RFPとチャットボットを超えて：AIがITインフラストラクチャとオペレーションを最適化する方法

今日、人工知能（AI）に関する大きなニュースのほとんどは、新しい最先端の生成 AIアプリケーションの開発に関するものです。学生の論文執筆を手伝ったり、RFPを数秒で記入したり、（不十分な）法的訴訟の準備を行ったりと、その成功と失敗は方々で文書化されています。

しかし、もっと単調なタスクの場合はどうでしょうか。一部の組織では、ITインフラストラクチャーとオペレーションの側面を自動化するためにAIを導入する実験を行っており、これにより貴重な人間の専門性を他のことに専念できるようになります。

「生成 AIは、多くの現代の企業が収益を上げるために新しいデジタル製品を構築する方法の中核を成しています」と、 IBM Institute for Business Valueのグローバル・リサーチ・リーダーであるRichard Warrickは述べています。「しかし、同じテクノロジーにより、アプリケーションの設計、デプロイ、管理、監視に必要なビジネス・プロセスが根本的に変わる可能性があるとしたらどうでしょうか？」

データ・センターのプロビジョニングやDevOpsなどのリソースを大量に消費するプロセスのオートメーションから、オンサイトのセキュリティー担当者の置き換えまで、インテリジェントなAIオートメーションがITインフラストラクチャーとオペレーションをどのように変革しているかをご紹介します。

AIが最初にビジネス目的で検討されたとき、それまで人間のインプットが必要だった反復的なタスクを自動化するAIの機能は、最も価値のある用途と考えられていました。生成AIとその多くの機能の台頭により、その概念は滑稽なほど古くなっているように思えます。しかし、AIで自動化できるタスクの性質が変わったとしても、オートメーション自体の根本的な価値は変わっていません。

IBVの最近の調査によると、経営幹部の80%が今後3年間でITネットワーク・オペレーションを自動化し、76%が同じ期間でITオペレーションに同じAIスキルを適用する予定です。

「AIを活用したインテリジェントなワークフローとIT自動化ツールは、ビジネス・リーダーがパフォーマンスの観点から競争上の優位性を獲得する上で役立っており、そういった優位性は、以前は獲得できなかったものでした」とWarrickは言います。

10年前、AIはルールベースのシンプルなプロセス、つまりルールベースの自動化と呼ばれるスキルを実行するために使用されていました。初期のルールベースAIの例には、ロボット・アームの操作や工場の組立ラインなどがあります。ルールベースAIツールは特定の分野では効果的でしたが、より広範なビジネス問題に適用できる柔軟性と拡張性に欠けていました。ルールベースのシステムは、事前に定義された一連のルールに依存していました。実行するように求められるタスクが複雑になるにつれて、システムが機能するために必要なルールの数も増え、最終的にはスケーラブルではないシステムができあがりました。

1990年代、科学者は大量のデータを使用して、人間の脳に似た方法で結論を導き出す方法を「学習」できるコンピューター・プログラムを開発し始めました。機械学習（ML）として知られるこのAIの分野により、音声や手書きの認識、複雑なゲームプレイ、さらには医療診断の支援機能など、ますます複雑なタスクに取り組むことができるようになりました。

2010年代に人気を博した機械学習のサブセットであるディープラーニングは、AIシステムが処理できる複雑さをまったく新しいレベルに引き上げました。多層ニューラル・ネットワークのトレーニングにより、ディープラーニング・プログラムは人間の脳が意思決定を行う複雑で微妙な方法をシミュレートし、AIが人間と同じようにアプリケーションを構築し、画像や動画を解釈し、音声やテキストのプロンプトに応答することさえ可能になりました。

今日、MLとディープラーニングによって、AIオートメーションは、シンプルなルールベースのプロセスから、大規模なデータ・セットでトレーニングされた機能豊富で洗練されたモデルへと進化し、人間と同じタスクの多くを実行できるようになりました。「インテリジェントな自動化」と呼ばれるこの新しいAIツールの波は、ビジネス・オペレーションを合理化し、データを分析し、これまでは人間の対応を必要としていた複雑な問題を解決することで、組織のITインフラストラクチャーと運用の改善に役立っています。

現代の企業では、最も優秀でテクノロジーに精通した人材が、最大のビジネス価値をもたらす可能性のある取り組みに集中することが必要とされています。そして現在、その取り組みとは生成AIアプリケーションの開発を意味します。IBVの別の調査によると、CEOの64％が、投資家、債権者、貸し手から生成AIの導入を急ぐようプレッシャーを感じていると報告し、半数超が従業員から同様のプレッシャーを感じていると答えています。

しかし、生成AIのアプリケーションでは、膨大な量のデータの収集、処理、安全なストレージを推進するために、複雑なインフラストラクチャのサポートが必要です。以前は、その責任はITマネージャー、エンジニア、データ・サイエンティストのチームにかかっていましたが、もしAIによってそれを実現できるとしたらどうでしょうか。

インテリジェントなAIオートメーションは、コンピューター・ビジョン、自然言語処理（NLP）、その他の高度なAIテクノロジーのような専門スキルの力を活用し、非常に複雑なビジネス問題を解決します。機械学習（ML）とディープラーニングを使用して大規模なデータセットでトレーニングされたAIモデルは、アプリケーションとシステムからのデータを分析し、パターンを迅速に識別し、問題が発生する前にそれに応じてリソースとプロセスを調整できます。

コンピューター・ビジョンは、人間の脳のように画像や動画を解釈するAIです。AIモデルは、MLとディープラーニングを使用してデータを繰り返し分析し、最終的に画像や動画の関連する違いを特定します。たとえば、家の安全を確保するために学習させるAIモデルは、侵入者と思われる人物を認識することを学習できるように、何千時間ものホームセキュリティ映像で学習させる必要があります。

ITインフラストラクチャーでは、予知保全、システム監視、データ・ストリーム処理など、以前は人間のインプットが必要だった、以下のようなさまざまなタスクにコンピューター・ビジョンが使用されています。

• 予知保全：特別に訓練されたコンピューター・ビジョン・システムが、画像認識アルゴリズムを使用して、ネットワークがダウンタイムに陥る前にケーブルやサーバーなどの物理コンポーネントの問題を検出する。

• システム監視：コンピューター・ビジョンは、多様なソースからの大量のデータを、人間よりもはるかに速く正確に分析できる。地下鉄のトンネルや高速道路、ビルのカメラアングル調査は、人間なら何時間もかかるが、コンピューター・ビジョン・システムはリアルタイムで実行できる。

• データ・ストリーム処理：コンピューター・ビジョン・システムは、温度、湿度、風速などの主要なメトリクスを追跡する物理センサーから配信される膨大な量のデータを処理・分析する。コンピューター・ビジョンに依存して急激な条件の変化を検知すると、多くの場合、組織はすぐに問題の警告を受け取る。

自然言語処理（NLP）は、コンピューターが人間の言語を理解し、それを使ってコミュニケーションを取れるようにトレーニングする方法に焦点を当てたAIの分野です。NLPは、システムが人間の音声を認識、理解し、プロンプトに応じてテキストを生成するのに役立ちます。

最近、NLPは、質問やプロンプトに応じて人間のようなテキストを理解・生成できる画期的なチャットボットであるChatGPTの開発とリリースに重要な役割を果たしました。

ITのインフラストラクチャーおよびオペレーションにおいて、NLPは、ユーザーエクスペリエンスの改善、チケットの解決、感情分析など、これまで人間によるインプットが必要だったさまざまなタスクで組織を支援します。

• ユーザー体験：NLPを使用すると、ユーザーは複雑なIT問題について、カスタマー・サービスの担当者と同じ話し方で質問し、有益な回答を受けとることができる。膨大な量の技術的知識に基づいてトレーニングされ、NLPスキルを備えたチャットボットは、長年にわたって習得した技術的知識を持つカスタマー・サービス担当者に取って代わることができる。

• チケットの解決：AI NLPシステムは、受信したチケットを分析し、重要度とタイプごとに正確に優先順位を付けて分類できる。AIシステム自体が問題を解決したり、必要に応じて人間の介入を求めたり、その他の適切な行動を取るようにトレーニングすることもできる。

• 感情分析：NLPシステムは、ユーザーからのフィードバック、アンケート、さらにはソーシャルメディアの投稿に対して感情分析を実施し、回答の背後にある感情を正確に推しはかり、改善点を特定することができる。さらに、NLPシステムは、専門的な技術情報を整理し、組織全体でのドキュメント作成やIT知識の共有を改善する際に役立つ。

ITインフラとオペレーションにインテリジェントなAIオートメーションを適用することで、IT管理者がシステムを監視・最適化し、重要なリソースを割り当てる方法は大きく変わります。ここでは、テクノロジーがプロセスの変革、コスト削減、企業の中核的プラクティスに対する有意義な洞察の特定に役立っている分野の例を4つ紹介します。

AIはデータのパターンを見つけることに非常に長けているため、企業のデータ・センターを毎日流れる大量のデータの分析に最適です。データ・センターのオペレーターは、データのパターンを特定し、 デジタル変革の取り組みにおける投資収益率（ROI）を向上させるための重要な部分である自動化とプロセスの合理化の機会を特定するために、AIを採用し始めています。

AIがすでにデータ・センターのオペレーションを改善している分野のひとつに、エネルギー利用があります。AIシステムは、冷房システムを監視し、動的に調整し、電力消費を管理することで、企業が数百万ドルを節約できるようサポートしています。あるケースでは、データ・センターの光熱費を40%削減しました。

AIは、データの収集、保存、処理中にデータの整合性とセキュリティを維持するプロセスであるデータ・ガバナンスの側面を自動化するために、その利用が拡大しています。生成AIの台頭により、企業はこれまでよりもはるかに多くのデータを収集し、管理する必要があることに気づき始めています。必要なデータはある場所で収集され、別の場所で保管・処理されることが多いため、適用法の遵守を維持することに困難が伴う場合があります。AIシステムはコンプライアンス・プロセスの特定の側面を自動化し、人間のインプットなしで法律や規制に基づいて更新することで、プロセス全体を効率的かつ安全にしています。

AIは、ITオペレーションの一側面であるオブザーバビリティーにおいてますます重要な役割を果たしており、組織がシステムの出力に基づいて複雑なシステムの状態を理解する際に役立っています。オブザーバビリティーは、サーバー、アプリケーション、ネットワーク・デバイスなどを含む、さまざまなインフラストラクチャー・コンポーネントに適用できます。

オブザーバビリティーの目的のためにトレーニングされたAIモデルは、これらのシステムからのデータを監視し、エラーや非効率性がないか分析します。一部のAIシステムでは、高度にインテリジェントなAIオートメーションを使用することで、アプリケーションの可用性、性能、セキュリティーに影響を与える前に特定の問題の根本原因を正確に特定し、適切な措置を講じることさえできます。

AIは、システムとアプリケーションのパフォーマンスと可用性を監視するだけでなく、ハードウェアとソフトウェアのリソースをシステムやユーザーが利用できるようにするプロセスであるプロビジョニングも変革しています。現在、高度なAIシステムはプロビジョニングを自動化し、企業がクラウド・コンピューティングのリソースをより効率的に割り当てるのに役立っています。これにより、マシンがアイドル状態になったり、全体的なパフォーマンスが低下したりすることがないようにしています。プロビジョニングのプロセスにおけるインテリジェントなAIオートメーションの市場機会は注目に値します。Flexera社の業界レポートによると、クラウドの支出の32％以上が不十分なプロビジョニングに浪費されています。¹

AIシステムは、コーダーとIT運用の間のギャップを埋めるソフトウェア開発手法であるDevOpsを改善するために使用されています。一部の企業は、AIを使用してソフトウェア・テストを自動化し、開発の迅速化に取り組んでいます。また、パイプライン・データを分析し、リソース割り当てを改善するためにAIアルゴリズムを導入している企業もあります。さらに他の企業でも、コードの作成、テスト、バグの特定、さらには潜在的な修正の提案に至るまで、生成AIへの依存度が高まっています。

IBMフェローのKyle Brownによると、AIはDevOpsの特定の側面だけでなく、プラットフォーム全体を自動化するために使用されています。「今日では、完全に構成主導型で自動化された共通のAI DevOpsプラットフォームを実装できます」と彼は言います。「開発チームが何に取り組んでいても、これらのプラットフォームのいずれかで開発すれば、企業が設定したガイドラインへの準拠が担保されます」

生成AIとそのビジネス・アプリケーションの可能性は依然として大きく取り上げられているかもしれませんが、ITを支えるシステムやプロセスにAIを適用している組織は、コストを削減し、時代遅れのシステムやプロセスを変革する新しい方法を見つけ出しています。プロビジョニング、コンプライアンス、ソフトウェア・テストのようなリソースを大量に消費するタスクの自動化から、複雑なシステムへの侵入の監視やリアルタイムの洞察を目的とした大規模なデータセットのスコアリングに至るまで、この分野におけるイノベーションの可能性は無限です。

最新のAI ITインフラストラクチャーおよびオペレーション・ソリューション（AIOpsソリューション）は、プロセスを自動化し、システムとアプリケーションの性能と健全性に関する強力な洞察を提供する、AI搭載の総合的な統合ツール・セットを提供します。「このような最新ツールは、ITオペレーション・チームにとって天の恵みです」とBrown氏は言います。「1つの分野だけを取り上げてみましょう。たとえば計画立案では、インテリジェントなAIオートメーションにより、ハードウェアや追加リソースへの計画支出が半分に削減されることがわかりました」