メインフレームにおけるAIの未来：メインフレーム主導のAIイノベーションに見る4つの道筋

「メインフレーム」という用語を聞いても、それがエンタープライズ・ビジネスのイノベーションに対する重要な貢献をしていることに、気づかない人がほとんどでしょう。生成AIをめぐる興奮の中で、メインフレームなどの、レガシーのITインフラストラクチャーは、その興奮の一部に加わっていないのではないかと、考えに至ることは容易いでしょう。

実際には、メインフレームは、次世代AIアクセラレーション・テクノロジーを最適化されたエコシステムと統合し、ビジネスとテクノロジーの機能を強化することで、イノベーションを推進する上で重要な役割を果たす体制が整っています。

振り返ってみると、メインフレームが60年以上にわたって継続的なイノベーションを推進してきたことは明らかです。最近のIBM Institute for Business Valueレポートによると、世界の銀行上位50行のうち43行と、決済企業上位10社のうち8社が、メインフレームをコア・プラットフォームとして活用しています。

金融、医療、官公庁・自治体など、大量のデータを扱う業界では、メインフレームと人工知能（AI）戦略との関連性が高まっています。実際、同IBVレポートによると、ITエグゼクティブの79％が、AI駆動型イノベーションと価値創造を実現するにはメインフレームが不可欠であると考えています。

同時に、こうしたビジネス・リーダーは、戦略的インフラストラクチャーを維持しながら、AIを既存のメインフレーム・プラットフォームの一部として統合し、貴重な洞察を活用し、タスクを自動化し、効率を高めることも検討しています。このアプローチは、AI駆動型の分析とオートメーションを通じて新しい機能を導入しながら、レガシー・システムの価値を最大化します。

今日のAIデプロイメントの多くでは、組織がデータをクラウドに移動する必要があります。しかし、機密性の高いデータを扱うために高速データ処理を利用する業種・業務にとって、AIの機能をデータが存在する場所に近づけることは、ビジネス上の大きなメリットをもたらします。

「重要なのは、効果的な場所にAIを導入することであり、2つの主な領域でこれは起こっています」と、IBM ZおよびLinuxONE上のAI担当、プリンシパル・ソリューション・アーキテクトであり、IBMのディスティングイッシュト・テクニカル・スペシャリストであるKhadija Souissiは述べています。

「当社はトランザクション・ワークロードにAIを導入することで、ビジネス・アプリケーションに関するリアルタイムの洞察を獲得し、より迅速な意思決定を実現し、クライアントが機密データを保護しながら生成AIソリューションを採用するインテリジェントなアプリケーションを継続的に作成できるようにします。さらに、メインフレームのオペレーティング・システムとサブシステムでAIを使用して、インテリジェントなインフラストラクチャーを構築しています。これは、今後のワークロードを予測して必要なリソースを事前に準備するのに役立ちます。また、システム・オペレーションの異常を検出して、システム停止を予測し、システムのパフォーマンスに関連する実行可能な洞察を抽出するために役立ちます。

メインフレームは、世界の本番環境のITワークロードの約70%を処理し、その安定性、高いセキュリティ、拡張性によって信頼されています。現在、オンチップAIアクセラレータは、非常に低い遅延レートで毎秒数百万の推論リクエストをスケーリングおよび処理できます。この機能により、組織は大規模なデータセット、AI、重要なビジネス・アプリケーションを戦略的に同じ場所に配置することで、データとトランザクションのグラビティを活用できます。将来的には、次世代アクセラレーターは、組織のニーズの拡大に応じて、AIの機能とユースケースを拡大する新たな機会を切り開くでしょう。

従来型のAIと生成AIモデルは、現代の企業の定義と形成をサポートしています。ミッションクリティカルなトランザクションのユースケースでは、機械学習、ディープラーニング、および生成AI機能が必要であり、場合によってはアンサンブル・アーキテクチャで連携して、より優れたビジネス成果を実現します。

メインフレームでは、複数のモデル・アーキテクチャーそれぞれが持つ多様な強みを活かして、より堅固で正確かつ柔軟な意思決定が可能になります。

まず従来のAIについて見てみると、これらのモデルは一般的に、あらかじめ定義されたルールを適用してデータを分析し、特定のパターンに基づいて意思決定を行います。例として、インベントリー管理を目的とした需要予測や、顧客の履歴データに基づく与信決定などがあります。

AIの進化は、大規模言語モデル（LLM）などの新しい概念によって特徴づけられます。LLMとは、膨大な量のデータでトレーニングされた高度なAIモデルで、自然言語を理解し、人間のようなテキストを生成し、言語を翻訳し、質問に答え、コードを記述し、さらには会話を行うことさえできます。

コンテンツを生成するLLMは通常、デコーダー・モデルと呼ばれ、生成AIで使用されます。この機能は、ユーザーの問い合わせやコンテキストに基づいて、パーソナライズされたカスタマー・サービスにおける応答を提供するチャットボットに見られます。

エンコーダー・モデルは、自然言語の理解と非構造化テキストの処理に優れ、重要な情報の抽出に重点を置いた別のタイプのLLMです。デコーダー・モデルはこの機能において共通していますが、新しいコンテンツの生成にも優れています。

マルチモデル・アーキテクチャは、従来のAIやLLMエンコーダー・モデルなどのさまざまなAIテクノロジーを統合するハイブリッド・コンセプトであり、メインフレームの膨大な処理能力とデータ・ストレージ機能を活用して、単一のモデルだけでは実現できないほど高速で正確な成果を実現します。

たとえば、保険金請求処理では、従来のAIが構造化データの初期解析を実行し、エンコーダーLLMがより複雑な非構造化データを処理して、より詳細な洞察を得て、それに応じて請求を処理できます。

自動車事故での保険請求を例に挙げてみましょう。従来のAIは、構造化データ（警察への報告書、運転免許証、登録情報など）の自動処理を提供します。生成AIはさらに一歩進んで、非構造化データ（怪我や車両損傷に関するテキストや画像など）から洞察を抽出し、優先順位を付け、その請求の緊急性に応じた対応をサポートします。

最近、IBMは近日発売予定のIBM® Telum IIプロセッサーとIBM Spyre™ Acceleratorを発表しました。これらのテクノロジーは、企業がIBM® Zシステム全体で処理能力を拡張し、従来のAIモデル、大規模言語のAIモデル、および複数のモデル・アーキテクチャーの使用を加速できるように設計されています。

Spyre Acceleratorカードを使用することで、IBM ZとLinuxOneシステムは、これまでよりもさらに大規模に、LLMと生成AIのAI推論を実行できるようになります。

ここでは、組織がこれらのAIテクノロジーを使用してビジネスのイノベーションを推進し、オペレーションを改善し、生成AIのワークロードを高速化する方法を示す4つのユースケースを紹介します。

不正なクレジットカード取引による金銭的損失は、財務的損害および評判の悪化を引き起こします。ニルソン・レポートによると、世界におけるクレジットカードによる損失額は2026年までに430億米ドルに達すると予想されています。¹

IBMの社内事例では、北米の大手銀行がAI搭載のクレジットスコアリング・モデルを開発し、オンプレミス・クラウド・プラットフォームに導入して不正対策に役立てていたことが示されました。しかし、リアルタイムでスコアリングできたのは、クレジットカード取引のわずか20%でした。銀行は複雑な不正検知ツールをメインフレームに移行することを決定しました。

メインフレームの導入後、同銀行はクレジットカード取引の100％をリアルタイムでスコアリングするようになり、1秒あたり15,000件のトランザクションを処理することで、強力な不正アクセス検知を獲得しました。

さらに、以前は80ミリ秒かかっていた各トランザクションのスコアリングが、メインフレームによってレイテンシーが短縮されたことで、応答時間が2ミリ秒以内に実行されるようになりました。また同銀行は、メインフレームへの移行によって、サービスレベル契約に影響を与えることなく、不正防止に対する年間支出を2,000万米ドル以上節約することができました。

メインフレームはクレジットカード取引に不可欠であり、世界中の取引の90%を処理しています。²今では、金融機関は引き続きメインフレームを利用しながら、AIを統合して取引が成立する前に不正行為を検出できるようになりました。これにより、クラウド環境に移行する代わりに、すでに保存されている大量の取引データに依拠できます。

Forbes誌によると、ITダウンタイムの平均コストは、大規模組織では1分あたり9,000米ドル、高リスク企業では1時間あたり500万米ドルを超える可能性があります。 ³

幸いなことに、組織はAIを使用して、機器の故障による停止を事前に防止したり、さらには予測したりできるようになりました。AIメカニズムを適用することで、組織はトランザクション、アプリケーション、サブシステムおよびシステムのレベルで異常を検知できます。たとえば、センサーはメインフレームのコンポーネントからのデータを解析し、潜在的なハードウェア障害を予測し、予防保守を可能にします。

メインフレームをクラウドや分散システムなどの新しいテクノロジーと統合すると、ITインフラストラクチャーやアプリケーション・チームに複雑性がもたらされる可能性があります。IT運用のための人工知能（AIOps）、つまりITインフラストラクチャと運用ワークフローを自動化、合理化、最適化するためにAI機能を適用することに注目する組織が増加しています。AIOpsは、IT運用チームが速度低下や停止に迅速に対応できるように、優れた可視性とコンテキストを提供します。

機密データを扱う組織にとって、データのプライバシーは最重要事項です。この点を理由として、医療などの業界は、ワークロードの分離、高度なデータ暗号化、安全な通信プロトコルなど、メインフレームの堅牢なセキュリティー機能に依存し続けています。

メインフレームで文書を処理することで、安全性の高い環境で正確なデータ抽出を効率化および提供できます。組織は生成AIを使用して、財務文書やビジネス・レポートを要約し、主要なデータポイント（財務メトリクスや業績指標など）を抽出し、コンプライアンス・プロセス（財務監査など）に不可欠な情報を特定できます。

別の例として、官公庁・自治体は生成AIを使用して、高度な画像処理技術と各貨物に関連するテキスト説明の解析を通じて、不審な貨物の通関検査を改善できます。

メインフレームにおける最大の課題の1つは、COBOLで記述されたレガシー・アプリケーションをより現代的なプログラミング言語に移行することです。なぜこのような課題が存在するのでしょうか。これは主に、テクノロジー系の労働力の世代交代によるもので、新しい開発者は教育期間中にJavaやPythonなどの言語のスキルを習得している一方、ベテランの専門家の多くは古い技術にも依然として精通しています。

COBOLはすぐに廃止されるわけではなく、今でも銀行や官公庁・自治体などの分野で多くの重要なビジネス・システムを支えています。ロイターによると、銀行システムの43%がCOBOLで構築されており、現在2,200億行のCOBOLが使用されています。⁴

メインフレーム上のバーチャルアシスタントは、開発者のスキル・ギャップを埋めるために役立ちます。IBM® watsonx Code Assistant™ for Zなどのツールは、生成AIを使用して既存のCOBOLアプリケーションを分析、理解、最新化します。この機能により、開発者はCOBOLコードをJavaなどの言語に翻訳できます。また、レガシーCOBOLシステムの機能を維持しながら、アプリケーションのモダナイゼーションを加速します。

Watsonx Code Assistant for Zの機能には、コードの説明、自動リファクタリング、コードの最適化のアドバイスが含まれており、開発者による古いCOBOLアプリケーションの保守や更新を容易にします。

数十年にわたってメインフレームは進化してきましたが、次世代AIがもたらす機会に応えるために、メインフレームは進化し続けています。Telum IIプロセッサーとSpyre Acceleratorカードの導入は、組織がビジネス価値を解き放ち、新たな競争上の優位性を生み出す機会を提供します。

「今日、メインフレームは単なるトランザクション・プラットフォームではなく、企業がAI導入に乗り出すにあたって、有意義な価値を提供し、進化を続けるAIプラットフォームです」とKhadija Soulissi氏は述べています。