは多クラウド環境全体でストリームライン化できます。データの移植性、細かいTCOコントロール、さまざまなインフラストラクチャーでのクラウドライクなエクスペリエンスを可能にすることで、EDBは、AI駆動型企業が複雑なデータニーズに対してより迅速で敏捷な対応を実現することを支援しています。

AIが企業システムにさらに埋め込まれるにつれて、Postgresは、特にAIモデル用の機密データの取り扱いにおいて、データガバナンス、プライバシー、セキュリティをどのようにサポートしていますか？

AIが運用の基盤となり、競争上の差別化要因ともなると、企業はデータの完全性を保護し、厳格なコンプライアンス基準を遵守する圧力に直面します。この進化するランドスケープでは、データ主権が最前線に立っています。ここで、厳格なガバナンス、セキュリティ、可視性は、優先事項ではなく、前提条件です。企業は、データがどこにあるか、どこに行っているかについて、確実に知る必要があります。

Postgresは、AI対応データ環境のバックボーンとして優れています。オープンソースの基盤により、企業は継続的な革新から利益を得ることができ、EDBの強化により、企業グレードのセキュリティ、細かいアクセス制御、深い観察可能性が保証され、AIデータを責任を持って取り扱うための重要な要素となります。EDBの主権AI機能は、この姿勢をさらに強化し、データにAI機能を提供し、データがどこに移動し、どこから移動するかを管理することを可能にします。

EDB Postgresは、AIワークロードをスケール化しながら、高可用性とパフォーマンスを維持するために、どのようなユニークな機能を提供していますか？特に、ミッションクリティカルなアプリケーションにとってはどうですか？

EDB Postgres AIは、データインフラストラクチャーを戦略的テクノロジー資産に昇格させ、分析とAIシステムを顧客のコアの運用およびトランザクションデータに近づけることで、AI駆動型アプリケーションのデータプラットフォーム基盤を提供します。インフラストラクチャーの複雑さを減らし、コスト効率を最適化し、データ主権、パフォーマンス、セキュリティの企業要件を満たすことで、AIアプリケーションを推進します。

EDB Postgresは、AIワークロードをスケール化しながら、高可用性とパフォーマンスを維持するために、どのようなユニークな機能を提供していますか？特に、ミッションクリティカルなアプリケーションにとってはどうですか？

EDB Postgres AIは、データインフラストラクチャーを戦略的テクノロジー資産に昇格させ、分析とAIシステムを顧客のコアの運用およびトランザクションデータに近づけることで、AI駆動型アプリケーションのデータプラットフォーム基盤を提供します。インフラストラクチャーの複雑さを減らし、コスト効率を最適化し、データ主権、パフォーマンス、セキュリティの企業要件を満たすことで、AIアプリケーションを推進します。

現代のオペレーター、開発者、データエンジニア、AIアプリケーションビルダーにとって、バトルテスト済みのソリューションを必要とするミッションクリティカルなワークロードに対して、優雅なデータプラットフォームです。アナリティクスとAI機能へのアクセスを提供しながら、企業のコア運用データベースシステムを使用できます。

素晴らしいインタビュー、詳しく知りたい読者はEDBを訪問してください。