AIブームは決定的の中間段階に達した：企業が知るべきこと

中学校は誰にとっても最も輝かしい時期ではなかったが、成長の痛みとともに、より良く、より成熟した自分自身のバージョンに到達するために、私たち 모두がそれを通過しなければならなかった。

現在のAIブームは、採用と成熟の間にあるある種の不安定な青春期に入っている。これを専門家はメッシーミドルと呼んでいる。初期のハイプは消え、現在、組織はAIを真正に運用可能にすることに焦点を当てている。しかし、AIは困難な時期に成熟している。予測はすべてのマップ上に散在しており、企業と消費者の中での懐疑主義は高く、AIバブルの拡大についての話は、企業のリーダーを危惧させ、恐ろしいポップを待たせている。

この決定的な瞬間、組織は信号とノイズを区別しなければならない。実験から実用的な応用への努力を切り替えるのか、または実用的な応用を運用的普遍性にスケールするのか、どちらにしろ、インフラストラクチャとデータの準備度などの有形的な要因に焦点を当てる必要がある。結果を測定し、スケールの基盤を構築する必要がある。

インフラストラクチャ第一主義

真のAI準備度を得るには、AIワークロードの持続可能な展開をサポートするための適切なインフラストラクチャが必要である。自然に、AIはクラウドサービスに対する需要を押し上げている。クラウド支出は今年40%増加する予想で、インフラストラクチャは予算の中で最も高価な項目となり、新しいデータセンターはAIコンピューティングの需要を賄うために各大陸で登場している。このAIの転換点では、インフラストラクチャの選択は存続の問題である。インフラストラクチャは、安全性、可能性、そして実際にビジネスに利益をもたらすものを定義する。リソースの浪費を生み出すのではなく。

持続可能なインフラストラクチャは、コストと総コンピューティングパワーだけで定義されるのではない。組織は、AIワークロードをホストする場所と方法を決定する際に、リソース効率、セキュリティ、可視性、全体的なパフォーマンスの価格を考慮しなければならない。AIインフラストラクチャは、一度だけの投資ではなく、各プロジェクトの需要に応じて進化できるプロセスであるべきである。

これは、クラウド支出への従来のアプローチから大きな逸脱である。現在のAIラッシュ以前、組織は通常、クラウドベースの運用をホストするために、単一のクラウドサービスプロバイダー、通常はハイパースケーラーに依存していた。現在、AIワークロードの複雑さと多様性は、このモデルに挑戦を与えている。特に、企業がより実用的なユースケースに向かっている間、代替クラウドは需要を満たすために登場している。

モダンAIイニシアチブには、ビッグ3が十分に提供できるほどの大きなコンピューティングパワーが必要である。問題は、すべての力が過剰になる時に始まる。ハイパースケーラーの契約はコストプロヒビティブで、不要な追加機能で膨張し、また、高度に機密性の高いプロジェクトには必要なデータセキュリティと居住性を提供しない可能性がある。

企業は、単一のベンダーにクラウド運用を結び付けるのではなく、代替クラウドの成長するクラスを活用して、異なるプロバイダー、GPUタイプ、パブリック/プライベートクラウド設定を組み合わせて、特定のニーズに応じたスタックを構成できる。こうすることで、不要な機能に対して支払うことはなく、同時にクラウドを必要とするものに合わせてカスタマイズできる。

インフラストラクチャ第一主義によるAI成熟度へのアプローチは、効率と有用性を最大化しながら力の犠牲を払わずに、スケールのための安定した基盤を作成することである。

実験から応用へ

過去数年間、世界中の企業は、AIをどのように運用に取り入れるかを実験してきた。好奇心と、ある程度のハイプによって推進されて、彼らはイノベーションの境界を押し広げ、効率性の新しい可能性を解き放ち、数えきれないオープンソースツールとモデルを高めている。また、現実に直面し、シリコンバレーの「速く動き、ものを壊せ」という哲学が、特にAIのような強力なテクノロジーの場合、常に最善のアプローチではないことを学んだ。

現在、企業はこの実験段階から出てきている。失敗は許されない。精度は重要である。パフォーマンスは遅滞してはならない。企業がAIフレームワーク上にコアビジネス機能を再構築する場合、創造的な実験からフォースマルチプライヤーになる「面白くない」部分に重点を置かなければならない。つまり、次のようなものである：

• データセキュリティとプライバシー：多くのAIモデルは、効果的に動作するために、機密性の高い個人とビジネスデータを使用する。組織は、データが安全にホストされていることを、また、許可されていない複製や「ダークAI」への露出のリスクがないことを保証しなければならない。
• モデルライフサイクル管理：モデルは、重要なビジネス機能をサポートするために、正確で、最新で、定期的に再トレーニングされる必要がある。
• パフォーマンスの一貫性：モデルを内部使用または顧客向けの運用に展開する場合、効率性と使いやすさに不可欠な一貫したパフォーマンスを確保することが重要である。多くの一般的なパフォーマンスの問題、たとえば、待ち時間やダウンタイムに関するものは、インフラストラクチャレベルで解決される。

現在、37%の組織だけが、新しい生成モデルを毎月、毎週、または毎日展開している。より多くの組織が応用段階に移行するにつれて、この割合は劇的に増加し、コンピューティングパワー、しかしインフラストラクチャの需要を生み出す。特定のモデルに合わせて調整されたインフラストラクチャが必要である。「軽量」モデルはハイパースケーラーレベルの基盤を必要としないが、機密情報を使用している場合は、その程度のセキュリティが必要となる。これは、カスタムクラウドが登場する場所であり、またインフラストラクチャが企業のAIシフトの中で第一に考慮されるべき理由である。

応用からスケールへ

ビジネス成熟度曲線上でさらに先行する企業にとって、AIの実用的な応用はすでに日常の一部である。現在、彼らはこれらの応用をスケールして、さらに大きな価値を創出し、企業を完全に進化させることを目指している。

プレッシャーはかかっているが、利点は明らかである：81%の組織がAI成熟度の最高レベルに達しており、過去1年間に財務実績が向上した。AIアプリケーションが最大のストレステストを受ける段階である。封じ込められた環境では嗅ぎテストに合格するかもしれないが、大量のデータを処理できるか。新しい地域で機能するか。そしておそらく最も重要な質問：有意義な結果を生み出すことができるか。

スケールは大きくなることについてであるが、場合によっては、少なくともより良い結果になる。ビジネスはこの段階で、ターゲット化された小規模言語モデル（SLM）が、汎用の大規模言語モデル（LLM）よりも優れている可能性があるかどうかを検討するべきである。AIイニシアチブは、実際のビジネス問題に結び付けられ、測定可能な成果を生み出すときに最も成功する。

同様のパターンは、AIエージェントの応用とスケールにも発生する。AIエージェントは、ドメイン固有のタスクを実行し、高度に焦点を当てた、定期的に維持されるデータセットによって情報を得ているものが、実際に企業で実質的な影響を与えている。ただし、特化したエージェントは、すべてをできるコパイロットほど多くのコンピューティングパワーは必要としないが、依然として大量のコンピューティングパワーが必要である。インフラストラクチャを最初から優先することで、組織はクラウド予算を吹き飛ばすことなく、エージェントAIイニシアチブから実際のROIを抽出できる。

影響のあるイノベーション

AI「レース」は、レースというよりも、改修である：もし私たちが企業を再構築しようとしているなら、しっかりした基盤の上にそうしたい。そうでないと、壁は必ず崩壊する。企業はインフラストラクチャについて、データの安全対策を確保し、モデルライフサイクルを慎重に管理し、パフォーマンスを監視し、洞察を集め、調整を行うことに、時間をかけて、注意深くなければならない。忍耐力と粘り強さが、実際に機能し、安全で、かつ一貫したパフォーマンスを提供するソリューションを作成するための鍵である。

AIハイプサイクルの新しさは消えているが、企業はAIの不安定な中間期を乗り越えることができる。最も重要なことに、結果を重視することでチームを活性化させることができる。