ジェネレーティブ AI と自動化: 未来のデータ センターを加速

自動化と生成型人工知能 (GenAI) の時代において、「データセンター」の本当の意味を再考する時が来ています。パブリック クラウドに多額の投資をしている人にとって、自動化や GenAI に関してデータ センターは最初に思い浮かぶ場所ではないかもしれませんが、これらのテクノロジはあらゆる環境で何が可能かを急速に変えつつあります。

10 年か 15 年前、企業がクレジットカードを使って IT を回避し、開発者にクラウド リソースを自由に使用させ始めたとき、パブリック クラウドは間違いなく正しい動きでした。ほとんどの大規模組織では、社内顧客が見落とされたり、そのニーズが十分に満たされなかったりすることがよくあります。インキュベーション プロジェクトを成功させるには、柔軟性と拡張性が求められ、初期費用が低いことが求められます。

もし時間が止まっていたなら、データセンターの終焉に関する悲惨な予測は正しいかもしれない。では、なぜこの致命的な出来事は起こらなかったのでしょうか? それは、データ センターが適応したからです。 「aaS」とサブスクリプション モデルは現在オンプレミスで利用可能ですが、真の安定化の原動力は自動化です。

これが、今日の話題、GenAI と、それがデータ センターの自動化を強化して、パブリック クラウドとほぼ同等のエクスペリエンスを実現する方法につながります。その前に、データセンターで自動化とスクリプトが果たす役割を理解する必要があります。まず、自動化と GenAI によってオンプレミスで何が実現可能になったのかを説明する前に、いくつかの重要なポイントについて説明します。

クラウド運用モデルとインフラストラクチャ・アズ・コード

基本から始めましょう: クラウドの基盤は、コードとしてのインフラストラクチャと、IT をサービスとして利用するという考え方です。開発者は、ストレージ管理者、IT 運用、またはネットワーク チームと話をすることなく、すぐに環境を立ち上げて作業を開始できます。これは 2023 年には必須になるはずですが、良いニュースとしては、自分で構築することが完全に可能であるということです。この運用モデルを採用するということは、IT がポリシーとプロセス、そして自動化を活用して環境から摩擦を取り除くことを意味します。

クラウド運用モデルを自動化した後の最終的なエクスペリエンスの視覚的表現

自動化ツールとテレメトリ

現在、データセンターに対して比類のない制御と洞察を提供できる自動化、管理、テレメトリ/AIOps 製品が数多く存在します。データは人工知能とデータセンターの効率的な管理の基盤となります。現在データ センターで利用できる制御と可視性は、一般にパブリック クラウドで実現可能なもののスーパーセットですが、ハイパースケーラーもこれをうまく実現しています。クラウドのマルチテナント性を考慮すると、クラウド プロバイダーは各顧客のセキュリティを確保するために、一部の運用知識を難読化する必要があります。これにより、特定の監視システムの導入方法や収集できるデータが制限されるアーキテクチャ上の決定につながります。重点的に注力するのは、これらのソリューションをしっかりと統合し、自動化とインフラストラクチャをコードとして実行し、すべてを測定/監視し、すべての役割に対して 1 つのまとまりのあるワークフローを使用していることを確認することです。

共通の自動化/管理スタックの視覚的表現

GenAIがIT自動化の次の波を起こす

これにより、GenAI を含むデータ センターの次の進化が実現します。過去の仕事での面白い話を紹介します。あるクライアントがマーケティング コンサルタントに、物理インフラストラクチャと仮想インフラストラクチャの両方に対応した HCI 展開実践ラボの構築を依頼しましたが、支援する専門家をまったく派遣しませんでした。そのマーケティング コンサルタントは私であり、これはおそらく私がこれまで取り組んだプロジェクトの中で最も困難なものの一つでした。この種のタスクを実行する方法の基本を理解するために、コード スニペットと YouTube チュートリアルを使用しました。パズルを組み立て、それぞれのピースがどのように組み合わさるかを考えるのにさらに数週間かかりました。コーディングについてはあまり詳しくなかったのですが、奇跡的にうまくいきました。とにかく、これがワンダーウォールです…つまり、GenAI がやっているということです。

GenAIはあなたが探している検索エンジンとコードアセンブラです

ここで、私のハンズオン ラボでは Windows Server のインストール以上の作業を行いましたが、要求すれば残りのプロセスも提供されることは間違いありません。重要なのは、インフラストラクチャをコードとして扱うという考え方により、開発者がこうしたタイプの呼び出しやランブックに慣れていない可能性がある新しい環境において、GenAI が本当に役立つ新しい味方となることです。公共インフラにアクセスするためのスクリプトはどこにでもあり、多くの場合テクノロジー企業自身によって書かれていることに気づいていない人が多いです。ハードウェアおよびソフトウェア ベンダーは、ランブックの大規模なリポジトリを保有しており、場合によっては、それらを見つけるだけで済むこともあります。そこで GenAI の登場です。もう 1 つの重要な考慮事項は、インフラストラクチャ自体がスマートかつ安全であることです。これらのコマンドは、リモート管理のために数千のサーバーにプッシュできます。

GenAIとプロセス構築

コンテナについてはよく話題になりますが、ある顧客にこの話題を持ち出すと、「VMware 管理者を 18 か月間も働かせることすらできなかったのに、どうしてコンテナができると思うのですか?」と言われました。これはおそらく、テクノロジーの最大の課題です。スキルがなければ、どうやってそれを使用できるのでしょうか? GenAI の次の驚くべき摩擦軽減ツールの登場です。ドキュメントの作成または検索です。

たった 2 回のリマインダーで、いつでも使用できる定期的で非常に価値のあるプロセス ドキュメントが作成されます。

私たちは長い間、膨大な量の情報にアクセスしてきましたが、以前はそれをすべて解析する能力がありませんでした。 GenAI はそれをすべて変えます。今では、コード リポジトリを検索して精査する代わりに、単純な自然言語クエリまたはプロンプトで、必要なドキュメントを正確に生成できます。答えを探すのに何時間も費やす代わりに、わずか数分で詳細なドキュメントを入手できます。これにより、テクノロジーを導入する際の障壁が完全に取り除かれます。

可能性は何千もあるが、次はAI運用

このテクノロジーは、さまざまな方法でデータセンターを運営するために使用できます。次の大きな価値は AI 運用かもしれません。豊富なテレメトリデータから多くのことがわかりますが、信号対雑音比の問題が発生することがよくあります。人間が分析して理解するには多すぎるデータを生成しすぎているのです。このデータを GenAI にプッシュし、自然言語をインターフェースとして使用することで、より幅広いユーザーに洞察を広げ、グラフや生データを見たときには決して思いつかなかった質問をすることができるようになります。この種のデータを使用すると、解決までの平均時間が大幅に短縮されます。しかし、大きな欠点があり、それが最後のポイントになります。

GenAIと自動化はすべてを変えるが、注意して使用する必要がある

GenAI の 2 つの大きな課題に対処する必要があります。具体的には、知的財産 (IP) の漏洩と、コンテンツを「幻覚」させたり捏造したりする能力です。それぞれを分析し、実装に支障なくこのテクノロジーを使用する方法を判断しましょう。

まず、IP 漏洩について説明しましょう。サービスとして配信される GenAI モデルにデータが送信される場合は、必ず IP が漏洩するリスクがあります。パブリック クラウドやオープン S3 バケットの初期の頃と同様に、初期の実験者は誤用や誤解によって組織にリスクをもたらしました。これを解決する最善の方法は、共通のワークフローや開発パイプラインにプラグインする集中型 IT 戦略を策定し、最終的には AIaaS に転送できない機密性の高いデータを処理するために独自の GenAI をローカルで構築することを優先することです。

大規模言語モデル (LLM) を社内に導入するもう 1 つの利点は、LLM をより正確に作成し、ガードレールを設定できることです。これにより、生成される応答はより正確になり、ビジネスとの関連性が高まります。ガードレールは、GenAI が回答を強いられ、要求を満たすために不正確な情報や作り話の情報を提供する「幻覚」を防ぐこともできます。これは GenAI によくある問題です。実際のところ、これらのツールはまだ初期段階にあります。ほとんどの人がリリース パイプラインでテストするのと同じように、この領域も本番環境に移行する前にさらに厳密に行う必要があります。私は、AI のエラーを減らす方法として、人間の関与、つまり人間が支援する機械学習を強く支持しています。

未来は自動化される

データセンターは存在し続けますが、GenAI と自動化によって完全に変革されます。これらのツールはワークフローを強化し、IT 運用スタッフと開発者が超人的な能力を発揮できるように支援しますが、人間に直接代わるものではありません。 AI と自動化戦略を展開する際には、何を達成したいのか、組織にとってどのレベルの自動化が適切かを検討することが重要です。未来は明るく、どこでも革新を起こす能力が現実のものとなりました。