第1部、基盤とインフラストラクチャ
AIとデータストレージの課題への対応
Simon Robinson氏、プリンシパルアナリスト、インフラストラクチャ
主流企業が自社環境へのAI技術の導入を継続する中、多くのIT責任者は、AI全体が基盤となるインフラストラクチャのアーキテクチャに与える影響について検討しています。当初の焦点は必然的にコンピュート/GPU層に集中していましたが、現在では注目がより広範な環境、特にストレージインフラストラクチャへと広がっています。
オムディア(Omdia)が実施した調査レポート「企業のAIインフラ構築におけるストレージの重要な役割 (The Critical Role of Storage in Building an Enterprise AI Infrastructure)」によると、企業の70%がストレージ関連の課題をAI成功への大きな障壁と回答しています。これらの課題の一部は、純粋な処理能力に関連しています。GPUは大量のデータを必要とするため、性能不足のストレージではGPUがアイドル状態になってしまい、極めて高価なリソースの無駄遣いとなります。
このようなパフォーマンス重視の課題は、主流企業がエージェンティックAIなどの高度な生成・推論機能を活用した推論指向のAIソリューションの展開を開始するにつれて、さらに顕著になることが予想されます。調査によると、多くの企業がすでにストレージレイテンシの問題に直面しており、AIのコンテキストウィンドウが急速に拡大し続ける中、高度なメモリおよびストレージソリューションを活用する必要性も高まっています。パフォーマンスの側面は決して唯一の課題ではなく、ストレージインフラストラクチャは、組織がより広範なデータ関連の課題に対処する上でも重要な役割を果たします。企業が自社環境へのAI展開に取り組む中、調査では3つの重点領域が浮き彫りになっています。
データの断片化 - ハイブリッドクラウド全体(オンプレミスとオフプレミス)にわたる断片化に加え、データタイプ(構造化データと非構造化データなど)にわたる断片化
データセキュリティ、プライバシー、ガバナンスに関する懸念 - データセキュリティはAIにとって主要かつ重大な課題と見なされています。
AIデータサービス - メタデータ、インデックス作成、ベクトル化など
結論として、成功するAIデータ戦略には、ストレージインフラストラクチャ層、データ層、コンピュート層の間で、おそらくこれまでにないレベルでの高度な統合、連携、相互理解が必要となります。これは、人材とプロセスの観点から組織的な影響も及ぼすため、IT責任者は時間をかけて理解し、計画を立てる必要があります。もしストレージインフラチームがデータエンジニアやデータサイエンティストをまだ知らないのであれば、今こそ連携を始めるべき時です。
さらに、AIネオクラウドやハイパースケーラー以外の組織で、AIワークロード専用のサイロを構築するためのリソースや意欲を持つ企業はほとんどありません。最終的に、ストレージの観点から構築するものは、既存環境とできる限りシームレスに共存する必要があります。良いニュースは、ストレージからデータ、コンピュートに至るデータインフラ環境全体のソリューションプロバイダーが、これらの課題をますます認識し、イノベーション、パートナーシップ、統合によって対応していることです。これにより、ITチームとAIチームが協力して障壁を克服し、AI成功を推進できるようになります。