次世代のAIインフラを構築する (Japanese Edition)

第2章 コンプライアンス 、セキュリティ、そして持続可能性はもはやオプションではない

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

AIの導入者や学習者が抱える主な懸念の一つは、絶え間なく流れるニュースや技術の進歩に追いつくことの難しさだ。これには、技術ベンチマークで首位に立つAIモデルが次々と登場すること、毎週のように新しいスタートアップが作成されること、有望なAIプラットフォームが絶え間なくリリースされること、そして毎週のようにソーシャルメディアのフィードを埋め尽くす無数のプロトコルやフレームワークなどが含まれる。

こうした変化し続けるコンテキスト下では、混乱し、さらには圧倒されてしまうのも無理はない。しかし、AIインフラの実装や進化の進め方に影響を与える、朗報がある。

• AI 技術スタックと全体戦略は、特定のモデルや製品発表に依存するものではない。これらは、あらゆる開発動向を注視し、必要に応じて（あるいは必要になった際に）関連する要素を追加できるほど、十分に堅牢であるべきであり、またそうなるはずだ。 例えば、新しいフレームワーク（A2A、MCP、Microsoft Agent Frameworkなど）が登場し、チームがそれを採用したい場合、まずテストを行い、その後、開発層やプラットフォーム層に組み込むかどうかを判断するという選択肢がある。

• AIというパズルのピースの一部は、すでに揃っている。数年前であれば、AIコンプライアンスや適切なセキュリティが何を意味するのかさえ不確かなまま、AIインフラや関連プロジェクトを実装しなければならなかったかもしれない。しかし、ここ数年で状況は大きく変わった。これは、エンタープライズレベルでのAI導入にとって朗報だ。AIインフラへの投資は、新規および既存の規制や基準を含め、社内外のコンテキストを確実に反映したものにする必要がある。

これら2つの側面を踏まえると、リスクベースの統制と継続的な改善策の両方を組み込み、インフラのレイヤーの一部となる既存のリソースを活用しつつ、セキュリティやコンプライアンス活動にも付加価値を提供するAIインフラのアプローチを定義する必要がある。

考慮すべきすべての事項

そこで質問となるのは、技術的な意思決定プロセスに組み込むべき重要な考慮事項を、いかに特定するかということだ。そして、コンプライアンスやセキュリティ要件を最大限に活用し、それらを差別化要因へと転換するにはどうすればよいか。AIインフラを進化させつつ、イノベーションとエンタープライズレベルの要件のバランスを取るための推奨事項を以下に示す。

イノベーションのペースに合わせたアプローチ

重要な点はここだ。イノベーションのペースは、何があっても速く、時には圧倒的なものになり続けるだろう。第1章で説明した階層的なアプローチを用いることで、少なくともAIスタックを体系化し、各層において既存のものと新たに可能になったものを明確に区別することができる。例えば、CPUやGPUをアップグレードして処理能力を向上させる必要性を見出したり、新しい業界フレームワークやAIモデルを採用するかどうかを決める前に、迅速にテストしたりすることが考えられる。

可能な限り実用的なアプローチを

AIインフラとそのレイヤーを、繊細なカードの家とまで表現するつもりはないが、過度に複雑な複雑さを持つアプローチを選択すれば、アーキテクチャの構築や統合作業が多少難しくなるのは事実だ。既存のレイヤーを分析し、何が簡素化、改善、置換、拡張できるかを確認する必要があるため、選択は完全にあなた次第だ。 ...