AIと自動化により企業のクラウド移行が改善

AIと自動化により企業のクラウド移行が改善

COVID-19 パンデミックの影響で、2020 年末までに推定 60% の企業がワークロードをクラウドに移行しました。パンデミックの間も情報技術(IT)への投資は増加し続けており、この数字は今後も増加し続けるとみられる。

[[431358]]

しかし、企業によるクラウド導入が増加しているにもかかわらず、多くの組織はクラウド移行において基本的な、回避可能なミスを犯し続けています。これらは必然的に、コストの急増、遅延、一貫性の欠如、組織単位間の統合の競合につながります。 2019 年のフォーティネットの調査によると、当初アプリケーションをクラウドに移行した企業の 74% が、期待した利益が得られなかったためオンプレミスに戻しています。これは残念ではありますが、予算と時間の無駄です。

なぜこのようなことが起こるのでしょうか? クラウド移行を計画している IT 意思決定者は、利用できるパスは 2 つしかないと考えることが多いのです。 1 つは、最小限の変更で迅速に移行できることです。これによりコストは節約されますが、精度が犠牲になり、クラウドの利点が十分に活用されません。一方で、移行の一環としてすべてのアプリケーションを最新化するための、困難でリソースを大量に消費する計画および開発プロセスを自社のチームが実行できると考える企業もあります。このアプローチではより良い結果が得られますが、時間がかかりすぎて、費用がかかりすぎます。

しかし、これらが唯一の選択肢ではありません。企業は、AI と自動化の力を活用して、効率と成果を最大化しながら意思決定者に最適な選択肢を提供することも検討できます。

AIを使って「未知の未知」を発見する

クラウドへの移行は非常に複雑であることが知られています。主要なクラウドベンダーが提供するインスタンスタイプ、ストレージオプション、アベイラビリティゾーン、料金プランをすべて組み合わせると、現在 2,500 万を超えるクラウド構成オプションが利用可能になります。当然のことながら、これによりクラウド移行の計画段階は苦痛を伴うプロセスになります。 AI は、組織が複雑さを理解し、潜在的な問題点を予測し、予期しないコストを回避するのに役立ち、遅延やダウンタイムを排除するか、少なくとも大幅に削減します。

通常、AI ベースのクラウド移行アプリケーションは、顧客環境からの何千ものデータ ポイントをマッピングし、それらを最適な移行モデルに関連付けます。このタスクは、従来は経験豊富なクラウド エキスパートでも完了までに数週間かかっていましたが、このアルゴリズムを使用すると数分で完了できます。さらに良いことに、クラウドに移行するたびに、AI は履歴データを活用して「より良い」結論を導き出せるようになるため、より賢くなります。

さらに重要なのは、人間のクラウド移行チームとは異なり、AI には固有の偏見が少なく、完璧な「記憶」があるため、移行チームが意思決定において客観性と一貫性を維持するのに役立つことです。

人工知能 (AI) と機械学習 (ML) ツールは、クラウド移行の計画段階で最も大きな影響を与えます。これらを賢く適用すれば、移行実行スケジュールを可能な限り正確かつ精密にするために非常に役立ちます。

潜在的なリスクに注意する

人工知能は万能薬ではない。少なくとも今のところは。クラウド移行を計画する際に AI および ML ツールに過度に依存すると、重要なニュアンスを見逃してしまうリスクがあります。たとえば、組織の文化の独特の癖、より広範なビジネス目標の微妙な点、急速に変化する外部市場要因などは、AI や ML ツールでは発見できません。

そのため、移行プロジェクトには経験豊富なクラウド エンジニアが関与することが重要です。 AI と ML は確かにガイドとして機能しますが、熟練したチームは、仕事の一部でもある必要な創造性と非常に重要な実世界での経験をもたらします。

移行後: 自動化による近代化の機会の発見

組織がアプリケーションをクラウドに移行する場合、意思決定者が「設定したら忘れる」という考え方を採用することがよくあります。これは必然的に不適切な管理とリソースの浪費につながり、パフォーマンスに悪影響を及ぼし、最終的には組織にさらなるコストがかかります。セキュリティとコンプライアンスのギャップも簡単に気付かれず、システムがサイバー攻撃や潜在的な規制違反に対して脆弱な状態になることがあります。

組織は今日の世界の変化する需要を満たすために進化し続けており、クラウド インフラストラクチャもそれに追いつき、さらに進化する必要があります。 AI と自動化は、クラウド資産をリアルタイムで監視し、インテリジェントな近代化とイノベーションの推奨事項を提供することで、企業が利用可能なテクノロジーを最大限に活用し、市場で競争上の優位性を獲得するのに役立ちます。

全体的に、多くの組織が最初に考えることに反して、クラウド導入の課題の多くは技術的なものではありません。むしろ、本当のテストは、移行の正しいパスを決定することです。 AI や機械学習ベースのプラットフォーム、経験豊富な専門家チームなど、利用可能なあらゆるツールを活用して、成功の可能性を最大限に高めます。

<<:  3分レビュー:2021年10月の自動運転業界の完全な概要

>>:  役に立つ知識の無用性:AI技術は現代の錬金術か?

ブログ    
ブログ    
ブログ    

推薦する

LeCun はもう一つの有名な引用を残しました: ChatGPT?犬ほども良くない!それは言語モデルによって供給されるだけである

チューリング・ビッグスリーの一人であるルカン氏は昨日、もう一つの名言を残した。 「知能の面では、Ch...

...

ニューロンクラスタリングはAIの学習戦略をシミュレートできる

人間や機械がタスクをよりうまく実行できるようになるたびに、証拠の痕跡が残ります。パフォーマンス向上の...

それは祝福でしょうか、それとも呪いでしょうか?顔認識技術の長所と短所

[[402949]]顔認識技術の向上が進む一方で、その技術を取り巻くプライバシーに関する懸念も浮上し...

人工知能がクラウド業界を変える5つの方法

サイバー攻撃の巧妙さと深刻さが増すにつれ、IT 業界は協力して、サイバー攻撃からの保護と防止に使用さ...

人工知能によるモザイク除去ディープ CNN デノイザーと多層隣接コンポーネント埋め込みによるモザイク除去

モザイク除去のための人工知能、ディープ CNN デノイザーとモザイク除去のための多層隣接コンポーネン...

AI分析で遠隔ビデオ監視をより利用しやすくする方法

[[400505]] AI(人工知能)がさらに発展するにつれて、新たな用途やメリットが生まれる可能性...

機械学習アルゴリズムの基礎知識

利用できるアルゴリズムは多数あります。難しいのは、さまざまな種類の方法があり、それらの方法に拡張もあ...

Liang Yanbo: データマイニングと機械学習アルゴリズム

電子商取引であれ、インターネット広告であれ、直接ユーザーと向き合うものであり、ユーザーの属性によって...

人工知能は最終的に人間に取って代わるのでしょうか?現時点では、あらゆる面で人間を超えることは難しいでしょう。

ここ数年、人工知能技術が徐々に発展するにつれ、社会の中で人工知能に対するさまざまな見方が現れ始めまし...

2020 年の人工知能に関するトップ 10 の予測

[[318614]] [51CTO.com クイック翻訳] 2019年、世界中の意思決定者の53%が...

Facebook、MITなどが研究論文を発表:ディープラーニングの実際の仕組みを説明する理論

Facebook、プリンストン大学、MITのAI研究者らは最近、「ディープラーニング理論の原理:ニュ...

...

Google Brain エンジニアの講演: TensorFlow とディープラーニング

この記事は、Google Brain エンジニアの Zhou Yuefeng 氏が QCon Sha...