AIによる優位性がスピードとグローバルな規模の拡大にかかっている時代、組織は馴染みのある壁にぶつかります：データ主権です。各国がデータの保存・処理方法や場所に関する規制を強化する中、リーダーたちは機密情報の保護とハイパースケールイノベーションの力を最大限に引き出すことの間で、高まる緊張に直面しています。この課題は、どちらか一方を選ぶことではなく、両方を調和させることにあります。
競争力を維持するため、私が主宰するForbes Technology Councilを通じたコミュニティ「Cloud Computing Group」のメンバーに、組織がローカルコンプライアンスを尊重しながら相互運用性を維持するアーキテクチャを構築する方法について尋ねました。
ローカライズされたコントロールと共有AIモデルを目指す
私は、ローカライズされたコントロールと共有AIモデルを持つフェデレーションデータアーキテクチャを採用する組織に成功を見てきました。これは、機密データを地域内に保持しながらグローバルな学習を可能にすることで、主権と規模のバランスをとります。プロセスだけでなくインフラストラクチャにポリシーを組み込むことで、イノベーションを遅らせることなくコンプライアンスをシームレスにします。- Laxmi Vanam氏
ハイブリッドマルチクラウドアーキテクチャを採用する
組織は、ソブリンクラウドゾーンとローカライズされた環境を含むハイブリッドマルチクラウドアーキテクチャを採用することで、データ主権とハイパースケールイノベーションを調和させることができます。このアプローチにより、機密データは管轄区域の境界内に留まりながら、非機密ワークロードはAIの加速と拡張可能なイノベーションの恩恵を受けることができます。コンテナ化とAPIベースの相互運用性を活用することで、さらに柔軟性と移植性が確保されます。- Fabio Moioli氏, Spencer Stuart
居住要件とセキュリティ要件を満たすクラウドデータロケーションを選択する
ソブリンモデルの利点には、市民権やクリアランスに基づくアクセス制限が含まれます。組織は、居住要件とセキュリティ要件を満たすクラウドデータロケーションを選択できます。ソブリンクラウドは、技術的および法的基準の両方に従い、政府および業界の規制に準拠しています。スタッフと運用慣行は関連法に沿っており、ネットワークインフラは、安全なVPNや隔離環境などの専用容量を使用してプライバシーを保護します。- Kiran Palla氏, Anika Systems
量子耐性のある機密コンピューティングモデルを構築する
使用中でもデータを保護する量子耐性のある機密コンピューティングモデルを構築しましょう。情報を暗号化して複数の信頼できるクラウドに分散し、ポスト量子暗号でリンクを保護することで、組織はAIイノベーションを遅らせることなく主権ルールを満たすことができます。このアプローチにより、データは単一の国の管理下に置かれない安全な断片に変換されます。- Pravir Malik氏, QIQuantum
主権を意識したフェデレーションデータとAIフレームワークを開発する
組織は、主権を意識したフェデレーションデータとAIフレームワークを採用することで、データ主権とハイパースケールイノベーションを調和させることができます。このモデルは、データ主権を維持しながらインテリジェンスをグローバルに拡張することを可能にします。地域間でメタデータ、系統、ポリシーレイヤーを統合することで、組織はコンプライアンスを維持し、クロスクラウドの相互運用性を確保し、AIによるイノベーションを加速できます。- Franky Joy氏, Lane Automotive
問題を定義し、過去のデータを理解する
AIの加速は避けられず、今必要とされています。ハイパースケールイノベーションでは、問題を定義し、利用可能な過去のデータを理解することから明確さが始まります。2つの道が浮かび上がります：1つは、AIを通じて破壊的イノベーションを推進し、顧客の信頼を構築すること。もう1つは、拡張可能で持続的なAI加速の基盤となるクリーンで推論可能なデータを活用する持続的なアプローチを取ることです。- Hari Sonnenahalli氏, NTT Data Business Solutions
AIモデルを異なる場所間で移動する能力を磨く
組織は、AIモデルを異なる場所間で移動する能力を通じてこれを達成できます。自動車エコシステムは、別々のソブリンノードとして機能する車両を通じて運用され、確立されたポリシーに従ってネットワークを介して暗号化された集約データを共有しながら、ローカルデータ処理を実行します。エッジAI技術により、組織はコンプライアンス基準を維持しながらグローバルな開発を加速し、革新的なソリューションと信頼できる運用を統合することができます。- Kanishk Agrawal氏, Judge Group
アーキテクチャとポリシー・アズ・コードを組み合わせる
鍵は境界のあるデータモビリティです。AIモデルがデータの場所でトレーニングを行い、機密資産を国境を越えて移動させないフェデレーションアーキテクチャを使用します。これをリアルタイムのコンプライアンスチェックのためのポリシー・アズ・コードと組み合わせます。このようにして、主権は保持され、イノベーションは法的または運用上の障害なくグローバルに拡張されます。- Nidhi Jain氏, CloudEagle.ai
データが集中化しやすい場所ではなく、データが存在する場所でモデルを構築する
データ主権とハイパースケールイノベーションを調和させるには、フェデレーションアーキテクチャが必要です：AIトレーニングモデルは、集中化しやすい場所ではなく、データが存在する場所で構築します。準同型暗号化やフェデレーション学習などのプライバシー保護ツールがコンプライアンスを確保し、標準化されたAPIとポリシー・アズ・コードが相互運用性を維持します。これが私個人にとって選択すべきアーキテクチャです—拡張性、回復力、コンプライアンスを備え、最も重要なことに、イノベーションを遅らせないものです。- Aditya Vikram Kashyap氏, Morgan Stanley
すべてのデータセットに管轄メタデータを埋め込む
未来はポリシーに縛られたAIファブリックにあります—すべてのデータセットがその管轄メタデータ、アクセスロジック、コンプライアンスポリシーをコードとして埋め込みます。生データを転送する代わりに、組織は承認された地域内でのみ実行される管理された「データインテント」を移動させます。これにより、自己強制型の信頼ファブリックが作成され、主権の境界を侵害することなく、プライバシー法を維持しながらグローバルなAIコラボレーションが可能になります。- Jagadish Gokavarapu氏, Wissen Infotech
