Turbonomic の買収計画により、IBM はビジネスと IT 全体にわたって人工知能の自動化機能を提供できる世界で唯一の企業になります。 需要と供給の関係: 需要と供給の関係に関しては、物理的な物体の需要と供給の関係を理解するのは簡単です。ただし、今日のデジタル世界では、需要と供給は仮想製品の需要と供給を指す場合があります。つまり、組織は IT リソースの供給と IT リソースに対するユーザーの需要のバランスを確保する必要があります。アプリケーションは、ハイブリッド環境やマルチクラウド環境全体でアプリケーション パフォーマンスを効果的に管理しようと努力しながら、これらのツールの需要を生み出そうとする組織にとって、最大の悩みの種の 1 つです。この緊張関係により、IT 部門がトラブルシューティングに多くの時間を費やし、イノベーションの追求に十分な時間をかけられず、無駄な費用がかかったり、顧客対応時間が不十分になったりするなど、深刻な問題が発生する可能性があります。 アプリケーション リソース管理 (ARM) は、組織が提供する IT リソース (コンテナー、仮想マシン、サーバー、ストレージ、ネットワーク、データベースなど) を、それらのリソースを使用する必要があるアプリケーションと一致させることで、組織の効率を向上させることができます。 ARM は可視性を向上させ、洞察を提供し、アクションを自動化するため、組織は問題が発生する前にそれを防止し、トラブルシューティングに費やす時間と労力を最小限に抑え、従業員が時間の 50% を最も重要な作業に費やすことを可能にします。 ARM は AI 自動化の重要な部分です。これが、IBM が Turbonomic を買収する計画を立てている理由の 1 つです。 Turbonomic は、ARM およびネットワーク パフォーマンス管理ソフトウェア プロバイダーであり、既存の IBM パートナーです。 Turbonomic の買収計画により、IBM は組織全体のレベルで人工知能自動化機能を顧客に提供できる世界で唯一の企業となり、組織が AIOps からアプリケーション、インフラストラクチャに至るまでネットワーク全体を簡単に制御できるようになります。 この買収は顧客にとって素晴らしいニュースです。両社が協力し、適切なリソース管理の欠如によって生じる高い経済コストと従業員の生産性コストの削減を支援することになるからです。これは、Turbonomic テクノロジーにより、組織がいつでもどこでもアプリケーションのパフォーマンスを監視し、企業全体のすべてのアプリケーションのパフォーマンスと可用性をより効果的に管理できるようになるためです。 最近、IBM は一連の買収計画を発表しており、Turbonomic の買収もその 1 つです。これらの買収計画は、IBM の AI 自動化への投資だけでなく、より大規模なハイブリッド クラウドと AI 戦略の一環でもあります。 1. Turbonomic の機能は、IBM が最近買収した別の企業である Instana の機能を補完します。 Turbonomic、Instana、IBM Cloud Pak® for Watson AIOps の機能を組み合わせることで、クライアントは次のことが可能になります。
2. ParkMyCloud も Turbonomic の買収対象に含まれています。 ParkMyCloud は、組織がパブリック クラウドのコストやワークロードの開発およびテスト費用を簡単に削減できるようにするコスト最適化ツールです。 3. 5G テクノロジーを採用する組織が増えるにつれ、ワークロードをエッジに移行する方法も模索されています。 IBM は Turbonomic の製品を使用して、ネットワークにワークロードを配置する方法とタイミング、および 5G 環境で実行されるアプリケーションを最適化する方法をクライアントが理解できるように支援します。 AI 自動化ソリューションは、組織がデジタル世界で成功するのに役立ちます。 IBM の自動化ソリューションは、何千ものクライアントの IT およびビジネス プロセスの効率と従業員の生産性を向上させ、組織の成功に貢献してきたため、私はこのことを直接知っています。 ディネシュ・ニルマル IBM グローバル オートメーション事業部 社長 元のブログリンク: https://www.ibm.com/cloud/blog/ibm-to-acquire-turbonomic IBM の詳細については、 http://cloud..com/act/ibm2021q3/cloud#p2 をご覧ください。 |
<<: IBM Cloud Pak for Data 4.0 で大規模なインテリジェント オートメーションを統合
>>: 企業で AI ストレージを導入する際に留意すべき 7 つのポイント
次世代のサイバーセキュリティの脅威には、新しい予期しない攻撃に迅速に対応できる、俊敏でインテリジェン...
医療用人工知能製品は多様化しており、下流の需要は強い医療人工知能産業の上流は、主に医療データマイニン...
[[433465]]みなさんこんにちは。私は Python の専門家です。この記事のタイトルを考え...
ガベージ コレクターについて説明する前に、まずガベージ コレクション アルゴリズムと JVM のガベ...
近年、民間ドローンの急速な普及は、空中撮影、レジャーや娯楽、農作物の保護、電力検査など、人々の生産と...
競争が激化するテクノロジー市場において、ハイテク新興企業から世界的な多国籍企業まで、誰もが人工知能を...
任意のポーズの写真を入力し、写真の人物に「指定された動画」の動きを真似してもらうのは簡単ではありませ...
ディープラーニング:幾何学的視点ディープラーニングに関する最も驚くべき事実は、それがいかにシンプルで...
自然言語処理分野の研究者にとって朗報があります。最近、計算言語学会(ACL)の年次総会は、この一連の...
3月16日、KuaishouとTestin Cloud Testingが共同で主催するApache ...
オートエンコーダ(AE)は、半教師あり学習や教師なし学習で使用される人工ニューラルネットワーク(AN...
この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...
著者 | 李世馨翻訳者 | 朱 仙中編纂者:Qianshan人工知能に関する議論にはしばしば論争が伴...