インタビュー
Leo Brunnick、Clouderaのチーフプロダクトオフィサー – インタビューシリーズ
Unite.AI を Google の優先ソースに追加
Leo Brunnickは、Clouderaのチーフプロダクトオフィサーで、ソフトウェア、デジタルメディア、エンタープライズテクノロジー組織の構築とスケールに30年以上の経験を持つベテランのテクノロジーエグゼクティブ兼起業家です。Clouderaでは、プロダクトマネジメント、エンジニアリング、カスタマーサポートを統括し、データおよびAIプラットフォーム機能の拡大に伴う製品と技術の方向性を監督しています。2025年にClouderaに入社する前は、Navigaで6年間勤務し、直近では最高執行責任者（COO）として、プロダクト、エンジニアリング、マーケティング、R&D、カスタマーサポート、プロフェッショナルサービスにまたがる600人以上のプロフェッショナルを率いていました。キャリア初期にはPatheosを創業しCEOを務め、約15百万の月間訪問者を持つデジタルメディアプラットフォームに成長させて成功裏に売却し、さらにエンタープライズコンテンツ管理企業Vignetteで8年間チーフプロダクトオフィサーを務めました。また、Andersen Consultingでのテクノロジーコンサルティングや、米国海兵隊歩兵将校としての勤務経験もあります。
Clouderaは、組織がデータが存在する場所を問わず—パブリッククラウド、プライベートデータセンター、エッジ環境—に対してデータを管理、ガバナンス、分析、そしてAIを適用できるよう支援するエンタープライズデータ・AI企業です。そのハイブリッドプラットフォームは、データ管理、分析、機械学習、生成AI、そしてますますエージェント的AI機能を組み合わせ、エンタープライズ向けのセキュリティ、ガバナンス、プライバシー、ワークロードのポータビリティを重視しています。同社の現在のプラットフォーム戦略には、Cloudera Anywhere Cloudが含まれており、さまざまなインフラ環境にわたって一貫したクラウド体験を提供するよう設計されたアーキテクチャです。また、オープンデータレイクハウス、統合データファブリック、リアルタイムデータ処理、AIモデルやエージェントの開発・デプロイ用ツールも提供しています。Clouderaによると、同社の技術は25エクサバイト以上のデータを管理しており、すべてのワークロードや機密データをパブリッククラウドに移行する必要なく、データインフラを近代化しようとする大規模なグローバル企業で利用されています。
あなたのキャリアは、テクノロジーコンサルティング、VignetteとNavigaでのプロダクト組織のリーダー、Patheosの創業とスケール、そして現在のClouderaでのチーフプロダクトオフィサーとしての役割を網羅しています。これらの経験は、AIが組織のデータ活用方法を根本的に変えている時代に、エンタープライズテクノロジープラットフォームの構築についてどのように考えるかにどのように影響していますか？
これらすべての状況において、同じ原則が当てはまります。テクノロジーは、複雑なものを人々が使いやすくする時に最も価値があります。この点は、AIが大きな機会を生み出すと同時に、クラウドデータ、データセンター、そしてますます増える主権環境をすでに扱っている企業にとって、さらなる複雑さの層を加える現在、ますます重要です。
Clouderaでこの次の時代を構築するにあたり、組織がすでに構築したすべてを再考させることなく、新しいテクノロジーから利益を得られるようにする方法を常に考えています。過去数年にわたり、企業はデータ資産、アプリケーション、ガバナンスモデル、運用プロセスを構築してきました。新しいテクノロジーが登場するたびにそれらすべてを捨て去るのは合理的ではありません。AI時代に成功するプラットフォームは、組織がすでに持っているものを基盤にしつつ、ニーズの変化に合わせて柔軟性とコントロールを提供します。
Clouderaは最近、Cloudera Anywhere Cloudを導入し、パブリッククラウド、プライベートインフラ、主権クラウド、オンプレミス環境、エッジにわたってAIを構築・運用できるよう支援しています。顧客のどのような課題を見て、Clouderaはこの種の統合アーキテクチャが必要だと確信したのでしょうか？
顧客はAIを実践に移す圧力が高まっており、データとインフラがこれまで以上に多くの環境に分散しています。データはパブリッククラウド、プライベートデータセンター、主権環境、エッジにまたがって存在し、それぞれが独自のセキュリティ、規制、パフォーマンス、経済的要件を持ちます。これらすべての環境を管理することは、組織にとって大きな運用負荷をもたらす可能性があります。
Anywhere Cloudの考え方は、企業がクラウドの俊敏性とデータに対するコントロール、セキュリティ、ガバナンスの維持の間で選択しなければならない必要はない、というものです。組織は、ビジネスにとって最も適切な場所でデータとAIサービスを展開、ガバナンス、スケールするための一貫した方法を必要としています。単一のコントロールプレーンを使用すれば、基盤インフラの管理に費やす時間を減らし、データとAIで達成したい成果に集中できるようになります。環境がどこにあっても同様です。
あなたは、エンタープライズAIが「パブリッククラウドのみのモデルを超えている」と述べました。パブリッククラウド環境でプロダクションAIを完全に実行しようとする際に、企業が直面する最大の制約は何ですか、またどのようなワークロードがますます他の場所へ移行していますか？
AI時代に成功するプラットフォームは、組織がすでに持っているものを基盤にし、ニーズの変化に合わせて柔軟に適応できるようにします。パブリッククラウドはエンタープライズ技術戦略の重要な要素であり続けますが、唯一の選択肢ではありません。AIが本番環境に移行するにつれ、企業は規制、セキュリティ、コストといった要因に基づいて、データとワークロードをどこで実行すべきかを判断する必要があります。
これは、ワークロードの配置先に関する意思決定が、より慎重に行われるようになったことを示しています。特定の AI アプリケーションはパブリッククラウドに適していることは確かですが、極めて機密性が高いまたは規制対象のデータを扱うワークロードは、プライベートデータセンターや主権環境にとどまる必要があるかもしれません。その他の場合、レイテンシが重要な要素となるため、エッジで実行した方が適しています。目的はパブリッククラウドから離れることではなく、各ワークロードを最も適した場所で実行できる柔軟性を企業に提供することであり、環境ごとに別個の運用モデルを強制されることはありません。
Cloudera Anywhere Cloud には、平易な言語でのリクエストをデータワークフローやインフラ操作に変換できるエージェント型コパイロットが含まれています。これらのシステムはどの程度自律化されると予想しますか、またエージェントが重要なデータインフラストラクチャに対する制御を強化する中で、企業はどこで人間の監視を維持すべきでしょうか？
エージェントは、現在データおよびインフラチームの時間を占めている反復的な運用作業を引き続き担うでしょう。エージェントが結果を平易な言葉で表現し、それをワークフローやインフラ操作に変換できれば、摩擦が大幅に減少し、先進的なデータ機能がより多くの人々に提供されるようになります。
自律性が高まるほど、効果的なガバナンスの必要性も高まります。企業は、エージェントがアクセスできる範囲、単独で実行できる操作、そして人間の承認が必要となるタイミングを明確に定めたポリシーを持たなければなりません。操作の潜在的影響が大きいほど、これらの制御は重要になります。自律性とガバナンスは並行して進められ、エージェントに十分な自由度を与えて実質的な生産性向上を実現しつつ、組織が重要なデータとインフラストラクチャに対する監視と管理を維持できるようにすべきです。
Cloudera は NVIDIA と協力し、cuDF を通じたネイティブ GPU 加速を Apache Spark 4.1 のワークロードに導入しています。これにより、既存の PySpark や SQL アプリケーションを書き換えることなく、最大で 4 倍のパフォーマンス向上が期待できます。コードの書き換えが不要になることが、エンタープライズ AI の導入を加速する上でなぜ重要なのでしょうか？
企業は既存のアプリケーション、スキル、データパイプラインに多大な投資を行っています。新しい技術へ切り替えるには、単なるエンジニアリング作業以上のことが必要です。リスクが生じ、成果が遅れ、既に稼働しているシステム全体に混乱をもたらす可能性があります。
ノーコード加速はこの課題に対処する手段です。組織は既存の PySpark や SQL ワークロードを活用し、チームの運用方法を根本的に変えることなく GPU 加速のメリットを得られます。これにより、技術の導入が容易になるだけでなく、分析や AI を支えるデータパイプラインのパフォーマンスが向上し、既存の投資も保護されます。
GPU はモデルのトレーニングや推論だけでなく、データ準備や分析にもますます活用されています。GPU 加速がエンタープライズデータスタックの標準的な要素になると予想しますか、またそれが大規模データセットの AI 用準備にかかるコスト構造をどのように変える可能性がありますか？
私の見解では、企業はインフラとワークロードの適合性をはるかに高めるようになるでしょう。GPU はすでにモデルのトレーニングや推論の方法を変革しており、データエンジニアリングは次の明白なイノベーション領域です。大規模データセットの準備は、AI アプリケーションを本番環境に導入する際の大きなボトルネックとなり得るからです。
経済的インパクトも同様に重要です。処理速度の向上は、単に Spark ジョブを速く完了させるだけでなく、さまざまな効果をもたらします。計算時間の短縮はインフラコストを削減し、データチームがより迅速にイテレーションできるようになるため、AI ワークロードが増大する中でますます重要な要素となります。当社の調査によると、回答者の 84% が AI ワークロードによりインフラコストが増加したと報告しており、企業がパフォーマンスとコストの両面で改善の機会を探るためにデータパイプライン全体を見渡すことが一層重要になっています。GPU 加速データ処理は、この方程式の重要な要素となり得ます。
Cloudera Anywhere Cloud の約束の一つは、規制的、経済的、運用的要件が示す場所にデータを継続的に移動またはコピーすることなくワークロードを配置できることです。AI 計算をデータ側に持ち込むことは、すべてのエンタープライズデータを AI に持ち込むことと比べてどれほど重要でしょうか？
これは極めて重要です。企業は長年にわたり、さまざまな環境に膨大なデータを蓄積してきましたが、すべてのデータを AI 用に一箇所に集めることは実務上困難なことが多いからです。コストと時間がかかる上に、セキュリティやプライバシー、主権に関する要件が特定のデータの移動自体を禁止する場合もあります。
現時点では、企業が AI が展開されるさまざまなアプリケーションや環境へすべてのデータを安全に移動させることは実用的ではありません。AI をデータ側に持ち込むことで、組織は既に保有しているデータをより多く活用でき、必要な場所にデータを残すことができます。また、ビジネス上および技術上の要件に基づいて、最も適切な場所でワークロードを実行する柔軟性も得られます。AI が企業全体に浸透するにつれ、データが存在する場所に関係なく一貫した運用ができる能力はますます重要となります。
データ主権は、政府や規制産業がAIを採用するにつれて大きな懸念となっています。主権AIの要件は企業が必要とするアーキテクチャをどのように変えており、今後数年で主権クラウドやプライベートAIインフラが大幅に重要になると予想しますか？
全くその通りです。主権は単なるコンプライアンス問題ではなく、アーキテクチャ上の要件となっています。組織は自社データがどこに保存され、AIワークロードがどこで実行されているか、さらに誰がアクセスでき、知的財産や機密情報がどのように保護されているかを把握する必要があります。
組織は、すべてを単一のパブリッククラウドに集中できるともはや想定できません。主権クラウド、プライベートインフラ、パブリッククラウド、オンプレミスシステムを横断して柔軟に運用し、各環境で一貫したガバナンスを適用する必要があります。これらの要件は、AIが規制産業や重要なビジネスプロセスにさらに浸透するにつれて、ますます重要になるでしょう。データとAI環境をコントロールしながらイノベーションを推進できる組織は、AIを責任ある形でスケールさせる上で有利な立場を得られます。
自律型AIエージェントが企業データ、アプリケーション、インフラにアクセスできるようになると、従来のデータガバナンスだけでは不十分になる可能性があります。ユーザーが人間ではなくAIエージェントである場合、ガバナンスはどのように進化すべきでしょうか？
過去には、ガバナンスは主に人やアプリケーションがデータにアクセスできることを前提としていました。エージェントは新たな側面を加え、情報にアクセスし、そこから推論し、見つけた結果に基づいて行動を取ることができます。
このため、企業はアイデンティティ、権限、系統、可観測性、ゼロトラストアクセスといった概念をエージェントに適用し、データのセキュリティとガバナンスを確保しなければなりません。組織は、どのエージェントがどのデータにアクセスしたか、取得した情報で何をしたか、どのような行動を取ったか、そしてそれらの行動が企業ポリシーに合致しているかを把握すべきです。ガバナンスはエージェントが行動を起こした後に導入できるものではなく、環境に組み込まれ、ポリシーと保護策がデータとともに移動し、対象が人であれアプリケーションであれ自律エージェントであれ、常に適用され続ける必要があります。
Clouderaは、Apache Iceberg、Polaris、Spark、Kafka、Trinoといったオープンスタンダードを強調しており、顧客にプロプライエタリなスタックに完全に依存させることは求めていません。AIインフラが大規模プラットフォームを中心に統合される中で、新世代のAIベンダーロックインを防ぐためにオープンスタンダードと相互運用性はどれほど重要になるでしょうか？
AIが企業インフラの一部になるほど、オープンスタンダードの重要性は高まります。AIは急速に進化しており、組織は将来使用できるモデル、エンジン、インフラ、技術を制限するようなアーキテクチャ上の決定を現在行わないようにしなければなりません。
Apache Iceberg、Spark、Kafka、Trino、オープンカタログといった技術は、組織がワークロードごとに異なるツールを使用しつつ、データ環境全体で相互運用性を保つ柔軟性を提供します。これは、企業がパブリッククラウド、主権インフラ、プライベートデータセンターを横断して運用し、単一プロバイダーに依存せずにデータとAIワークロードの実行場所を自由に選択できるようになるにつれて、特に重要です。
オープンアプローチは、既存の投資を活かしながら新しいAI機能を採用しやすくし、技術の進化に伴ってデータを繰り返し移動したりコピーしたりする必要を減らします。AIの状況が変化し続ける中で、オープンスタンダードは組織に時間とともにアーキテクチャを進化させる柔軟性を提供し、データ、インフラ、技術に対する選択とコントロールを維持させます。
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 Cloudera をご覧ください。
