AIの技術的負債の解消は急務

この流行は世界市場に衝撃をもたらしたが、人工知能（AI）企業への資本投資は増加し続けている。 CB Insightsの新しい調査によると、2021年に業界は資金調達記録を更新しており、人工知能企業は今年上半期だけで380億ドルの新規投資を集めている。これは、2020年全体でこの分野で調達された360億ドルを上回ります。

[[441478]]

しかし、大規模な AI 導入に対する新たな障壁である技術的負債の問題が、AI アプリケーション開発の継続的な成長と採用を脅かしています。

技術的負債とは、リリース前にすべての機能が完成していなくても、約束された納期までにプロジェクトが確実に完了するように、ソフトウェアの開発作業の一部を省略または延期することを指します。

AI の場合、技術的負債はより複雑です。AI 自体には未知の部分が多く、迅速な導入を優先して多くの作業が見落とされるためです。しかし、技術的負債はプロジェクト コストの上昇と遅延の重要な引き金となります。

従来のアプリケーションやソフトウェア システムの構築と展開は、必要な変更が続く、前向きの反復の決定論的な一方向のプロセスです。リリースごとに、技術的負債が予測され、計画され、その過程で削減されます。この形式の技術的負債は予測可能なので、他の費用と同様に予算化されます。

しかし、AI の技術的負債の場合はそうではなく、構成が異なります。

AI 技術的負債とは何ですか?

企業や AI スタートアップの意思決定者は、チャットボット、顔認識、スマート音声アシスタント、自動テキスト作成などの AI 開発を通じて新しいビジネス機能を追求するため、AI テクノロジーの差別化を認識し、それを排除および防止するための措置を講じる必要があります。

AI 開発の目標は、正確で信頼性の高い予測モデルを発見、トレーニング、展開することです。ただし、AI の技術的負債には、これらすべてを実現するために必要な複雑なプロセスと手順のコストが含まれます。 AI では、技術的負債は人間の決定の結果ではなく、ソフトウェアの望ましいレベルのインテリジェンスと機能要件を達成した結果です。

特に、自然言語処理 (NLP)、マシンビジョン、音声認識および合成などにニューラルネットワークとトランスフォーマー (プリオーダーエンコーダーデコーダー予測子) アルゴリズムを使用するディープラーニング (DL) では、モデルの複雑さにより、アプリケーション開発よりも技術的負債を効果的に管理することがはるかに困難になります。

これらの機能的および手順的な要件は、多くの場合、AI モデルの開発と展開のプロセスを管理および保証する、付加的なアドホック コーディングと手動のループ内タスクを通じて満たされます。問題は、このようにディープラーニングの AI 技術的負債を管理することは、数十億のパラメータと潜在的に数百万ドルのトレーニングコストを伴う新世代のディープラーニング モデルでは持続不可能であるということです。リスクが大きすぎます。

AIの技術的負債を回避する

ディープラーニングの複雑さの急速な増加によって引き起こされる AI 技術的負債の爆発的な増加に対処するために、企業は支援を必要としています。ここで、AI オーケストレーションおよび自動化プラットフォーム (AI OAP) の動的ソフトウェア インフラストラクチャが役立ちます。

調査会社ガートナーは、このようなプラットフォームを、企業に AI パイプラインの計画、自動化、および本番環境対応の機能を提供するプラットフォームと定義しています。また、再利用性、再現性、リリース管理、継承、リスクとコンプライアンスの管理、セキュリティ制御などのエンタープライズ レベルのガバナンスも提供します。これらのプラットフォームは、開発、ハイブリッド、マルチクラウド、IoT 配信、運用ストリームおよびバッチ処理コンテキストを統合することもできます。

従来の機械学習向けの AI オーケストレーションおよび自動化プラットフォーム (AI OAP) は数多く存在しますが、ディープラーニングの独自の要件をサポートしているものはごくわずかで、マルチクラウドの透明性を提供しているものはさらに少ないです。

3 大クラウド サービス プロバイダー (Amazon Web Services、Google Cloud Platform、Microsoft Azure) は、それぞれ独自のオーケストレーションおよび自動化サービスを提供しています。すべてのディープラーニング ワークロードに単一のクラウドを使用している企業の場合、これらのサービスにより技術的負債が大幅に削減されます。しかし、経済的および規制上の理由からマルチクラウドやハイブリッドクラウドを使用している多くの企業にとって、複数の OAP を導入すると運用上の複雑さが生じ、AI の技術的負債への影響が大幅に減少します。

幸いなことに、すべての環境で単一のユーザー インターフェイスと共通の機能を提供する、クラウドに依存しない製品とサービスを使用して、マルチクラウドおよびハイブリッド クラウド ユーザーのディープラーニングのニーズに対応している AI OAP プロバイダーのグループが登場しています。

これらのプラットフォームの潜在的なユーザーは、使いやすさ、説明責任、価値実現までの時間に関して、AI 実践者、管理者、利害関係者のニーズのバランスをとる方法に違いがあることに気付くでしょう。これらは AI 技術的負債の重要な要素であり、ユーザー組織によって異なります。そのため、最適な AI OAP ソリューションを選択するには、サービスと組織全体の最適な適合を確保するために共同アプローチを採用する必要があります。 AI の技術的負債との戦いはチームスポーツです。

ディープラーニングが業界全体でのイノベーションに不可欠なツールになりつつある中、AI の技術的負債を管理することがますます緊急の課題となっています。これは、AI の技術的負債によって、有望な取り組みが予期せぬコスト増加によって簡単に埋もれてしまう可能性があるためです。 AI OAP は、AI の技術的負債の解消、ROI の向上、価値実現までの時間の短縮、そして幅広いディープラーニングのニーズに対する規制遵守の確保に役立ちます。これらの利点を考慮すると、このタイプのインフラストラクチャは、あらゆる企業の将来の AI 戦略に不可欠な要素となるはずです。