ARMの機能によりIBMの包括的なAI自動化ポートフォリオが強化される

ARMの機能によりIBMの包括的なAI自動化ポートフォリオが強化される

Turbonomic の買収計画により、IBM はビジネスと IT 全体にわたって人工知能の自動化機能を提供できる世界で唯一の企業になります。

需要と供給の関係: 需要と供給の関係に関しては、物理的な物体の需要と供給の関係を理解するのは簡単です。ただし、今日のデジタル世界では、需要と供給は仮想製品の需要と供給を指す場合があります。つまり、組織は IT リソースの供給と IT リソースに対するユーザーの需要のバランスを確保する必要があります。アプリケーションは、ハイブリッド環境やマルチクラウド環境全体でアプリケーション パフォーマンスを効果的に管理しようと努力しながら、これらのツールの需要を生み出そうとする組織にとって、最大の悩みの種の 1 つです。この緊張関係により、IT 部門がトラブルシューティングに多くの時間を費やし、イノベーションの追求に十分な時間をかけられず、無駄な費用がかかったり、顧客対応時間が不十分になったりするなど、深刻な問題が発生する可能性があります。

アプリケーション リソース管理 (ARM) は、組織が提供する IT リソース (コンテナー、仮想マシン、サーバー、ストレージ、ネットワーク、データベースなど) を、それらのリソースを使用する必要があるアプリケーションと一致させることで、組織の効率を向上させることができます。 ARM は可視性を向上させ、洞察を提供し、アクションを自動化するため、組織は問題が発生する前にそれを防止し、トラブルシューティングに費やす時間と労力を最小限に抑え、従業員が時間の 50% を最も重要な作業に費やすことを可能にします。

ARM は AI 自動化の重要な部分です。これが、IBM が Turbonomic を買収する計画を立てている理由の 1 つです。 Turbonomic は、ARM およびネットワーク パフォーマンス管理ソフトウェア プロバイダーであり、既存の IBM パートナーです。 Turbonomic の買収計画により、IBM は組織全体のレベルで人工知能自動化機能を顧客に提供できる世界で唯一の企業となり、組織が AIOps からアプリケーション、インフラストラクチャに至るまでネットワーク全体を簡単に制御できるようになります。

この買収は顧客にとって素晴らしいニュースです。両社が協力し、適切なリソース管理の欠如によって生じる高い経済コストと従業員の生産性コストの削減を支援することになるからです。これは、Turbonomic テクノロジーにより、組織がいつでもどこでもアプリケーションのパフォーマンスを監視し、企業全体のすべてのアプリケーションのパフォーマンスと可用性をより効果的に管理できるようになるためです。

最近、IBM は一連の買収計画を発表しており、Turbonomic の買収もその 1 つです。これらの買収計画は、IBM の AI 自動化への投資だけでなく、より大規模なハイブリッド クラウドと AI 戦略の一環でもあります。

1. Turbonomic の機能は、IBM が最近買収した別の企業である Instana の機能を補完します。 Turbonomic、Instana、IBM Cloud Pak® for Watson AIOps の機能を組み合わせることで、クライアントは次のことが可能になります。

  • Instana を使用すると、アプリケーションとインフラストラクチャ スタック全体を可視化し、環境をリアルタイムで可視化できます。
  • Turbonomic で環境効率を最適化します。
  • Watson AIOps を使用して IT の可用性を自動化します。
  • さらに、これらの機能は Red Hat OpenShift をベースとしており、どのクラウドでも実行できます。

2. ParkMyCloud も Turbonomic の買収対象に含まれています。 ParkMyCloud は、組織がパブリック クラウドのコストやワークロードの開発およびテスト費用を簡単に削減できるようにするコスト最適化ツールです。

3. 5G テクノロジーを採用する組織が増えるにつれ、ワークロードをエッジに移行する方法も模索されています。 IBM は Turbonomic の製品を使用して、ネットワークにワークロードを配置する方法とタイミング、および 5G 環境で実行されるアプリケーションを最適化する方法をクライアントが理解できるように支援します。

AI 自動化ソリューションは、組織がデジタル世界で成功するのに役立ちます。 IBM の自動化ソリューションは、何千ものクライアントの IT およびビジネス プロセスの効率と従業員の生産性を向上させ、組織の成功に貢献してきたため、私はこのことを直接知っています。

ディネシュ・ニルマル

IBM グローバル オートメーション事業部 社長

元のブログリンク: https://www.ibm.com/cloud/blog/ibm-to-acquire-turbonomic

IBM の詳細については、 http://cloud..com/act/ibm2021q3/cloud#p2 をご覧ください。

<<:  IBM Cloud Pak for Data 4.0 で大規模なインテリジェント オートメーションを統合

>>:  企業で AI ストレージを導入する際に留意すべき 7 つのポイント

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

Dropbox のエンジニアがロスレス圧縮アルゴリズム「Pied Piper」を開発

Dropbox のエンジニアたちは世界をより良い場所にするために取り組んでおり、HBO のコメディー...

エージェントは迅速なエンジニアリングに使用されます

エージェントが現実世界での人間の行動を模倣する場合、それをプロンプトエンジニアリングに適用できますか...

...

製造業におけるAI: インテリジェントロボットには次の4つの機能が必要です

インテリジェントロボットはインテリジェント製品の代表的なものです。知能ロボットには、少なくとも以下の...

OpenAI研究者:データが不十分な場合に教師あり学習を実現する方法

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

人工知能は諜報機関の「大物」になると期待されている

諜報活動は私たちが想像するよりもはるかに退屈で複雑です。現在、米国の諜報機関は、手作業に代わる人工知...

XGBoost機械学習モデルの意思決定プロセス

XGBoost アルゴリズムは、Kaggle やその他のデータ サイエンス コンテストで優れた結果...

C# モザイク アルゴリズムの実装

視聴者の要望に応えて、今日は C# モザイク アルゴリズムの実装についてお話します。古いルール、理解...

AIがハイパフォーマンスコンピューティングから学べる7つの教訓

効果的な IT 組織は、ハイパフォーマンス コンピューティング (HPC) から教訓を得て、システム...

人工知能は二酸化炭素排出量のせいで制限されるのでしょうか?

AI にカーボン フットプリントがあることは驚くことではありません。カーボン フットプリントとは、...

テクノロジーリーダーはAIGCの長所と短所をどう評価しているか

AIGC は、現代の偉大な技術的進歩の 1 つとして広く認められています。 OpenAI の Cha...

...

Java で一般的に使用されているいくつかの暗号化アルゴリズムは、最も強力なハッカーでも解読できません。

シンプルな Java 暗号化アルゴリズムは次のとおりです。厳密に言えば、BASE は暗号化アルゴリズ...

...

コンテキスト化によって生成型AIの可能性を解き放つ方法

生成型人工知能 (GenAI) が驚異的なスピードで進歩するにつれ、その真の価値を活用したい企業にと...