人工知能（AI）はデジタル変革の基本的な柱として浮上しています。企業は、データの世俗性、環境持続可能性、および情報のサイロに関する前例のない規模の課題に直面しています。リソースやインフラの最適化が行われていないため、AIの潜在能力の発展が妨げられています。効果的な分析に必要な情報の集中は、この複雑な状況において重要です。AIシステムのセキュリティは、リーダーに増大する脅威を予測するよう求めます。同時に、持続可能性の要請は、企業に自らの実践を再評価し、環境への影響を減少させるよう求めています。統合的なアプローチを採用することは、この常に変化する景観をナビゲートするために重要です。
NetAppは、企業がAIに関する戦略を最適化するために直面している緊急の問題を強調しました。AIの大規模な能力への移行は、2025年にとっての重要な課題であると、ネットアップのマーケティングディレクターであるガビー・ボコは述べています。
イノベーションへの投資
多くの企業が、自社のデータはAIの目的のために大部分最適化されていると報告しています。経営者のうちの3分の2が、データのアクセシビリティ、正確性、および文書作成の面で顕著な改善がなされたと述べています。しかしながら、真の人工知能への成熟には、特に技術的な役員からのかなりの投資がまだ必要です。
したがって、40%の技術リーダーは、2025年までにデータ管理およびAIの能力を強化するためにかつてない投資が必要になると予測しています。重要な進展を追求するには、資金とインフラストラクチャーへの強化されたコミットメントが必要です。適切に投資を行いたいリーダーは、イノベーションと効率性の面で著しい報酬を期待できます。
データサイロの排除
NetAppの研究によって特定された主要な障害の一つは、データの断片化です。約79%の技術リーダーが、データの統合、サイロの削減、およびスムーズな相互接続がAIの潜在能力を最大限に引き出すために必要不可欠な前提条件であると考えています。データの統合ストレージを採用している企業は、これらの課題を克服することにおいてより成功を収めています。
データの種類や場所に関係なく、マルチクラウドのハイブリッド環境でデータを接続することで、これらの企業は、一貫したアクセス性を確保しつつ、断片化を緩和しています。データの統合に焦点を当てる組織は、2025年までにAIの目標を達成する可能性が大幅に高まります。この優先順位を軽視する企業のうち、約30%は目標を達成できないことを懸念しています。
増大するAIのリスク
AIの急速な採用には、セキュリティに関する増大する課題が伴います。41%以上の経営者は、AIがさまざまなオペレーションに統合されるにつれて、2025年までにセキュリティの脅威が大幅に増加すると予測しています。攻撃対象面の増加は新たな脆弱性へのアクセスを与え、AIモデルの保護などの独自の課題を引き起こします。
インド、アメリカ、そして日本といったAI競争の先頭を行く国々は、これらのセキュリティの懸念からより多くの影響を受けるでしょう。企業がこれらの問題に対処するために実施している努力は、徐々に実を結びつつあります。実際、サイバーセキュリティとランサムウェアの防止を優先事項の最上位に置く経営者の割合は、2023年から17%減少しました。
持続可能性と環境への影響
AIの成長は持続可能性に関する急迫した疑問を引き起こします。約34%の技術的な役員がAIの進展が企業の持続可能性の実践に根本的な変革を促すと予測しています。その一方で、33%はエネルギー消費の管理に関連する新たな政府政策の出現を期待しています。
AIの運用に必要なインフラストラクチャーは、未処理のデータを商業的価値に変換するために非常に大きなエネルギー消費を必要とします。AIが集中的に展開されている国々は、これらの環境的影響をより強く感じるリスクが高いです。企業の72%が引き続きカーボンフットプリントの削減に焦点を当てていますが、この数字は2023年から84%減少しています。
データはイノベーションの基盤
NetAppのシニアバイスプレジデント兼ゼネラルマネージャーであるクリシュ・ビタルデヴァラは、高度な分析とAIで成功を収めている組織が共通するいくつかの特性を強調しています。これらの組織は、統一された整然としたデータを持ち、機密情報のための堅牢なセキュリティを享受しています。内在する課題に直面しながらも、イノベーションと責任を両立させることに成功しています。
企業が環境に対して不可逆的な損害を引き起こすことなく進化を遂げ、責任ある実践を採用するためには、技術進化に伴う環境責任の維持が極めて重要です。
NetAppの完全な報告書はこちらで入手可能です（PDF）。
関連情報： 新しいAIトレーニング技術が現在の課題を克服することを目指しています。
AIに関する問題を深く理解するために： あるプログラマーがディープラーニングの爆発を引き起こした。
もう一つの読書： 企業はAIのためのガバナンスフレームワークの確立に苦労しています。
これらの問題をさらに探求するために、企業技術に関するイベントやウェビナーがこちらで利用可能です。
(写真提供： Chunli Ju)
人工知能における成功の鍵に関するよくある質問：セキュリティ、持続可能性、データサイロの排除
人工知能におけるデータのセキュリティを保証するためのベストプラクティスは何ですか？
データの暗号化、多層的認証、AIに関するセキュリティリスクについての従業員への継続的なトレーニングなど、堅牢なセキュリティプロトコルを確立することが重要です。
データサイロの排除はAIシステムの効率を改善するのにどのように寄与しますか？
データサイロを排除することで、情報のスムーズな統合が可能となり、各部門間のアクセスやコラボレーションが容易になり、AIシステムで使用されるデータの質が向上します。
人工知能の取り組みの持続可能性を保証するために必要な投資は何ですか？
組織は環境に配慮したインフラ、エネルギー効率の良い技術に投資し、データセンターのエネルギー消費を最適化するなどの持続可能な実践を採用する必要があります。
人工知能の展開に伴うセキュリティの主な課題は何ですか？
主な課題には、AIモデルを攻撃から保護すること、システムの脆弱性を管理すること、および潜在的な脅威をリアルタイムで検出するために継続的な監視が必要であることが含まれます。
企業はAI戦略の持続可能性の成熟度をどのように測定できますか？
企業は、AIに関連する運用におけるカーボンフットプリントの削減やその技術の環境影響など、持続可能性に関連する主要な業績指標（KPI）を分析することで、成熟度を評価できます。
データガバナンスは、サイロの排除やAIシステムのセキュリティにどのように寄与しますか？
良好なデータガバナンスは、データの整合性、品質、アクセス性を確保するためのポリシーや基準を定めることで、サイロを減少させ、AIシステムのセキュリティを強化します。
現在のAIのトレンドは企業の持続可能性に関する取り組みにどのように影響しますか？
AIの採用が進むことで、企業はリソースの使用を最適化し、環境への影響を最小限に抑えるAIソリューションを統合しながら、環境的実践を見直すようになります。
