AIアーキテクトとはどのような人達でしょうか？

アシュトーシュ・グプタ

翻訳者: ブガッティ

企画丨孫淑娥亮策

要するに：

• 人工知能 (AI) プロジェクト、製品、展開モデルの多様性と緊急性が増すにつれ、AI アーキテクトの役割が必要になってきました。
• AI アーキテクトは、エンドツーエンドの機械学習 (ML) および AI パイプラインの構想、構築、展開、運用を担当します。
• AI アーキテクトは、堅牢なエンタープライズ規模の AI アーキテクチャの構築を支援し、データ サイエンティスト、データ エンジニア、開発者、運用、セキュリティ チームと連携します。

AI プロジェクトは、アーキテクチャの選択が適切でなかったり、準備が不十分であったり、拡張できなかったりするなどの理由で行き詰まることがよくあります。エンタープライズ アーキテクチャとテクノロジ イノベーションのリーダーは、AI アーキテクトの役割を確立して、AI のための強力なエンタープライズ レベルのアーキテクチャの構築を支援できます。

コンサルティング会社ガートナーは、2023年までにITリーダーの50%がAIプロジェクトを概念実証（POC）から本番環境に移行するのに苦労すると予測しています。成功の可能性を高めるために、組織は AI アーキテクトを雇用して、アーキテクチャ戦略の定義、ワークフローの作成、ツールセットの特定、AI 運用の拡張を支援することができます。

AIアーキテクトとはどのような人達でしょうか？

「AI アーキテクトは、AI アーキテクチャ戦略の管理者であり所有者です」と、ガートナーの著名な副社長アナリストである Arun Chandrasekaran 氏は述べています。「AI アーキテクトは、データ サイエンティスト、データ エンジニア、開発者、運用 (DevOps、DataOps、MLOps)、およびビジネス ユニット リーダーの間の橋渡し役として、AI プロジェクトの管理と拡張を行います。」

彼らはエンタープライズ アーキテクトやソリューション アーキテクトと緊密に連携していますが、幅広い機能を担当するエンタープライズ アーキテクチャ チームとは異なり、AI 向けの強力なエンタープライズ規模のアーキテクチャの構築に重点を置いています。

AI アーキテクトは何をするのでしょうか?✦

AI にはさまざまなユースケースと展開モデルがあるため、AI アーキテクトには複数の機能が必要です。

• データ サイエンティストやその他の AI 専門家と連携して、ユース ケースを特定し、試験運用することで、デジタル変革の取り組みを強化します。ビジネス チームとユースケースとアーキテクチャ設計の実現可能性について話し合い、ビジネス リーダーのビジョンを実際の技術的実装に変換します。同時に、軌道から外れたプロジェクトや非現実的なユースケースには注意してください。
• 複数の関係者 (ビジネス ユーザー、データ サイエンティスト、セキュリティ エキスパート、データ エンジニアとアナリスト、IT 運用スタッフ) からの意見を収集し、その意見に基づいてプロセスと製品を開発することで、テクノロジの実装を既存および将来のニーズに合わせます。
• AI アーキテクチャの定義とオープンソースおよび商用製品からの適切なテクノロジーの選択において重要な役割を果たします。クラウド、オンプレミス、またはハイブリッドの展開モデルを選択し、新しいツールが既存のデータ管理および分析ツールとスムーズに統合されるようにします。
• 継続的な改善に重点を置き、データ、モデル、ソフトウェア エンジニアリング全体にわたって AI ツールとプラクティスを監査します。 AI サービスを評価し、モデルの再調整をサポートし、モデルを再トレーニングするためのフィードバック メカニズムがあることを確認します。
• セキュリティおよびリスクのリーダーと緊密に連携して、トレーニング データの汚染、AI モデルの盗難、敵対的サンプルなどのリスクを予測して軽減し、倫理的な AI 実装を確保して AI システムへの信頼を回復します。今後の規制に精通し、ベストプラクティスに準拠させます。

AI アーキテクトに必要なスキルは何ですか?✦

AI アーキテクトには、一夜にして習得できるものではないさまざまなスキルが必要です。

技術的スキルには以下が含まれます:

• AI アーキテクチャとパイプライン計画。機械学習とディープラーニングのワークロードのワークフローとパイプライン アーキテクチャを理解します。 AI のデータ管理、ガバナンス、モデル構築、展開、および生産ワークフローに関係するさまざまな要素とアーキテクチャ上のトレードオフを深く理解することが不可欠です。
• ソフトウェア エンジニアリングと DevOps の原則。Git、コンテナー、Kubernetes、CI/CD などの DevOps ワークフローとツールの理解も含まれます。
• データ サイエンスと高度な分析。高度な分析ツール (SAS、R、Python など)、応用数学、機械学習とディープラーニング フレームワーク (TensorFlow など)、機械学習手法 (ランダム フォレストやニューラル ネットワークなど) の理解が含まれます。

非技術的なスキルには以下が含まれます。

• 思想的リーダーシップ。変革エージェントとなり、組織が AI 主導の考え方を採用できるよう支援します。 AI の限界とリスクについて現実的に考え、全体的なデジタル思想のリーダーシップを提供する IT 幹部にその現実を伝えます。
• 協力的な考え方。 AI プラットフォームがビジネスと技術の両方のニーズを満たしていることを確認し、データ サイエンティスト、データ エンジニア、データ アナリスト、機械学習エンジニア、その他のアーキテクト、ビジネス ユニットのリーダー、会社の幹部 (技術者および非技術者) と効果的に連携し、それらの関係を調整するよう努めます。