ハイブリッド環境全体でのAIのリアルタイム・コンテキスト

Enterprise AIは急速に進歩していますが、ほとんどの組織は本番環境で使用するのに依然として苦労しています。企業がAIの実験から大規模にデプロイするにつれて、さまざまな課題が浮上します。

問題は、システムが答えを生成できるかどうかではなく、その答えが信頼でき、ビジネス内で使用できるかどうかです。同じ質問でも、アクセスされるデータ、チーム間で条件がどのように異なるか、またはビジネスの基盤となる状態がどのように変化したかによって、異なる成果が返される可能性があります。このような状況は今日のほとんどの企業環境に存在し、多くのAIイニシアチブが実際に運用される前に停滞する理由となっています。

AIシステムがコア・ビジネス・プロセスでの実行に近づくにつれて、AIシステムに対する期待も変化します。意思決定には、手作業による検証に頼らずに、最新かつ正確で、管理されたデータを反映する必要があります。

これを解決するために、IBMは独自に提供するAIのためのリアルタイム・コンテキストを提供します。それはつまり、AIシステムが推論または行動する瞬間に動的に適用されるアクセス・ポリシーとともに、最新の企業データ（その意味を含む）について共有され、管理された理解です。この機能は現在、watsonx.dataのContextを通じて利用可能で、ConfluentのReal-Time Context Engineと合わせて、ハイブリッド環境を横断し、オープンで相互運用可能なテクノロジーと管理されたデータ・インテリジェンスによってサポートされています。

watsonx.data intelligence内のConfluentからのリアルタイム・ストリーミングとエージェント機能が追加されたことで、watsonx.dataはハイブリッドなオープン・レイクハウスから、分散したデータ資産全体にコンテキストを提供するプラットフォームへと進化します。これによりAIシステムは、ビジネス全体に存在するエンタープライズ・データと一貫した方法で連携することができ、データ、意味、ガバナンス、リアルタイム・シグナルを接続して、何が起こっているかをより明確に理解した上でシステムを動作させることができます。

watsonx.dataとConfluentは連携し、多くの場合に企業全体で分断されている4つの機能を通じて、AIに新鮮なコンテキストを継続的に提供します。

watsonx.dataのコンテキストにより、AIシステムは、統合を必要とせずに分散環境全体で、構造化または非構造化、移動中または保存中の関連情報にアクセスし、それに基づいて行動することができます。カタログおよびメタデータ機能により、これらの環境全体での検出とキュレーションがさらにサポートされ、AIエージェントが常に適切なデータにアクセスできるようになります。

watsonx.data上のOpenRAGは、非構造化企業データをAIシステムが使用できる知識に変換するためのエンドツーエンドのソリューションです。文書処理のためのDocling、ハイブリッド取得のためのOpenSearch、エージェント型オーケストレーションのためのLangflowを統合することで、未加工のドキュメントをエージェントが必要とする信頼できるコンテキストに変換します。これにより、各タスクに適切な情報を組み立て、ソース全体に推論を適用し、ビジネスの実際の運営方法に基づいて応答を導き出します。その結果、回答の精度が上がり、価値実現までの時間が短縮され、企業の最も価値ある資産である自社データに基づいたAIが実現します。

ConfluentのData Streaming PlatformとReal-Time Context Engineは、エンタープライズ・データ・ストリームを構造化されたAI対応のコンテキストに継続的に変換し、モデル・コンテキスト・プロトコル（MCP）を通じてエージェントやアプリケーションに公開します。これにより、ストリーミングデータとAIの橋渡しをするために通常構築されるカスタムインフラストラクチャーチームが、組み込みの認証、ロールベースのアクセス制御、監査ロギングとガバナンスを含むフルマネージドサービスに置き換えられます。AIシステムはイベント駆動型になり、すでに古くなっている可能性のあるスナップショットではなく、ビジネスの現在の状態を反映するデータを推論します。

これにより、AI用のデータの準備に必要な時間と労力が削減され、意思決定にビジネスの最新の状態を反映させることができます。

AIが正しく機能するには、単にデータを取得するだけでなく、企業がデータをどのように定義し、管理しているかに基づいてデータを解釈する必要があります。AIのリアルタイム・コンテキストは、システムが推論または行動する瞬間に、共通の定義、データ品質シグナル、リネージュ、ガバナンスを適用します。これにより、アウトプットは一貫した定義に合わせて維持され、ポリシーが適用され、ビジネスの実際の運営方法が反映されます。4つの機能すべてがランタイムに連携すると、AIシステムは企業データをより完全かつ最新の状態に把握できるようになります。

サプライチェーンの例外処理を担当するAIシステムを考えてみましょう。正しく機能するためには、システム全体でインベントリーレベルがどのように定義されているかを理解し、優先順位付けのためのビジネス・ルールを適用し、ガバナンス・ポリシーを尊重し、混乱が発生したときに対応する必要があります。

リアルタイムのコンテキストにより、システムは共有定義を使用してフェデレーテッド・データを推論し、ランタイムにポリシーを適用し、出荷の遅延や需要の変化などのライブシグナルを組み込みます。意思決定には現在の状況とビジネス意図が反映されるため、手作業による検証が減り、状況が変化したときにより迅速で信頼性の高い対応が可能になります。

エンタープライズ・データは、クラウド、オンプレミス・システム、SaaSアプリケーション、運用データベースにまたがっており、長年の投資と規制によって形成されてきました。データの一元化に依存するアプローチでは、多くの場合、コスト、複雑さ、遅延が発生し、システム間で一貫してデータを解釈するという課題に対処できません。

watsonx.dataのコンテキストは、データ・アクセス、リアルタイム・ストリーミング、意味論的な理解、ガバナンスを単一のシステムに統合します。これにより、データが存在する場所でデータを処理しながら、ビジネス・コンテキストを環境全体に一貫して適用できます。

その成果として、組織は、一貫した意味、ポリシーの適用、システムの運用方法に組み込まれた最新状態の認識で、データを効果的に使用することに集中できます。

AIシステムがコア・ビジネス・プロセス内でより多くの責任を負うにつれて、期待も変化します。システムはもはや単に答えを生成するだけではなく、正しいデータを選択し、正しく解釈し、アクションを実行する前に適切かどうかを判断することが期待されています。

この基盤は、データ管理に対するよりエージェント型アプローチもサポートします。watsonx.data内で、IBMは現在、データエンジニアリング、リネージュ、品質、オペレーションに特化したエージェント、スキル、ツールを用いて、データ統合、インテリジェンス、管理にわたるエージェント型機能を提供しています。統合、修復、リネージュ分析、ワークロード・ルーティングなどのタスクを自動化できるため、データ・コンシューマーはデータを正しく解釈するだけでなく、それに基づいて行動できます。その成果は、同じフロー内で解釈から実行に移行できるため、すべてのステップで手動介入を必要とせずに実行できます。

AIにおけるリアルタイムのコンテキストが、この取り組みを確実なものにしています。これにより、システムは、ビジネスの制約の中で行動し、孤立したユースケースを超えて、企業全体で広範にAIを運用し始めるために必要な情報を得ることができます。

watsonx.dataはこちら