人工知能が企業発展の原動力となる

新しいコンセプトが実行可能なビジネスツールになると、多くの企業がそのテクノロジーを積極的に採用して市場のトレンドに加わるようになります。これらには、人工知能 (AI) と機械学習 (ML) が含まれます。 100 年以上の歴史を持つハイテク大手企業から革新的な新興企業まで、あらゆる規模の組織が、テクノロジーの開発を加速し、それをビジネス開発に活用するために積極的に時間とリソースを投資しています。

しかし、AIは単なる一時的な流行ではありません。アナリスト会社Tracticaは、人工知能に対する世界の企業支出が2016年の6億4,400万ドルから2025年には390億ドル近くにまで増加し、効率的な販売プラットフォームや仮想デジタル受付係、子供用玩具、自動運転車、製品やサービスの開発の原動力になると予測している。

[[240569]]

人工知能 (AI) と機械学習 (ML) は、最終的にはほとんどのビジネスを支えるものとなるでしょう。人工知能の原動力は何でしょうか? それは強力なデータと処理能力です。

大きな可能性、大きな限界

AI があらゆる垂直産業やあらゆるビジネスに及ぼす潜在的な影響は、決して過小評価できません。支援なしの機械学習、自然言語処理 (NLP)、ディープラーニングの機能が向上するにつれて、各スキルの応用は拡大し続け、新しいユースケースに拡大していきます。

多くの企業はすでに、人工知能 (AI) と機械学習 (ML) のテクノロジーを、物体の認識と追跡、地理データのローカライズ、不正行為の防止、マーケティング結果の向上、その他多くの用途にどのように活用できるかを調査しています。これらの分野のプレーヤーは、その約束を果たすためにこの技術を採用したいと望んでいますが、他の企業はすでに、自律走行車、コールセンター、顧客サービス、サイバーセキュリティの分野でこれらのイノベーションを実用化しています。

すでに AI テクノロジーを導入している企業は、何年もかけて体系的かつ戦略的にデータを集約してきました。彼らは、データの収集と整理に注力し始めたばかりの組織よりもすでに先行しています。しかし、彼らは人工知能 (AI) と機械学習 (ML) 技術の最大の限界である容量にも直面しています。

パワー、容量、スピードはスマートテクノロジーにとって重要

人工知能 (AI) と機械学習 (ML) の発展を推進する人工ニューラル ネットワーク (ANN) は、入力と出力の関係を並列にモデル化して処理するように設計されています。これを実現するには、膨大な量の入力データを保存し、それらの関係を理解し​​て適切な出力を提供するために膨大な計算が必要になります。

顧客にセルフサービスを提供し、コンタクト センターのカスタマー サービス エージェントのチームを支援するために、チャットボットを導入することを検討してください。理想的には、ボットは質問に正確に答え、顧客を適切なリソースに誘導し、一般的に自然な方法で顧客と対話することができます。

これを実現するには、ボットのバックエンドがクエリを企業の消費者ベースが使用する語彙（つまり、母国語）と素早く比較して、対話のコンテキストを「理解」し、それらの入力に基づいて「決定」し、うまくいけば人間と同じように正しく応答して即座に実行する必要があります。

ただし、これらのプロセスに必要なプロセッサとメモリ リソース (DRAM) は、ほとんどのオンプレミス データ センター ネットワーク設計が処理できる範囲を超える大量の帯域幅を消費します。また、ほとんどの組織が想定しているよりもはるかに多くの CPU や GPU が必要になるため、かなりの電力消費オーバーヘッドも発生します。そして、すべてを単一のデータ センター内で実行しようとすると、遅延の問題が発生し、製品が破損したり、アプリケーションが達成しようとしていることが妨げられたりする可能性があります。では、企業は何をすべきでしょうか?

クラウドへの直接接続でAIパフォーマンスを最大化

プロセス集約型の AI アプリケーションを使用する企業は、帯域幅とコンピューティングの課題に対処し、運用コストを削減し、レイテンシの問題を解消するために、ハイブリッド展開対応のエッジ データ センターに目を向けるようになっています。

ハイブリッド対応データセンターには次の要件があります。

• 施設内でクラウド コンピューティング プロバイダーへのシンプルなオンランプを提供することで、レイテンシとデータ転送コストを大幅に削減します。直接クラウド相互接続サービスにより、グローバル インターネットと比較してレイテンシとデータ転送コストが削減され、プロバイダーごとにプライベート WAN 接続を手動でプロビジョニングする必要がなくなります。
• クラウド プロバイダーのコア コンピューティング ノードに近接しているため、専用環境と選択したクラウド プロバイダー間のレイテンシがさらに短縮されます。
• できるだけ多くのエンド ユーザーとデバイスに近づけて、ユーザーやデバイスの近くで情報を処理することで、パフォーマンスと信頼性が大幅に向上します。これは、ワークロードの柔軟性とコスト管理を最大化しながら、自律走行車やサイバーセキュリティ運用などの遅延の影響を受けやすい AI アプリケーションをサポートするのに特に役立ちます。
• 持続可能な成長を促進するために、拡張可能で構成可能な中央インフラストラクチャを備えています。

人工知能と機械学習技術の人々の日常生活への応用は成熟し続け、ますます一般的になっています。こうした製品やサービスを提供する組織は、さまざまなビジネス ニーズを最適にバランスさせ、テクノロジの可能性を最大限に引き出して競争上の優位性を維持する方法について戦略的に考える必要があります。