AI に IT 自動化が必要な理由
多くの企業で人工知能 (AI) の活用が喫緊の課題となっていますが、AI ツールを導入して維持していくには、インフラストラクチャの面で多くの課題があります。AI ワークロードのアップタイムを確保し、カスタムモデルのトレーニングに対する需要の高まりに対応していくためには、より大きな演算処理能力、ネットワーク帯域幅、そしてストレージ容量が必要です。AI アプリケーションで処理されるデータは機密性が高いことが多いため、データセキュリティ、コンプライアンス、プライバシーもまた同じくらい重要です。
AI を足枷とはせず、ビジネスの推進力として活用するには、このように膨れ上がった複雑さを効率的に管理し、コストの抑制と開発者の生産性向上につなげる必要があります。
企業が AI の活用による案件の獲得やトランスフォーメーションを可能にする体制づくりを目指すには強固なインフラストラクチャ基盤を構築することが必要であり、エンタープライズ規模でこれを達成するには IT の自動化が唯一の手段となります。既存の IT システムに対しても、また AI に必要な新しいインフラストラクチャに対しても、自動化はそれらの構築、スケーリング、維持という複雑な作業を、適切なバランスを取りながら遂行するのに役立ちます。
自動化と AI：その違いとは
自動化と AI はいずれも、手作業を減らしつつ、業務のスピードと効率を高めるのに役立ちます。ただし、次のような明確な違いもあります。
- 自動化は、人間があらかじめ定義して記述したルールに基づいて、毎回同じようにタスクを実行します。これは設定された指示に従って行われ、経験から学習することはありません。とはいえ、人間の知識をコード化したルールとして記述できるため、複雑なプロセスをエラーなく、手動で行う場合と比較して大幅に短い時間で完了できます。自動化プラットフォームは、IT インフラストラクチャのさまざまな要素が迅速かつ安全に相互通信するためのフレームワークの役割を果たします。これには、セキュアシェル (SSH) プロトコル、アプリケーション・プログラミング・インタフェース (API)、その他のメカニズムを介した通信、そして認証情報を使用して指定された自動化を実行する機能が含まれます。
- AI は、観測されたパターンや過去の結果から学習した行動や経験に基づいてタスクを実行します。AI は自動化よりも知性的なレベルで人間を模倣し、データから学習したり、時間の経過とともに改善したり、経験に基づいて意思決定を行ったりできます。最適に実装されれば、AI は経験から学びつつ、新たな状況にも適応します。AI は、統合されていない IT システムとの通信手段として、既存の自動化ツール、フレームワーク、およびプラグインを利用します。多くの場合、AI ツールは、モデルやランタイム環境以外の環境やインフラストラクチャとやり取りするために AI エージェントを必要とします。
AI には、情報に基づいた意思決定を行い、人間の知性を再現できるポテンシャルがあるため、複雑な意思決定をより迅速に行いたいと考える企業にとって、AI ツールはきわめて魅力的です。ところが、たとえ最も高度で複雑な AI ツールであっても、それによってもたらされうる利益は、それをどう使うかによってまったく変わってきます。実際、先進的な企業の分散型 IT 環境では、AI の導入は一筋縄ではいきません。AI ソリューションを自動化基盤と組み合わせることは、長期目標の達成に向けての進捗を加速させます。
The Forrester Wave™：Infrastructure Automation Platforms、2024 年第 4 四半期
AI 導入に向けての準備
エンタープライズ AI の導入やスケーリングを検討する際には、AI のメリットを最大限に引き出すために必要な技術的および戦略的な要求を満たせるよう、準備を整える必要があります。
インフラストラクチャのアップタイムと可用性を確保する
リアルタイムで効果的な意思決定を行うため、AI ツールは監視対象のあらゆるソースから絶え間なく流れてくるデータを利用します。そのため、アップタイムがきわめて重要です。病院で患者の正確なデータを提供する場合であれ、工場で高額な損失につながる事故を防ぐために故障した機器を停止する場合であれ、AI を活用した事業運営は、アップタイムと可用性を保証できる回復力に優れたインフラストラクチャにかかっています。インフラストラクチャが機能不全に陥り、データが途絶えると、AI モデルが一時的に利用できなくなることで業務に悪影響が生じ、カスタマーエクスペリエンスが損なわれ、多額の損失につながる可能性があります。安定したアップタイムを維持するには、データセンターからエッジロケーションまで、データのフローとストレージを適切に構成する必要があります。
チームがワークロードの管理やスケーリングを行うのを支援するプラクティスを確立する
AI モデルは、常に信頼性と可用性の高い IT インフラストラクチャかそうでないかに左右されるため、データセンターを評価し、適切なリソースが確保されているかを判断する必要があります。AI ワークロードに求められるこれまでより高い水準のアップタイムと可用性に対応するには、インフラストラクチャをアップグレードして電力と冷却能力を拡大するとともに、サーバー、ストレージ、ネットワークの容量の拡張が必要になる場合があります。しかし、たとえ適切なリソースがあっても、多くの企業がこうしたプロセスの効果的な管理に苦慮しています。自動化によってワークフローを効率的に管理することで、インフラストラクチャ関連のタスクが迅速かつ一貫して実行されるようになり、人的ミスの可能性を抑えられます。
AI を競争上の差別化要因として活用することを目指す企業がそれを成功させるために必要なのは、強大なデータモデルを使用することでも、GPU に多額の投資をすることでもありません。そのような企業が成功するのは、自動化され、AI ワークロードのシームレスな拡張性と回復力に優れたインフラストラクチャを運用し、同時に AI ツールを統合してインテリジェンスを高めているからです。簡単に言えば、自動化を導入せず、その成熟化に取り組んでいない場合、AI の導入にも、そこから恩恵を得るまでにも、より多くの時間が必要になるということです。
Ansible Automation Platform：AI の導入を成功に導く基盤
Red Hat® Ansible® Automation Platform は AI 実装のための確かな基盤となり、AI モデルとインフラストラクチャ・コンポーネントのデプロイ、管理、設定、そしてライフサイクルを単純化します。Ansible Automation Platform は、次の点で企業を支援します。
デプロイの標準化：Ansible Playbook により、一貫した再現性のある方法で、オペレーティングシステム、サーバー、ストレージ、モデル、コンテナ、そしてデータおよびネットワークリソースなどの AI コンポーネントをデプロイできます。Ansible Automation Platform ではこのようにインフラストラクチャをコード化して管理するため、すべての AI 環境で一貫性と信頼性を高め、設定エラーや不一致の発生を抑えることができます。また、標準化されたデプロイを用意しておき、ビジネス継続性および障害復旧 (BCDR) 計画と運用の青写真として使用することもできます。
監視とアラートの統合：Ansible Automation Platform は監視およびアラートツールとシームレスに統合できるため、IT 運用チームは AI インフラストラクチャ・コンポーネントの監視エージェント、しきい値、およびアラートルールの設定を自動化できます。Ansible Automation Platform でパフォーマンス指標とシステムの正常性を継続的に追跡すれば、問題の予兆をプロアクティブに特定して対処し、障害による AI 運用の中断を予防するのに役立ちます。
データの管理：AI モデルのトレーニングで最も難しいタスクの 1 つは、データをそれが作成された場所からトレーニングに使用できる場所に移動させることです。Ansible Automation Platform は、データをサーバーから地域内のストレージに移動させてデータセキュリティを強化し、Red Hat OpenShift® AI を使ってモデルをトレーニングする際に、適切なユーザーが確実にデータにアクセスできるようにします。
Ansible Automation Platform は、ハイブリッド IT 環境の管理に必要なさまざまな作業を自動化でつなぎ合わせる、いわば接着剤のような役割を果たします。
AI ユースケースに着手する
以下のユースケースを自動化することで、標準化およびコード化されたインテリジェントな Day 2 オペレーションの土台を築くことができます。
AI インフラストラクチャの自動化
Ansible Automation Platform では、IT インフラストラクチャを最適化して AI ワークロードのパフォーマンスを向上させると同時に、AI を活用してスタック領域を改善できます。Ansible Automation Platform を使って、AI サービスのセットアップと設定、さまざまなモデルのインストールと管理、GPU の設定、インフラストラクチャのさまざまな要素の調整ができます。
Ansible Automation Platform を使用すると、次のことが可能になります。
- AI のデプロイと設定：AI ワークロードのデプロイと設定を自動化して、継続的に安定した状態を保ちます。ストレージ、サーバー、エッジデバイス、ネットワークスイッチ、GPU、データの設定、そしてテクノロジースタック内での AI 機能のアクティベーションを YAML ベースの単一の言語で行えるので、作業を効率化できます。
- Red Hat AI インフラストラクチャの調整：AI プラットフォームのあらゆるコンポーネントを接続して構成し、プロダクション環境でシームレスに運用できるようにします。
- エッジデータのオンボーディング：データを収集して AI ソリューションと同期させるための、IoT (モノのインターネット) デバイスなどの新たなエッジデプロイメントのオンボーディングを効率化します。AI のトレーニングおよび推論モデルへのデータの取り込みに関する設定と配分を調整します。
実務に役立つ AIOps の構築
AIOps は、ビッグデータと AI を組み合わせて幅広い IT 運用タスクを強化 (または部分的に置換) して、複雑化する環境で企業が信頼性、スケーラビリティ、アジリティを向上させることを可能にします。企業のテクノロジースタックで使用される既存のツールには予測型 AI 機能が組み込まれているものが少なくありませんが、その機能を効率的に活用してメリットを最大限に引き出せるかどうかは、利用者次第です。
Ansible Automation Platform を使用すると、インフラストラクチャ全体をカバーするシステムやツールでさまざまな AI 機能をオーケストレーションし、AI をすぐに活用することができます。既存の AI ソリューションをこうした統合ワークフローに組み込めば、Event-Driven Ansible であらゆる種類の可観測性データを自動化されたアクションに変換し、以下のことができるようになります。
- 自己修復型インフラストラクチャの構築：Red Hat AI ソリューションを Event-Driven Ansible と併せて使用することで、IT イベントに自動的に対応し、問題を解決できます。たとえば、80% というしきい値をあらかじめ設定してサーバーのメモリ使用率を監視する場合、サーバーがこの上限値に近づいたらメモリの追加を促すアラートを出すよう設定できます。また、可観測性ツールからのデータを収集し、Event-Driven Ansible を使ってイベントを検知し、AI プラットフォームでイベントを解釈し、automation coding assistant に Playbook 生成を指示し、問題を解決するところまで自動で行うエンドツーエンドのワークフローを作成することもできます。その場合、このデータをフルサイクルループに組み込んでログを生成し、AI のトレーニングに使用して将来のインシデント対応に役立てることができます。
- サポート/インシデントチケットの自動情報補完：Event-Driven Ansible から送られてくる未知のイベントを Red Hat Lightspeed やサードパーティの可観測性ソリューションで整理し、IT インフラストラクチャ・エンジニアが参照できるようコンテキスト情報を追加することができます。Event-Driven Ansible によって処理されたイベントへの対処を判断できない場合、Red Hat Enterprise Linux® AI や Red Hat OpenShift AI などの AI ソリューションを統合してそのエラーが何を示しているのかを判別させることができます。自動的にケースが作成されるだけでなくコンテキスト情報もその場で追加されるため、エンジニアはすぐにトラブルシューティングを開始でき、平均復旧時間 (MTTR) の短縮につながります。
- コストとリソースの最適化：Red Hat Lightspeed は、AI ペルソナのニーズに関連するノード、クラスタ、プロジェクトを最適化する方法を特定できます。最適化は自動化されたワークフローで実行できるため、ユーザーが AI ワークフローに関与する必要がなくなります。
自動化アシスタントによる生産性の向上
Red Hat の生成 AI サービスは、自動化の開発者や運用担当者がすばやくオンボーディングを済ませて自動化を開始できるよう支援します。自動化コードの書き方を学ぶ場合でも、Ansible Automation Platform の UI の使い方を知りたい場合でも、自動化インテリジェント・アシスタントと automation coding assistant を使用すれば、まるで Red Hat のエキスパートチームがそこにいるように支援を受けることができます。
自動化管理をスピードアップ
自動化インテリジェント・アシスタントは、Ansible Automation Platform のインストール、管理、トラブルシューティングに関する、自然言語での質問に回答することができます。このアシスタントはプラットフォームに直接組み込まれているチャット・インタフェースから利用でき、正確でパーソナライズされた回答を得られるため、作業の妨げとなる要因を解消して作業を効率化するのに役立ちます。
効率的にコードを作成
automation coding assistant は、Visual Studio Code の Ansible 拡張機能を介してコード編集環境で推奨事項を提供し、より迅速に Ansible コンテンツを作成できるよう支援します。1 つのプロンプトで単一タスク、複数タスク、または Ansible Playbook 全体を作成させることができます。このサービスを利用するには、接続された大規模言語モデル (LLM) として IBM watsonx Code Assistant のサブスクリプションが必要です。
コードの品質を維持
Ansible コードボットは、既存のコンテンツをスキャンし、コード品質の改善を推奨するので、自動化コードベースを常に最新のベストプラクティスに一致させることができます。推奨事項はすぐに確認、テスト、適用でき、Ansible コードをプロアクティブにモダナイズおよびハードニングするのに役立ちます。
Red Hat を選ぶ理由
Red Hat は、小規模な専用設計モデル、効率的なカスタマイズ技術、どこでも開発およびデプロイできる柔軟性により、企業の AI 導入を促進します。企業が AI の機能を最大限に活用するには、IT の自動化が不可欠です。自動化は、レジリエンシー (回復力) とアップタイムを向上させて IT インフラストラクチャを改善する、新たな AI 機能を活用するために既存の IT ソリューションを連携させる、AIOps の仕組みを構築して IT インフラストラクチャ・エンジニアを直接支援するなど、さまざまな使い方ができます。しかしいずれの場合でも、自動化は先進的な企業における AI の活用を支える基盤レイヤーとなります。
Red Hat Ansible Automation Platform は、企業全体での自動化の作成、管理、拡張に必要なツールをすべて備えたエンドツーエンドの自動化プラットフォームです。運用上の複雑性を軽減し、チーム間で一貫したユーザーエクスペリエンスを提供できるため、アーキテクト、開発者、システム管理者の間の障壁がなくなります。Ansible Automation Platform サブスクリプションには、イベント駆動型のソリューション、今後もさらに充実していく開発ツールスイート、各チームが部門を超えて迅速に自動化を開発するのに役立つモジュール、Playbook、ドキュメントを含む Ansible Content Collections へのアクセスが含まれています。
Red Hat AI
Red Hat AI は、ハイブリッドクラウド環境全体にわたって AI ソリューションの開発とデプロイメントを加速する、柔軟でコスト効率に優れたソリューションを提供します。
