ソブリンAI実現に向けて再び立ちはだかる「旧来の課題」 データ・インフラ・モデルの自由度をどう保つか
第1回では、AI主権がなぜ企業の経営課題として注目されているのかについて解説しました。主権性を確保したAI活用、いわゆる「ソブリンAI」の実現を目指す企業の前に、今、再び立ちはだかっているのが「旧来の課題」です。
AIエージェントを導入したものの、社内データと十分に連携できない。特定のクラウドサービス上で構築したAI環境から抜け出せない。新しいAIモデルを試したくても、既存システムとの整合性が取れず移行できない――。こうした問題の多くは、AIモデルそのものではなく、AIが機能する環境に起因しています。根にあるのは、AIブーム以前から企業のITシステムが抱えてきたデータの「サイロ化」と、特定の環境や技術への「ロックイン」です。AIの価値がデータで決まり、モデルやインフラが急速に進化する今、この2つが改めてAI活用の足かせになっています。
では、データ・インフラ・モデルの自由度を保ち、主権性を確保するにはどうすればよいのでしょうか。今回はこれら3つについて、旧来の課題がそれぞれどう表れるのかと、その解決策を見ていきます。
データを「持っている」と「使える」は別の話
企業がAI活用を進める上で、最も重要な資産は何でしょうか。AIモデルやGPUを思い浮かべる人も多いかもしれません。しかし、それら以上に、企業の競争力を左右するのは「信頼できるデータに必要な時に迅速にアクセスできるかどうか」です。なぜなら、AIモデルそのものは急速にコモディティ化しつつあるからです。
今や、米Anthropicの「Claude」や米Googleの「Gemini」、米OpenAIの「GPT」など多様なAIモデルが利用可能になり、中国の先進企業や米Metaなどをはじめとして高性能なオープンウェイトモデルを提供する企業も増えています。その結果、企業の差別化要因は「どのモデルを使うか」から、「どのデータを使うか」へと移りつつあります。
例えば、顧客との過去のやり取り、社内ナレッジ、製品情報、保守履歴、購買データなどは企業ごとに異なります。同じAIモデルを利用したとしても、参照するデータが違えば得られる結果も大きく変わります。
数年前から注目されているRAG(Retrieval-Augmented Generation)はその代表例です。RAGでは、AIモデルが企業固有のデータを参照しながら回答を生成します。そのため、どれだけ高性能なモデルを導入しても、必要なデータへアクセスできなければ十分な価値は生まれません。
実際、企業のAI活用が進むにつれて課題になっているのは、AIモデルの性能ではなく、必要なデータへ適切にアクセスできるかどうかです。データが部門ごとに分散していたり、異なるクラウドやオンプレミス環境に散在していたりすると、AIは十分な能力を発揮できません。
そのため近年は、データそのものを一元的に管理するのではなく、データがどこに存在していても統一的に活用できる基盤への関心が高まっています。例えば、筆者が所属するClouderaは「Apache Iceberg」などのオープンフォーマットを活用し、オンプレミス環境やマルチクラウドに分散したデータを統合的に管理する仕組みを提供しています。
企業内に散在するデータを安全にAIに連携するためには、「そのデータがどこから来て、どう加工されたか」を可視化するデータリネージの確保も重要です。リネージによってデータの出自とポリシーが明確化されて初めて、企業は断片化されたデータを1つの信頼できる「ファクト」として扱えるようになります。
さらに、企業内で多くのAIエージェントが稼働する時代になると、この重要性は一段と高まります。在庫情報が古ければエージェントが誤った発注を行うかもしれません。顧客情報が更新されていなければ適切な提案ができないかもしれません。つまりAI時代には、「データを持っていること」と「データを使えること」は全く別の話になります。
筆者は、単にデータを所有するだけでデータ主権(国や企業が自身のデータを管理する権利や、それを確保できている状態)を実現できるとは思っていません。データの所在を把握し、必要なときに利用でき、将来的に環境が変わっても自由に移動・活用できる状態を目指すべきです。
インフラは「どれを使うか」より「どこでも使えるか」
次に重要になるのがAIを稼働させるインフラです。企業のAI活用を巡る議論では、「クラウドかオンプレミスか」という二項対立で語られることがあります。しかし実際の企業環境はそれほど単純ではありません。多くの企業は、既存のオンプレミス環境、複数のクラウドサービス、エッジ環境などを組み合わせて運用しています。
AI活用も同様です。例えば、機密性の高い顧客データはオンプレミスやプライベートクラウドに保持しながら、大規模なAI学習処理にはパブリッククラウド上のGPU環境を利用したいというケースがあります。また、推論処理については、遅延や通信コストの観点から工場や店舗などのエッジ環境で実行したい場合もあります。こうしたニーズは今後ますます増えていくでしょう。
その中で問題になるのが、特定の環境への過度な依存です。あるクラウドサービスに最適化し過ぎた結果、別の環境へ移行できなくなる。特定のサービス終了や料金変更の影響を大きく受ける。あるいは新たな規制要件に対応できなくなる。こうした状態は、企業の選択肢を狭めてしまいます。
AIの稼働環境を特定のプラットフォームに限定するのではなく、将来にわたって環境を選択できる自由を維持することが重要ではないでしょうか。
AIエージェント時代に重要になる「モデル選択の自由」
データやAIインフラを自社で効果的に利用できる状態を確保した上で、やはりAIモデル選択の自由度も確保しなければなりません。
最先端モデルの進化はとどまるところを知らず、オープンモデルも急速に進化しています。さらに業界特化型モデルや小規模モデルも次々と登場しており、企業は既に多くの選択肢を手にしています。こうした状況では、「どのモデルを採用するか」よりも、「必要に応じてモデルを変更できるか」の方が重要になります。
しかし実際には、多くの企業が特定のモデルやサービスへ強く依存しています。PoC段階では問題にならなくても、本番運用が始まると状況は変わります。業務プロセスとの連携が進み、プロンプト設計が最適化され、周辺システムとの統合が進むほど、モデル変更のハードルは高くなります。その結果、自社の業務により適したモデルが登場しても、それを採用できないという状況が生まれます。将来的には、現在主流となっているモデルとは全く異なるアーキテクチャが登場する可能性もあります。
解決策の一つとして考えられるのは、システムから標準的なAPIでモデルを呼び出せる柔軟な推論基盤を用意することです。さまざまなプロバイダーがこのようなサービスを提供していますが、Clouderaも「Cloudera AI Inference service」を提供しており、自社環境にデプロイしたオープンモデルなどを、OpenAI互換API経由でセキュアかつ効率的に利用できる仕組みを整えています。
また、モデルの切り替え時に出力を評価するベンチマークテストを用意したり、特定のサービスやモデルに依存しない形でコンテキストやプロンプトを管理したりすることも重要です。
AI主権の本質は「自由度」にある
ここまで見てきた解決策により、データは企業独自の価値を生み出すための基盤となり、インフラは変化するビジネス要件や規制要件に対応するための柔軟性を確保し、モデルは急速に進化するAI技術の恩恵を継続的に取り込むための選択肢を提供します。
そして、これらに共通しているのは、企業が自らの意思で選択し、コントロールできる「自由度」が重要だということです。そのためには、特定のクラウドやAIモデル、ベンダーに依存せず、新しい技術や環境が登場しても柔軟に取り入れられる中立性を維持することが重要になります。AI主権とは、特定の技術を選ぶことでも、クラウドを避けることでもありません。変化に応じて最適な選択を続けられる状態を維持することなのです。
次回は、こうしたAI主権を実現するために、企業のデータ基盤やアーキテクチャにどのような要件が求められるのかについて解説します。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
こんなメディアも見られています
ITmedia AI+に関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
アクセスランキング
-
1
孫正義氏が明かす、アンソロピック出資見送りの舞台裏 「僕の失敗」「あん時入れときゃよかった」
-
2
NotionのAIチャット流出おそれ、幹部が日本での対応状況明かす 「心よりおわび」
-
3
NotebookLMに公式APIが登場 WebページやYouTube動画の取り込みを自動化でき、MCPでAIエージェントからも使える
-
4
農水省の“クソダサ”ポスター話題 「AIよりよっぽど良い」の声も 担当者に狙いを聞いた
-
5
【Pythonで学ぶデータ分析】重回帰分析のモデル比較をベイズ統計で行う ~ 株価の予測にはどの指標が効くのか?
-
6
AIに打ち明けた相談は“広告トラッカー”に筒抜け? ChatGPT、Claude、Gemini含む42サービスを米大が調査
-
7
AIモデリングもできる無償3D CAD「SolidCraft」を試してみた!
-
8
メルカリ、アプリ開発「2日→数十分」へ 直面したAI時代の“意外な課題”とは?
-
9
人手不足だからAIを使いたい、でも導入できる人がいない 中小企業“一人情シス”の葛藤
-
10
Googleドライブの最新ファイルをGeminiが常時参照 「スキル」に新機能追加
SpecialPR
ITmedia AI+ SNS
インフォメーション
注目情報をチェック
ITmedia AI+をフォロー
あなたにおすすめの記事PR