ジョティ・シャー氏はADPのアプリケーション開発ディレクター、生成AI技術リーダー、メンター、イノベーション推進者、Women In Techアドバイザーである。
AIを活用したビジネスプロジェクトをリードしてきた経験から、テクノロジーが失敗するのは通常、新しいアイデアが原因ではなく、それらがいかにうまく連携するかという点にあることを学んだ。エンジニアリングチームが新しいAIモデルやAPIが登場するたびに飛びつく様子を目にしてきたが、その後彼らは互換性のないシステム、相互運用できないソフトウェア開発キット、そして増え続けるコストという問題に直面することになる。
私はこのサイクルを数え切れないほど経験してきた。学んだことはシンプルだ：すべての新しいモデルを追いかけていては成功できない。代わりに、周囲の環境が変化しても対応できるシステムを構築する必要がある。
現在チームをリードする際、どのモデルを使うかよりも、継続的な適応性を持つ設計をいかに実現するかに重点を置いている。生成AIは静的なアーキテクチャには速すぎるペースで進化している。企業の効率性における次の飛躍的進歩は、それらをより賢く接続する方法から生まれるだろう。
モデル偏重からプラットフォーム規律へ
多くの企業がいまだにモデルのパフォーマンス、つまり誰がより速く、安く、正確かといった点に注目していることに気づいた。私も初期には同じ過ちを犯した。しかし時間が経つにつれ、真の競争優位性は正しいモデルを選ぶことではなく、いかに迅速に次のモデルに移行できるかにあることを学んだ。だからこそ、統合APIレイヤー、つまりチームが「一度コーディングして」「どこでもモデルを使える」共有インターフェースの構築が重要だと考えている。開発者は新しいモデルが登場するたびにコードを書き直す必要がなくなる。
これは開発者の負担を軽減する。そして経営陣にとっても、AIを個別のツールの集合体ではなく、再利用可能でスケーラブルな能力として活用できるようになる。
柔軟性のROI
私はいつも柔軟性を収益性向上の手段と考えてきた。ビジネスが一つのプロバイダーを選ぶと、そのプロバイダーの価格設定、レイテンシー、ロードマップにも縛られることになる。統合APIアプローチがチームにもたらす変化を目の当たりにしてきた。タスクとコストプロファイルに基づいて、ワークロードをリアルタイムで異なるモデルに振り分けることができる。複雑な推論には高性能モデルを、日常的な推論タスクにはよりシンプルで安価なモデルを使用する。
この小さな変更が実際に大きな効果をもたらす。AI関連インフラのコスト削減と市場投入までの時間短縮を実現したプロジェクトを指揮してきた。教訓は明確だった：柔軟性は繰り返し利益をもたらす。システムの柔軟性が高まるにつれ、予算は特定のベンダーへの依存度が低下した。
ベンダーロックインの隠れたコスト
ベンダーロックインによる静かな損失を、予算に表れるずっと前に見抜くことを学んだ。これはAPIコストだけの問題ではなく、各プロバイダーに固有の統合を維持するために蓄積される技術的負債だ。そのようなシステムを引き継いだ経験がある。各モデルが独自のソフトウェア開発キット、データフロー、テストフレームワークを持っていた。後にそれらのシステムを移行することは苦痛で高コストだった。
統合APIレイヤーを採用したとき、その苦痛は消えた。プロバイダーの切り替えは設定ファイルを更新するだけの簡単な作業になった。さらに重要なのは、コンプライアンス要件に応じて機密性の高いワークロードをプライベートインフラ内に保持する自由が得られたことだ。この柔軟性を活用して、地域データレジデンシー法に対応し、より回復力のあるマルチクラウドAIフットプリントを構築してきた。イノベーションを遅らせることなくガバナンスが向上した。
大規模な運用の透明性
より大きな企業でAIプロジェクトに取り組むうちに、もう一つ気づいたことがある：可視性がすぐに失われるということだ。異なるチームが異なるモデル、ベンダー、請求方法を使用している。「誰が何を使っていて、それにいくらかかっているのか？」といった単純な質問に長期的に答えられなくなる。
単一の制御レイヤーがどれほど状況を変えられるかを知っている。それを導入したとき、開発者のオンボーディング時間は短縮され、実験の数は増加した。財務チームはAIの使用状況をリアルタイムで確認でき、コンプライアンスチームはようやくデータの行き先を把握できるようになった。初めてAIが明確で、測定可能で、予測可能なものに見えた。そのとき、アーキテクチャはエンジニアによる選択だけでなく、リーダーシップの形でもあることに気づいた。
持続可能性とスケーラビリティの融合
AIワークロードが増大するにつれ、持続可能性についても考え始めた。すべてのタスクを最大かつ最も強力なモデルで実行することは、コストがかかるだけでなく非効率的だ。持続可能性をエンジニアリングの卓越性を測る指標として扱い始めた。
小規模なタスクを軽量モデルにルーティングし、高度なモデルを高価値の推論のために確保することで、コストとエネルギー使用量の両方を削減した。これは企業のESG目標と完全に一致し、さらに重要なことに、責任あるAIが効率的なAIにもなり得ることを証明した。以来、取締役会や投資家がこのアプローチに特別な関心を示すようになった。なぜなら、イノベーションと長期的な持続可能性を直接結びつけるからだ。
アーキテクチャでリードし、誇大宣伝に惑わされない
すべてのビジネスがAIビジネスになる時代に入りつつあると思う。しかし、すべてのビジネスがそれをうまく行うわけではない。使用するモデルではなく、成長を可能にするアーキテクチャこそが真の差別化要因となる。クラウドへの移行やマイクロサービスの台頭など、数々の技術変革を通じてチームをリードしてきた。アーキテクチャは持続するが、誇大宣伝は持続しないことを学んだ。次の持続的な基盤は統合AIAPIレイヤーだ。それは創造性と責任、スピードと制御、イノベーションとガバナンスを結びつける。
リーダーシップの教訓
AIにおける真のリーダーシップとは、次の大型モデルを予測することではない。どんなモデルでも成功できる環境を作ることだ。チームが一度コーディングしてどこでもモデルを使えるようになると、テクノロジートレンドを追うのではなく、トレンドを作り出す側になる。彼らはイノベーションに自信を持ち、方向転換の方法を知り、環境に配慮した方法で成長する。それは優れたエンジニアリングであるだけでなく、優れたビジネスでもある。
現在AIシステムを構築する際、現状のためではなく、将来のために構築している。真のAIリーダーシップとは、柔軟で、規律があり、未来に備えたマインドセットを持つことを意味する。
