AIブームは決定的の中間期に突入：企業が知るべきこと

中学校は誰にとっても最盛期ではなかったが、成長痛とともに、より良く、より成熟した自分自身になるために、それを乗り越える必要があった。

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突入している。これを専門家は混沌とした中間期と呼んでいる。初期のハイプは消え、現在、企業は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は困難な時期に成長を遂げている。予測は様々で、企業と消費者の中での懐疑主義は高く、AIバブルの拡大に関する話は、企業のリーダーを危機感に駆り、恐ろしい「バブルの崩壊」を待たせている。

この決定的瞬間、企業は信号とノイズを区別する必要がある。実験から実用的な応用への努力を切り替えるか、実用的な応用から運用の普遍性へのスケールアップをするかにかかわらず、企業は自分たちが制御できる有形の要素、たとえばインフラストラクチャーとデータの準備状況に焦点を当てる必要がある。結果を測定し、スケールの基礎を築く必要がある。

インフラストラクチャー優先アプローチ

真のAIの準備度には、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ーが必要である。当然、AIはクラウドサービスに対する需要を高めている。クラウド支出は今年、40%増加する見込みで、インフラストラクチャーは予算の中で最も高価な項目となっており、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満たすために毎大陸に登場している。このAIの転換点では、インフラストラクチャーの選択は存続の問題である。インフラストラクチャーは、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。インフラストラクチャーは、リソースの浪費を作り出すのではなく、効率と有効性を最大化する基盤を作成することである。

持続可能なインフラストラクチャーは、単にコストと総コンピューティング能力だけではなく、リソース効率、セキュリティ、可視性、価格性能比などの問題で定義される。企業は、AIワークロードをどこに、どのようにホストするかを決定する際には、これらの問題を考慮する必要がある。AIインフラストラクチャーは、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なければならない。

これは、過去のクラウド支出へのアプローチから大きな転換である。現在のAIラッシュ以前、企業は通常、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、代替クラウドが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が提供できる大量のコンピューティング能力が必要である。問題は、すべての力が過剰になることである。ハイパースケーラーの契約は、コストが高く、不要な機能で膨張しており、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地を提供できない可能性がある。

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利用して、自分のニーズに基づいて、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ることができる。こうすることで、企業は必要ない機能の代金を支払わなくて済み、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ー優先アプローチは、スケールのための安定した基盤を作成することである。最大の効率と有効性を実現することであり、力の犠牲は避けられる。

実験から応用へ

過去数年間、世界中のビジネスは、AIをどのようにして運用に組み込むかを実験してきた。好奇心と、ある程度のハイプによって推進されて、企業は革新の境界を押し広げ、効率の新たな可能性を解き放ち、数多くのオープンソースツールとモデルを高めた。しかし、企業は現実に直面し、シリコンバレーの「速く動き、ものを壊す」哲学は、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現実の応用段階に進んでおり、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フレームワークでコアビジネス機能を再構築する場合、創造的な実験から力の乗数になる「退屈な」部分に重点を置く必要がある。たとえば、以下のようなものがある：

• データセキュリティとプライバシー： 多くのAIモデルは、有効に動作するために、機密性の高い個人およびビジネスデータを使用する。企業は、データがセキュアにホストされ、未承認の複製や「ダークAI」への暴露のリスクがないことを保証する必要がある。
• モデルライフサイクル管理： モデルは正確で、最新で、定期的に再トレーニングされる必要がある。そうすれば、重要なビジネス機能をサポートできる。
• 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、パフォーマンスの一貫性を確保することは、効率と使いやすさに重要である。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ーレベルで解決される。

現在、37%の企業のみが、新しい生成モデルを毎月、毎週、または毎日展開している。企業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能力の需要も増加するが、特定のモデルに合わせたインフラストラクチャーの需要も増加する。軽量のモデルには、ハイパースケーラーレベルの基盤は必要ないが、機密情報を使用している場合は、セキュリティが必要になる。このため、カスタムクラウドが必要となる。

応用からスケールへ

ビジネス成熟度曲線のさらに先にある企業にとって、AIの実用的な応用はすでに日常の業務の一部である。現在、企業はこれらの応用をスケールアップして、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。AI成熟度の最高レベルの81%の企業は、過去1年間に財務実績が改善したと報告している。これは、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。企業は、制限された環境では機能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。最も重要な質問は、有意義な結果をもたらすことができるかということである。

スケールアップは、より大きなものにすることであるが、場合によっては、より小さなものにすることが必要である。企業は、ターゲット小言語モデル（SLM）が、汎用の大言語モデル（LLM）よりも優れている可能性があることを考慮する必要がある。AIイニシアチブは、実際のビジネス問題に結び付けられ、測定可能な成果をもたらすことができる場合に、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アップにも発生する。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、一定期間維持されたデータセットによって情報を得ている。実際に企業で影響を与えているのは、これらのエージェントである。ただし、専門化されたエージェントでも、実質的なコンピューティング能力が必要である。ただし、すべてをできるコパイロットほどの能力は必要ない。インフラストラクチャーに重点を置くことで、企業はAIエージェントイニシアチブから実際のROIを引き出せる。

インパクトのあるイノベーション

AI「レース」は、レースというよりは、改装である。企業を再建するのであれば、しっかりした基礎の上に再建したい。企業は、インフラストラクチャーについて、データの安全対策について、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、洞察を収集し、調整を行う時間を取る必要がある。実際に機能するソリューションを作成するには、忍耐力と執念が重要である。セキュリティを維持し、一貫したパフォーマンスを維持する。

AIハイプサイクルの新しさは消えつつあるが、企業は、結果が最も重要であることをチームに伝えることで、AIの中間期の難しい時期を乗り越えることができる。