AIがデータセンターを管理するのに時間がかかる理由

ハイパースケーラーはすでに業務改善のために AI を活用していますが、他のほとんどのデータセンターでは AI が十分に統合されておらず、役に立っていないのが現状です。

データセンター管理の仕事は急速に変化しています。対処すべきハイブリッド環境と複数のクラウド、エッジ コンピューティング、そして急速に進化するサイバー セキュリティの脅威の絶え間ない攻撃があります。

[[428597]]

人工知能は、人々が直面する複雑な問題をすべて解決することを約束します。自己学習システムは、急速に変化する環境に適応し、既知および未知の脅威から保護し、超人的な正確さで即座に反応し、これらすべてをわずかなコストで実行します。

サイロ化されたシステムと統合管理プラットフォームの欠如により、まだ実現していませんし、おそらく長くは続かないでしょう。

EYアドバイザリーサービスのマネージングディレクター、アムル・アーメド氏は、データセンターの複雑さは飛躍的に増大していると語った。昔は、企業にはメインフレームが 1 台しかなかったかもしれません。その後、クライアント・サーバーによって、環境は数十台、数百台、あるいは数千台のマシンにまで拡大したと彼は語った。 「分散環境 - 数十万、仮想化 - 数百万、クラウド - 数千万。」これは人間の管理能力を超えています。 「AIは不可欠です」と彼はDCKに語った。 「それを避ける方法はありません。それは選択ではありません。任意ではありません。」

最大手のクラウドプロバイダーであるハイパースケーラーは、このスケールの問題に人工知能の一種である機械学習を適用してきた。 「障害を予測し、ワークロードを自動的に移動することは、今後 10 年間では実現しないだろう」と彼は語った。 「それはすでに存在しています。クラウド サービス プロバイダーは、すでにクラウド環境でそれを使用しています。これにより、大規模なサービスを提供できます。」

高度な分析は、特にデータセンターの電力と冷却の分野で、長年にわたってエネルギーコストを削減するために使用されてきました。 「このデータを分析して意思決定を行うツールは数多くあります」とアハメド氏は語った。

AI がデータ センターの稼働時間の向上に役立つ場合、それは明白で明白なメリットであり、大規模なデータ センター運営者にとって重要な焦点となります。キャップジェミニのAIおよび分析担当副社長ダン・シミオン氏は、AIと機械学習はミッションクリティカルな障害を予測し、予期せぬシステムやサービスの障害、あるいはデータセンターの停止を回避するために使用できると述べた。 「このアプローチは自己修復メカニズムを生み出します」と彼はDCKに語った。

同氏は、この点では大手データセンタープロバイダーが先頭に立っているが、ハイテク企業も、得意分野であればこうしたタイプの AI システムをゼロから構築する可能性があると付け加えた。

デジタル化が最も進んでいる企業や大規模なデータセンターを持つ企業はすでにAIへの投資から価値を実感していると彼は述べた。

人工知能には状況認識が必要

小規模なデータセンターの場合、人工知能の導入を始める最も簡単な方法は、テクノロジーベンダーに頼ることです。ただし、このアプローチには限界があり、相互依存性やビジネス環境の処理が困難です。

AI が最も効果を発揮するには、状況認識が必要です。これは、単一ベンダーの製品とその機能に限定された AI システムでは実行が困難です。

「ネットワーク、コンピューティング、電力使用量の急増が見られた場合、それは従業員の変化に関連している可能性があります」とアハメド氏は語った。たとえば、より多くの人が在宅勤務できるようになります。これは、主要なプラットフォーム アップグレードが展開されているためか、または何か悪質なことが原因である可能性があります。 「ビジネスコンテキストを加えると、複雑さに第 3 の次元が加わります。」

ほとんどのベンダーは、個々の製品に AI と機械学習の機能を追加する初期段階にあります。たとえば、製品は異常なアクティビティ（機械学習の最も一般的な使用例の 1 つ）に関するアラートを提供しますが、それ以外はあまり提供しません。より高度なベンダーは、予測分析、推奨アクション、さらには問題の自動修復も提供できます。

AI に対するより包括的かつ効果的なアプローチは、ドメインに依存せず、すべてのシステムからデータを取得することです。ほとんどの場合、この機能の実装はまだ初期段階にあります。

まず、組織的な障壁が存在することがよくあります。 「すべてがサイロ化している」とアハメド氏は語った。 「ネットワーク チーム、これを管理するインフラストラクチャ チーム、そしてこれを管理する運用チームがあります。これらを統合し、AI と ML を使用して理解するには時間がかかります。」

AI ツールを単一のシステムに導入する方が簡単ですが、一部の組織ではより集中化されたアプローチを採用し始めています。 「彼らは運営方法を変えている」と彼は語った。

早めに基礎を築く

先見性のあるデータセンター管理者は、AI を念頭に置いてシステムを設計しています。

魅力的なユースケースとしては、機器が故障する可能性が高い時期を事前に予測し、データセンターのダウンタイムが発生する前に修理または交換できるようにすることが挙げられます。

「ベンダーは皆、障害がいつ起こるかを予測する人工知能や機械学習の理想郷について語っている」と、米国の大手データセンタープロバイダーであるQTSリアルティ・トラストの製品担当最高技術責任者、ブレント・ベンステン氏は語った。

この機能には、さまざまなシステムにわたる全体的な視点が必要ですが、これを実現するのは依然として困難です。デバイスがいつ故障する可能性があるかを判断するには、温度データ、使用履歴、電力消費データなどが必要になる場合があります。

「サイロ化は物事を難しくします」とベンステン氏は言う。「システムを他のシステムと融合させてよりスマートにしない限り、AI と機械学習は強力になりません。それが私の主張です。」

QTS は過去 4 年間にわたり、インフラストラクチャ管理のニーズに対応する統合プラットフォームに投資してきました。彼は言った。 「私たちはそれらすべてを一つに組み合わせ、その上で人工知能と機械学習を行うことができます。」