私たちの重要なインフラは人工知能に対応できるでしょうか?

ChatGPT を楽しみや機能のために使用する個人から、タスクの自動化に人工知能 (AI) を適用する企業まで、AI ツールの使用はここ数年で爆発的に増加しており、今日のビジネスでは AI ツールが一般的になりつつあります。

データによると、CEO の 43% が戦略的な意思決定に AI を活用しており、75% が最先端の生成 AI を導入することが成功の鍵であると考えています。

AI がもたらす可能性は驚異的で、ほぼ無限の世界的な可能性を秘めています。しかし、その約束を実現するには、交通システム、病院、金融機関などの重要なビジネスおよび政府インフラストラクチャの運営者は、適切なテクノロジー基盤から始める必要があります。

人工知能の無限の可能性

AIの商業化は近年大きく進歩しており、2024年はさらなる進歩の年となるでしょう。同時に、量子コンピューティングと産業環境のデジタルツインのイノベーションは、人工知能の応用と密接に統合されています。これらのテクノロジーを組み合わせることで、業界はこれまでにないレベルの生産性を達成できるようになります。 2025年までに、人工知能だけで9,700万の雇用創出を支え、世界経済に年間4.4兆ドル以上貢献すると推定されています。人工知能は今後10年間で世界のGDPを7%増加させる可能性があると推定されています。

こうしたメリットの多くは、予測分析やその他の運用最適化の主流アプリケーションによる効率性の向上から生まれます。 AIは業務の最大70%を強化または自動化できると言われています。これにより、全体の生産性が最大 3.3% 向上し、従業員はより価値が高く、より戦略的な成長タスクに集中できるようになりますが、自動化だけが目的ではありません。 AI は批判的思考と問題解決もサポートし、ほぼすべての業界に価値をもたらします。

これらすべての機能は、企業がより少ないリソースでより多くの成果を上げるのに役立ちます。これは、労働人口の高齢化が進むにつれて重要になります。

人工知能には強力な技術的基盤が必要

AI の可能性は刺激的ですが、企業や政府はそのメリットを最大化する方法を検討し、これらの重要な基盤を築くための措置を今すぐ開始する必要があります。

データは人工知能の中核です。大量の関連データを処理するには、膨大なコンピューティング リソースが必要です。 AI の使用が拡大するにつれて、データ レイクは分散 (エッジ) および中央の場所でコンピューティング能力をますます必要とするようになり、ルーティング、送信、およびデータ センターが完璧かつ効率的に動作するためのインフラストラクチャとアーキテクチャに依存するようになります。

これには通常、複数のデータ処理ユニット (DPU)、中央処理装置 (CPU)、およびグラフィックス処理装置 (GPU) が連携して、ワークフローとサイト間でデータを処理および転送することが含まれます。データの転送だけで処理時間の 25% を占めます。つまり、ネットワークは効率的で、ロスがなく、容量が大きい必要があります。最適でないネットワークのボトルネックはジョブの完了時間に大きな影響を与え、そうしないと AI の目標が達成されない可能性があります。

AI と統合された将来のビジネス アプリケーションをサポートするには、次のような AI インフラストラクチャの主要要素を導入する必要があります。

コンピューティング能力とアクセラレータ:運用から収集された膨大な量のデータを結合して解釈し、インテリジェントな AI 決定を下すには、かなりのコンピューティング能力が必要です。

スケーラブルなデータ ストレージと管理:データ システムとストレージは、データのニーズが増大し、意思決定のためにデータが収集されるにつれて、迅速に拡張できる必要があります。

クラウド コンピューティング プラットフォーム:これらのシステムは、AI モデルのトレーニング、膨大なデータ セットの分析、実用的な洞察の抽出のために、事実上無制限のデータ リソースへのアクセスを提供します。

高速で信頼性の高いネットワーク インフラストラクチャ:特にクラウド サービスは、データを高速、安全、かつ確実に移動する能力に依存します。最新のルーティングおよび光トランスポート ネットワークは、人工知能の時代をサポートするために必要な容量とパフォーマンスを提供します。

データ セキュリティと整合性システム:強力なプロトコルとガバナンス フレームワークが含まれます。使用および送信されるデータが増えるにつれて、データ セキュリティを確保し、量子安全性を追求することがこれまで以上に重要になります。セキュリティは、将来にわたってデータの整合性を確保するのに役立ちます。

API および既存システムとの統合: AI を導入するということは、すべてのシステムとコンポーネントを置き換えることを意味するわけではないため、既存システムとの相互運用性と互換性が必須です。

システムメンテナンスのための監視および自動化ツール:システムの複雑さが増すにつれて、すべてが適切なパフォーマンス レベルで実行されていることを確認するために、監視と問題処理を自動化することが重要になります。

コンプライアンス:企業は、IT システム、データ処理などに関する法律や規制に完全に準拠していることを確認する必要があります。

スケーラビリティ:システムは、拡大し変化するアプリケーション、帯域幅、パフォーマンス要件に対応できる柔軟性を備えている必要があります。

専門知識とトレーニング:進化するテクノロジーには、継続的なスキルアップと再トレーニングが必要です。 AI、運用、そしてそれら固有の課題を理解している信頼できるパートナーと専門家を選択してください。

適切に実装されたAIとは

企業と政府は適切な基盤を構築するために必要な投資を行う必要があります。これらの要素が整えば、AI は企業やコミュニティの生産性と効率性の向上に役立ちます。

公益事業会社は、AI を運用システムに統合して、需要に合わせて電力リソースをインテリジェントにシフトし、停電が発生する前に異常を検出できます。 AI ツールは、潜在的なサービス影響のシナリオをより正確に予測し、サービスの中断を事前に回避または最小限に抑えるのに役立ちます。 AI 対応システムは、電力網を最適化して効率と持続可能性を最大化することもできます。

金融および銀行業務では、AI を活用した業務により、取引のセキュリティの向上、高度な不正防止、分析と予測の強化、顧客サービスの向上、規制コンプライアンスの向上が可能になります。

ヘルスケア業界は世界中のデータの約 30% を生成しており、患者データのセキュリティを保護しながら、AI を使用して患者ケアを改善し、医学研究を進歩させ、業務を最適化して効率を高める機会を生み出しています。

鉄道、航空会社、物流会社などの輸送業務では、AI を使用してより正確な天気予報を行い、それに応じて計画を立て、キャパシティ プランニングを改善し、ルートを最適化して、人や物を必要な場所に迅速かつ効率的に届けることができます。

政府や緊急対応チームは、AI と高度なセンシング技術を組み合わせることで、山火事、洪水、その他の自然災害などの気候変動の影響をより適切に予測し、対応することができます。 AI と産業メタバース シミュレーション、および強化された状況認識ツールによる強化されたトレーニングを通じて、機関はより効果的に対応し、より多くの命を救うことができます。

要約する

AI の有用性は、さまざまなソースからの大量のデータを処理し、大量のリアルタイムデータ転送の要件を満たす速度、容量、インテリジェンスに依存します。回復力と安定性を備え、高速で低遅延の接続を提供するネットワーク インフラストラクチャと、自動化され、オープンで柔軟なクラウド システムが必要になります。実際、これらのビジネス クリティカル、ミッション クリティカル、および社会クリティカルな成果はすべてネットワークに大きく依存しており、データ センター、それらをシームレスに接続するルーターや光トランスポート機器などの堅牢で高性能、かつ安全な基盤ネットワーク インフラストラクチャに依存しています。

これらの基盤が整えば、AI は業務と生産性を飛躍的に向上させる無限の可能性を実現できます。これにより、ビジネス運営が強化され、私たちが思い描く最適化された作業環境が実現し、社会の最も困難な課題のいくつかを解決することができます。