クラウドコンピューティングと人工知能が、先進的な企業に前例のない機会を生み出す方法

近年、ますます大規模なデータセットを処理するために SaaS (サービスとしてのソフトウェア) モデルを使用する企業が増えており、エンタープライズ クラウドの導入が加速しています。現在、大手企業は、クラウドがデータ処理以上の機能、つまりビジネスと収益の成長を促進できることに気づき始めています。特に、人工知能と機械学習の継続的な進歩により、企業がデータの力を活用するための新たな機会が生まれており、クラウドはそのデータにアクセスするために必要なツールを提供します。

初期の認知的誤解を克服する

2015 年当時、多くの企業が「ビッグデータ」の可能性を実現するための最初の試みとして、大規模なオンプレミス データ レイクを構築しました。その主な目的は、企業内のすべてのデータを統合し、生データ（ソース システム データの正確なコピー）をレポート、視覚化、分析、機械学習などのさまざまなタスクのターゲット データに変換することです。データ レイク内のデータには、構造化データ (リレーショナル データベース データ)、半構造化データ (CSV、XML、JSON など)、非構造化データ (電子メール、ドキュメント、PDF)、バイナリ データ (画像、音声、ビデオ) が含まれており、あらゆる形式のデータに対応する集中型データ ストレージを形成します。

しかし、多くの企業では初期の AI 技術が有意義な分析情報を得るために必要としたコンピューティング リソースが不足していたため、複数の形式で保存された情報の集中リポジトリは、データの墓場になることがよくありました。たとえば、画像のグラフィック処理だけでも非常にコストがかかります。

当時、クラウド プラットフォームの AI 機能は、企業がデータ集約型の ML プロジェクトをクラウド環境に移行するよう促すほど成熟していませんでした。大いに期待されていたビッグデータの可能性は凍結されているようだ。幸いなことに、これは一時的なものです。

スケーラビリティを実現

最近、クラウド データ ウェアハウスの登場により、企業はストレージとパフォーマンスの点でスケーラブルなデータ構造をモデル化できるようになりました。主要なクラウド コンピューティング プロバイダーは現在、2017 年にリリースされた Amazon AWS SageMaker など、モデル開発、ホスティング、機械学習運用 (MLOps) を含む製品スイートを提供しています。

さらに、クラウド ベンダーは、事前にトレーニングされており、既存のアプリケーションに簡単に統合できる、自然言語処理 (NLP)、予測、コンピューター ビジョン用の AI API を提供しています。

リーダーに従う

今後数年間、クラウド コンピューティング分野の大手企業は、5G、エッジ コンピューティング、グリッド コンピューティング テクノロジーに重点を置いて、コンピューティング機能を拡大し続けるでしょう。これらの投資において、リーダーたちは主要なテクノロジー、特に人工知能をクラウドと組み合わせています。この戦略的決定には多くの理由があります。クラウド AI ツールの拡大により、製品チームは開発コストと市場投入までの時間を大幅に削減できるようになり、革新的なビジネスに新たな可能性が生まれます。

固定されたビジネス プロセスに AI 機能を割り当てるフレームワークである E-IQ (Enterprise IQ) に依存して、認識、決定、アクション、相互作用、適応という 5 つの柱を含む AI の使用事例の可能性を明らかにします。 E-IQ は、企業がアジャイル AI 配信モデルとリファレンス アーキテクチャを使用してクラウド コンピューティング プロジェクトに備えるためのロードマップを構築するのにも役立ちます。

ユースケースとそれをサポートする技術的成果物が特定されたら、独自のモデルアプローチを導入することで、AWS SageMaker やその他の関連するクラウドインテリジェンスツールなどのツールへのモデルの移行を加速できます。

モデルに「古さ」や「ドリフト」が現れないように、堅牢な MLOps (機械学習オペレーション) フレームワークがオンボーディングとガバナンスをガイドし、計算の最適化とモデルの定期的な再調整を可能にします。

AI は、規制当局がますます厳しい検証要件を課すにつれて、意思決定を導くために複雑なモデルにますます依存するようになっている金融サービスなどの規制の厳しい業界で特に役立ちます。モデルのテストと検証にスマートなアプローチを使用すると、内部のモデル検証チームがモデルを効果的にバックアップできるようになり、時間を節約し、プロセスにおける規制遵守を確保できます。

未来を垣間見る

次のユースケースは、AI とクラウドを組み合わせた場合の影響の多くを示しています。 AI とクラウド コンピューティングの動的な組み合わせを活用することで、企業は次のようなさまざまな目標を達成する準備を進めています。

新たな収益源: 医療機関は、ML モデルに関連するデータをクラウドに移行し、コストを最適化できるだけでなく、モデル予測を収益化できるようになりました。この場合、顧客には研究機関が含まれ、独自のモデルを構築するために必要なデータ収集と集約のプロセスを回避し、代わりにデータ ソースから直接結果を購入して研究を加速することができます。彼らが支払う料金は、医療機関が負担するモデル開発コストをカバーします。

顧客体験の向上: クラウドベースの AI テクノロジーは、タクシーサービスから電子商取引ストアまで、さまざまな企業の顧客体験の向上につながります。前者の場合、AI推奨エンジンを搭載したタクシーの表示画面は、クラウドナレッジグラフを通じて構築された目的地や映画の推奨に基づいて、乗客にパーソナライズされたサービスを表示できます。

戦略的な成果を形作る: クラウド AI の助けを借りて、CFO は内部および外部のデータから得たインテリジェンスを財務計画プロセスに取り入れ、収益増加のための推奨事項を作成できます。同様に、CMO はさまざまな製品カテゴリにわたってマーケティング費用を最適化し、ROI を最大化する戦略を特定できます。総勘定元帳/企業資源計画システムからのデータのみに依存している経営者にとって、このレベルの洞察を得ることは困難です。

自律性: クラウド AI プラットフォームは、インテリジェントな自動化 (自動化のアップグレードである自律性) を実現できるため、さまざまな社内ビジネス プロセスに関連する効率が大幅に向上します。たとえば、モバイル アプリは API を呼び出してクラウドに保存されているドキュメントから情報を抽出し、HR オンボーディングを変革して、管理タスクの完了時間を数日から数分に短縮できます。

クラウドに AI を導入した企業は、すでに上記の成果すべてとその他多くの成果を実現しています。

クラウド コンピューティングと人工知能/機械学習のテクノロジーが進歩し続けるにつれて、これら 2 つのテクノロジーの相乗効果により、革新的な企業に大きな競争上の優位性がもたらされ続けるでしょう。これらの競争上の優位性により、この分野のリーダーは、後れを取っている同業他社との間に大きな差をつけることができるようになります。