サシダール・カラガラ氏は、Phenom CloudでAI、デジタル、クラウド、労働力変革に関するCスイートアドバイザーを務めている。
どの企業にも、成功したAIパイロットプロジェクトがある。CFOを感心させた需要予測モデル。第1階層のサポート量を30%削減したチャットボット。エスカレートする前にコンプライアンス違反を検知した異常検知エンジンなどだ。
そして、それらをスケールさせるという指示が下された。
多くの組織が静かに停滞するのは、この段階である。なぜなら、その下にあるインフラストラクチャがスケールのために構築されていなかったからだ。サンドボックスで機能するものは、システム、チーム、地域を横断する企業規模では、しばしば破綻する。
これが現代における決定的な技術課題である。そして、その解決策は、より優れた基盤にある。
スケールするAI：要求の厳しいアーキテクチャ
AI実験の時代は過ぎ去った。企業リーダーたちは今、初期の結果が約束したように投資が複利的に増えていない理由を問うている。パイロットのパフォーマンスと本番環境のパフォーマンスのギャップは拡大しており、診断結果は一貫している。断片化されたデータ、切り離されたシステム、そして人間のワークフロー向けに設計されたアーキテクチャであり、機械知能向けではないということだ。
現代のAI（生成AI、エージェント型AI、リアルタイムAI）は、従来の分析とは本質的に異なる要求を企業インフラストラクチャに課す。統一された、意味的に一貫性のある、継続的にガバナンスされたデータが必要だ。動的にオーケストレーションできるテクノロジーシステムが必要だ。そして、データエンジニアリングチケットの速度ではなく、ビジネスイベントの速度で動作する必要がある。
この領域をナビゲートするCTO、CDO、CIOにとって、2つのアーキテクチャ投資が重要な実現要因として浮上している。エンタープライズデータファブリックとテクノロジーエコシステムファブリックである。それぞれが何をするのか、そしてどのように連携するのかを理解することは、信頼できる企業AI戦略の基盤となっている。
エンタープライズAIを実際に阻んでいるもの
AIイニシアチブがスケールに失敗したとき、本能的にモデル、ユースケース、またはチームを責める。組織が基盤となるデータと統合アーキテクチャを検証することはまれだが、摩擦が発生するのはほぼ常にそこである。
証拠は大企業全体で目に見える。共有セマンティックレイヤーのない、ビジネス機能ごとにサイロ化されたデータ。信頼できる唯一の情報源のない、CRM、ERP、レガシーシステムに分散されたマスターデータ。ガバナンスやバージョン管理なしにポイントツーポイントで構築されたAPI。そして、モデルが確信を持っているが誤った出力を生成したときにのみ表面化するデータ品質の問題である。
その結果、信頼できず、ガバナンスできず、毎回統合レイヤーをゼロから再構築しなければ拡張できないAIとなる。新しいユースケースごとに新しいインフラストラクチャプロジェクトとなる。すべてのAIイニシアチブが同じエンジニアリング帯域幅を奪い合う。結果として、AIに多額の投資をしたにもかかわらず、単一のエンドツーエンドの本番システムをスケールできない組織となる。
これは2次元のファブリック問題である。
信頼できるデータのためのインテリジェンスレイヤー
エンタープライズデータファブリックとは、データがどこに存在し、どのように作成され、どのシステムが所有しているかに関係なく、組織の全資産にわたって一貫性のある、ガバナンスされた、リアルタイムのデータアクセスを提供する、統一されたデータ統合および管理アーキテクチャである。
その中核において、データファブリックは従来のアーキテクチャがスケールで実行できない4つのことを行う。物理的な統合を必要とせずに、ハイブリッド、マルチクラウド、オンプレミス環境全体でデータを統一する。データ自体とともに移動するメタデータ駆動型ポリシーを通じて、データを自動的にガバナンスする。セマンティックレイヤーとナレッジグラフを通じてデータをコンテキスト化し、単に読み取り可能なだけでなく、AIシステムにとって意味のあるものにする。そして、データをリアルタイムでアクティブ化し、AIモデルが古いバッチエクスポートに依存するのではなく、意思決定の時点で新鮮で正確な情報を消費できるようにする。
スケーラブルなAIにとって、データファブリックは前提条件である。データがガバナンスされ、カタログ化され、意味的に強化されている場合、AIはより信頼性の高い出力を生成し、データ準備サイクルをゼロから繰り返すことなく新しいドメインに拡張できる。
コンポーザブルAIのためのオーケストレーションレイヤー
テクノロジーエコシステムファブリックは、スケーリング課題の第2の次元、すなわちテクノロジースタック自体の断片化に対処する。現代の企業は、数百のアプリケーション、SaaSプラットフォーム、クラウドサービス、レガシーシステム、パートナーAPIを運用しており、それぞれが独自の統合要件とセキュリティモデルを持っている。意図的なアーキテクチャがなければ、すべてのAIイニシアチブは、接触するすべてのシステムとの独自の関係を交渉しなければならず、脆弱で、文書化されておらず、ガバナンスが不可能な統合の拡散を生み出す。
テクノロジーエコシステムファブリックとは、企業のテクノロジー機能を一貫した全体としてアクセスおよびオーケストレーションできるようにする、コンポーザブルで相互運用可能な統合アーキテクチャである。管理されたAPIゲートウェイ、イベントストリーミングインフラストラクチャ、標準化された統合パターン、ガバナンスされたアクセス制御を提供し、AIエージェントが一貫した監査可能なインターフェースを通じて任意のシステムと対話できるようにする。
エコシステムファブリックが整備されていれば、AIエージェントは、それぞれに対するカスタム統合なしに、単一の管理レイヤーを通じてCRM、ERP、ITSM、外部データソースにアクセスできる。新しいAI機能は、ゼロから構築するのではなく、既存のコンポーネントから組み立てることができる。コンポーザビリティは、AIイニシアチブがコストで増加するのではなく、価値で増加するメカニズムである。
両方のファブリックが連携しなければならない理由
どちらのファブリックも、単独ではその潜在能力を完全には発揮しない。エコシステムファブリックのないデータファブリックは、それを必要とするシステムに到達できない信頼できるデータを作成する。データファブリックのないエコシステムファブリックは、信頼できない、ガバナンスされていないデータのシームレスな接続を可能にする。どちらの条件も、技術的には機能するが運用上は信頼できないAIを生み出す。
両者が一緒になると、部分の合計よりも大きなものを生み出す。信頼できるデータが、コンポーザブルでオーケストレーションされたテクノロジーエコシステム全体に流れるプラットフォームである。両方を構築した組織は、一貫したパターンを見る傾向がある。最初のAIユースケースは高価だが、その後のそれぞれは、基盤がすでに整っているため、段階的に速く、安価になる。それが、アーキテクチャレベルでのAIの複利的優位性の姿である。
戦略的必須事項
アーキテクチャのギャップは、競争上のギャップになりつつある。データファブリックをAIインフラストラクチャとして扱い、データの準備状態を優先し、コンポーザビリティを中核的な設計原則にすることだ。エンタープライズAIの成功は、モデルへのアクセスよりも、それらを価値あるものにするアーキテクチャに依存している。
アーキテクチャこそが戦略である。それに応じて構築せよ。
