$30 off During Our Annual Pro Sale. View Details »

E-2 DXを継続させる運用高度化の提言

E-2 DXを継続させる運用高度化の提言

2021/05/21(金) に開催されたIBM Cloud Festa Online 2021
”E-1 DXを継続させる運用高度化の提言”のセッション資料です。

Daisuke Hiraoka

May 24, 2021
Tweet

More Decks by Daisuke Hiraoka

Other Decks in Technology

Transcript

  1. © 2020 IBM Corporation
    DXを継続させる運⽤⾼度化の提⾔
    2021年05⽉21⽇
    ⽇本アイ・ビー・エム株式会社
    データ・AI・オートメーション事業部

    View Slide

  2. © 2021 IBM Corporation
    2
    堤 康広 ⽇本アイ・ビー・エム株式会社
    オファーリングマネージャ
    ⾦融系ユーザ企業での⻑年のインフラ運⽤・設計をへて2020年にIBMに⼊社。2021年はAIOpsを中⼼としたオファーリングを担当し
    ており、ユーザ企業の運⽤の⾼度化・⾃動化の必要性を訴求している。
    2
    Speaker紹介
    江⽥ 幸弘 ⽇本アイ・ビー・エム株式会社
    Tech Sales
    SIerとして多数のインフラ構築案件のデリバリーに従事。
    IBM⼊社後はテクニカルセールスとして、主にハイブリッド環境の構築/運⽤⾃動化、及びAIOpsの分野に注⼒している。
    平岡 ⼤祐 ⽇本アイ・ビー・エム株式会社
    Tech Sales
    業務系や基幹系システムの設計、開発、運⽤など広範な業務に従事した後、2017年よりIBM Cloud上でOpenShiftの商⽤環境
    の構築/運⽤業務を担当。以降、コンテナやOpenShiftの業務を多く経験する。現在はテクニカル・セールスとして企業システムのクラ
    ウドネイティブ化を⽀援。
    著書は『コンテナ・ベース・オーケストレーションDocker/Kubernetesで作るクラウド時代のシステム基盤』(共著/発⾏︓翔泳社)

    View Slide

  3. © 2021 IBM Corporation
    3
    2021
    2022
    2023
    2024
    2025
    2025年の崖
    2025年以降、⼈⼝の減少やコストの不⾜により、現状のシステムをメンテできる⼈
    材が不⾜しシステム障害が頻発する可能性が⾼くなり、経済や我々の⽣活をマヒ
    させてしまう、というもの。
    A: あと3年以上はあるからなんとかなる
    すでに「運⽤崩壊」が始まっている
    Q: 2025年までに残された時間は︖

    View Slide

  4. © 2021 IBM Corporation
    4
    企業の新たな取り組み
    クラウドへの移⾏
    プライベート
    クラウド
    パブリック
    クラウド
    & SaaS
    専有
    クラウド
    マイクロサービス化
    コンテナ化
    アプリのコンテナ化モダナイズ
    アジャイルによる迅速な開発
    アジャイル
    新しい運⽤体制マインドセット
    開発
    部⾨
    運⽤
    部⾨
    事業
    部⾨
    l SRE
    l DevSecOps
    l AIOps

    View Slide

  5. © 2021 IBM Corporation
    5
    新たな課題︖
    Q: 企業はこれらの華々しい新技術や⼿法を使って、それぞれ対策を始めている様
    です、これでもう安⼼︖
    A: いえ、そんなことはありません。
    実はかなり深刻な状況になっています。

    View Slide

  6. © 2021 IBM Corporation
    6
    •今後はレガシーとクラウドネイティブのハイブリッド環境が暫く続く
    新たな課題︓新技術に対しての知識と対応⼒が求められる
    時間







    (




    -
    現在
    既存アプリに
    新しい機能を
    追加
    レガシー・アプリと
    クラウドネイティブ・
    アプリの共存と協働が進⾏
    最終⽬標
    マイクロサービス・アーキテクチャー
    を完全に適⽤
    レガシー・アプリと
    クラウドネイティブ・アプリは共存

    View Slide

  7. © 2021 IBM Corporation
    7
    2021
    2022
    2023
    2024
    2025
    新たな課題︓新技術への対応とナレッジの継承・喪失
    ・新技術のキャッチアップが追いつかない
    ・専⾨的知識を持った⼈(匠)の⾼齢化による知識の継承
    匠の⼈数
    キャッチアップ・対応
    すべき新技術や課題

    View Slide

  8. © 2021 IBM Corporation
    8
    新たな課題︓さらに増す複雑性
    定義
    ビルド
    定義 定義
    ビルド ビルド
    リリース
    リリース リリース
    アジャイル
    リアルタイムで全て把握するのは困難 → 有事のインパクト分析が出来ない
    1. 動的に変化する構成情報
    • 負荷状況に応じてリソースが移動 (vMotion など)
    • 障害時に ポッドが別の ワーカーノード 上で起動
    • オートスケールによりリソースが動的に増減
    2. 頻繁なアプリ・マイクロ
    サービスの変更や新規リリース

    View Slide

  9. © 2021 IBM Corporation
    9
    新たな課題:イベント・アラート過多,意思決定が困難/遅延
    より複雑で動的になっていく環境
    クラウド・
    サービス
    プロセス
    物理インフラストラクチャー
    仮想マシン 仮想マシン
    プロセス
    プロセス
    プロセス
    プロセス
    プロセス
    アプリケーションおよび
    サービス
    コンテナ コンテナ
    管理対象の増加
    イベント過多
    横断的分析・
    意思決定が困難
    解決までの
    時間の⻑さ
    結果として
    時間とコストの浪費による、機会損失の増⼤

    View Slide

  10. © 2021 IBM Corporation
    10
    ⼈を増やして乗り切れるか︖
    Q: でも、これらの問題は⼈的リソースの投⼊で解決するのでは︖
    (予算確保すればいい︖)
    A: 残念ながら・・・それも難しいのです

    View Slide

  11. © 2021 IBM Corporation
    11
    1
    1
    社会的要因による課題
    ※三菱UFJリサーチ&コンサルティング 「2030年までの労働⼒⼈⼝・労働投⼊量の予測」より抜粋
    l 労働⼒⼈⼝は2023年までは増加基調が続く
    l しかし、労働時間も含めた労働投⼊量の観点も必要
    l 労働投⼊量は2020年まで増加、2022年まで横ばい2023年から減少
    が始まる
    l 残された時間はわずかしかない
    1. 少⼦化、労働⼈⼝減に伴う⼈材の不⾜ ※
    2. 労働需給のミスマッチ(IT⼈材の嗜好の変化)※
    3. 専⾨家の⾼齢化
    4. コロナ禍の影響
    ⽣産性を向上させる取り組みが遅れれば成⻑を阻害

    View Slide

  12. © 2021 IBM Corporation
    12
    2021
    2022
    2023
    2024
    2025
    「運⽤崩壊」の現実
    ・2023年からはより少ない⼈数でより複雑な環境を管理し新技術も
    キャッチアップ・対応
    すべき新技術や課題
    労働投⼊量
    今よりも少ない
    ⼈数で対応
    ・2022年中に対策を終える→ 今年中に⽅針決定・予算確保すべき

    View Slide

  13. © 2021 IBM Corporation
    IBM Automation
    Gartnerによると
    • AIOps = AI for IT Operations
    • ITオペレーションにAI(機械学習と
    データ・サイエンス)を適⽤
    • 主な機能
    ⁃ 可⽤性とパフォーマンスのモニタリング
    ⁃ イベントの相関付けと分析
    ⁃ ITサービスの管理と⾃動化
    • 2023年にはAIOpsを使⽤する⼤企業
    の割合が30%に上昇
    13
    AIOpsとは
    https://www.atmarkit.co.jp/ait/articles/1910/04/news007.html

    View Slide

  14. © 2021 IBM Corporation
    IBM Automation
    14
    なぜAIOpsが必要なのか︖
    AIOps リファレンスアーキテクチャ
    https://www.ibm.com/cloud/architecture/architectures/sm-
    aiops/reference-architecture
    1. 運⽤の複雑化・データの増加
    段階的にクラウドネイティブなアプリケーションを実⾏す
    るハイブリッドクラウド環境の運⽤を⾏うにつれ、運⽤は
    複雑になり、⼤量な運⽤データを処理する必要が⽣じるた
    め、AIを活⽤した⾼度な⾃動化が求められます。
    2. CI/CDによる迅速な変化のサポート
    クラウドネイティブアプリケーションの複雑な依存関係を
    頻繁な変更に対して動的に対応する必要がある。また、AI
    を組み込むことで問題を早期に発⾒し、障害を回避するこ
    とが求められます。
    3. ルール・しきい値ベースの監視の限界
    従来のインフラストラクチャの可⽤性の監視だけでは不⼗
    分で、サービスやアプリケーションの可⽤性、信頼性、速
    度、品質を管理していく必要があります。その為にAIによ
    る潜在的な問題の検出や迅速な問題解決および根本原因分
    析が求められます。
    AIOps フィールドガイド
    https://www.ibm.com/cloud/architecture
    /content/field-guide/aiops-field-guide/

    View Slide

  15. 15 Cloud Engagement Hub
    Cloud Service Management
    & Operations
    Operational Readiness
    • Review, Analyze, Improve,
    Repeat
    Build to Manage
    New roles Fault-tolerance
    • Blue-green deployment for
    change management
    • Fast recovery practice
    • Circuit-breaker practice
    • Chaotic testing
    Culture change
    • Agility & iteration
    • Blame-free environment
    • Collaboration without silos
    • Rigid eng ineering
    • Transparency
    Automation
    • Zero-touch design for proactive
    operational tasks
    • Continuous development of
    event-driven automation for
    reactive tasks
    • Bot frameworks for ChatOps
    Application /
    Micro Service
    Health API
    Runbook
    Events
    Logs
    Management Tool
    Management
    System
    SME /
    Incident
    Specialist
    Incident
    Commander
    First
    Responder
    Site Reliability
    Engineer
    (SRE)
    Availability
    Manager
    (AVM)
    Environment
    Ops
    DevOps
    Site Reliability
    Engineering
    Service
    Management,
    ITIL, IT4IT,
    ZeroOutage
    15 © 2021 IBM Corporation

    View Slide

  16. © 2021 IBM Corporation
    IBM Automation
    16
    システム管理者から”SRE”へ
    インフラストラクチャ志向 アプリケーション/サービス志向
    VM/ベアメタル中⼼の監視 クラウドネイティブ中⼼の監視
    l 基本的に運⽤業務にフルアサイン
    l 変更管理は少ないが、レビューなどを重ね、変更
    時(リリース時)の期間やコストが⼤きい
    l アプリケーション開発者と役割・組織が完全に分
    かれていることが多い
    l 機器やコンポーネントからのアラートを中⼼に対
    応。インシデント管理はリアクティブであり、マ
    ニュアル化されている。根本原因の特定に⾮常に
    時間がかかる
    l 運⽤業務は50%以下に抑え、残りをサービスを
    改善するエンジニアリング活動に当てる
    l 変更管理が頻繁に⾏われ、変更(リリース)は⾃
    動化されている
    l アプリケーション開発者(DevOpsエンジニア)
    と密に連携が必要
    (+セキュリティ(DevSecOps))
    l アプリケーションやサービスのSLIを監視し、
    SLOを満たすためにプロアクティブに対応。イン
    シデント対応は⾃動化され、根本原因の特定がス
    ムーズ。
    システム管理者 SRE (Site Reliability Engineer)

    View Slide

  17. © 2021 IBM Corporation
    IBM Automation
    17
    SREを⽀援するAIOps
    l 運⽤業務は50%以下に抑え、残りをサービスを
    改善するエンジニアリング活動に当てる
    l 変更管理が頻繁に⾏われ、変更(リリース)は⾃
    動化されている
    l アプリケーション開発者(DevOpsエンジニア)
    と密に連携が必要
    (+セキュリティ(DevSecOps))
    l アプリケーションやサービスのSLIを監視し、
    SLOを満たすためにプロアクティブに対応。イン
    シデント対応は⾃動化され、根本原因の特定がス
    ムーズ。
    SRE (Site Reliability Engineer)
    l プロビジョニングの⾃動化
    l 構成変更の⾃動化
    l SLOの定義および監視
    l アプリケーションのリアルタイム監視
    l エンドユーザーアクセスのリアルタイム監視
    l アプリケーション・デプロイの⾃動化
    l セキュリティチェックの⾃動化
    l インシデント対応の⾃動化
    l イベント統合(不要なアラートの削減)
    l 予兆検知の実装
    l 異なる種類の時系列データの関連性分析
    IBM Cloud Pak for Multicloud Management
    GitLab Ultimate for IBM Cloud Paks
    IBM Observability with Instana
    IBM Cloud Pak for Watson AIOps

    View Slide

  18. © 2021 IBM Corporation
    18
    AI / MLを活⽤して
    問題のコンテキストを把握
    問題に対するNext Best Actionを提⽰
    既存のツール、プロセス
    ワークフローを活⽤することで
    IT デリバリーを加速、効率性を向上
    複数データを全体で処理する
    ことによってのみ理解できる
    固有の洞察を得る
    IBM Watson AIOps : AIOpsによる運⽤⾼度化
    SREを負担のかかる⼿作業から解放し、価値の⾼い作業やイノベーションに集中できる⼿段を提供
    説明可能なAIで
    ⾃動化
    収集
    データサイロを超えて
    検知
    あらゆるデータタイプから
    決定
    予測とアドバイス
    実⾏
    AIの洞察
    ChatOps での問題通知
    とコンテキスト連携
    Slack / MS Teams
    ⾃動イベント分析
    動的トポロジー情報
    各種ツール の詳細への
    ドリルダウン
    メトリック情報
    Next Best Action の提⽰
    提携発表(2020年10⽉)
    ServiceNow との連携
    ServiceNow との連携
    イベント/アラート
    チケット・データ
    (例: ServiceNow ITSM)
    メトリック
    トポロジー
    ログ・データ
    ⾮構造化
    構造化

    View Slide

  19. © 2021 IBM Corporation
    19
    AIOpsを適⽤したらどれぐらいの効果が期待ができるの︖
    海外⼤企業3社の例
    特定までの
    平均時間
    検知までの
    平均時間
    診断までの
    平均時間
    対応までの
    平均時間
    対応完了まで
    の平均時間
    4時間
    5〜48時間
    6時間
    12〜36時間
    1〜48時間
    リアルタイム
    再発防⽌策・
    根本的解決に
    時間を活⽤
    異常・インシデント管理の流れ
    単位︓1件当たりの時間
    確認・対応完了
    対応
    診断
    特定
    検知

    View Slide

  20. © 2021 IBM Corporation
    20
    Cloud Pak for Watson AIOpsのコンポーネント
    Red Hat OpenShift Container Platform
    Automation Foundation
    RPA ⾃然⾔語対話 プロセス/タスク マイニング イベント検知 機械学習 3rd Party統合 運⽤モデル
    Metric Manager
    Topology
    AI Manager
    Event Manager
    モニタリング
    ログ管理
    異常検知 予兆検知
    イベント・グルーピング
    優先順位付け、分析
    動的トポロジー情報
    ログ異常検知
    障害箇所分析
    影響範囲分析
    類似事例解析
    コラボレーション
    チケット管理
    *コンテナ化対応中
    既存ツール統合
    接続、監視、
    および取り込み
    相関付け、ノイズと
    インシデント削減
    包括的な
    コンテキストの取得
    異常の識別
    コラボレーション ⾃動化/修正
    追跡、測定、改善
    製品基盤

    View Slide

  21. © 2021 IBM Corporation
    21
    Cloud Pak for Watson AIOpsの主要アルゴリズム
    類似インシデント検索
    (過去の対応履歴)
    ログ チケット
    イベント、
    アラート、ログ
    ログ異常検知 イベントグルーピング
    エンティティリンキング
    イベント、アラート、ログ
    の異常などの関連イベント
    のグループ化
    • ⼤量イベント発⽣の抑制
    • 障害調査の⾼速化
    AIOpsを賢くするしくみ
    ログからの異常検知
    価値
    概要
    • インシデントの診断にかかる平均時間
    (MTTD)を短縮
    • ルールベースのアラートよりも早期
    に異常を検出
    • 静的なしきい値なし
    特定の問題の説明(障害箇所・障害影
    響範囲)について、過去から上位k位
    にランク付けされた同様のインシデ
    ントを探索
    • 関連する類似のインシデントが迅
    速なインシデント解決につながる
    学習 モデル作成 学習 モデル作成 学習 モデル作成

    View Slide

  22. © 2021 IBM Corporation
    22
    異常ログ分析を実装するまでの流れ
    1.モデルの作成
    • 事前に学習⽤のログを⽤いてモデルを作成します。
    • モデルの作成はポリシーやプロファイルのような事前定義を⾏う必要なく、Log Anomaly Detectorにログ・データを読込せ
    ることで教師なしの機械学習を⾏います。
    • 事前学習によって、ログのパターンを識別しテンプレートを作成します。
    2.リアルタイム分析
    • 事前学習で作成されたテンプレートを⽤いリアルタイムに読込まれるログ・データのパターン処理を⾏なったのち異常ログ分
    析を⾏います。
    3.モデルの再学習
    • 作成したモデルは再学習させることでシステムの変化に対応させることが可能です。
    学習⽤ログ
    1.事前学習
    Template
    Template
    Template
    実環境ログ
    2.リアルタイム
    分析 ログ異常の検知
    3.再学習

    View Slide

  23. © 2021 IBM Corporation
    23
    Cloud Pak for Watson AIOps
    性能情報異常検知
    (Metric Manager)
    ログ異常検知から通知までの処理概要
    Alerts
    Tickets
    Metrics
    Logs
    Topolog
    y
    ログ異常検知
    (AI Manager)
    イベントグルーピング
    (AI Manager)
    影響箇所・影響範囲可
    視化 (AI Manager,
    ASM Topology) 類似インシデント検索
    既存のデータ・ツール
    イベント/アラート
    メトリック
    トポロジー
    ログ
    チケット
    構造化データ
    ⾮構造化データ
    ChatOps(Slack /Teams)
    イベント異常検知
    (Event Manager)
    データ送信
    (リアルタイム)
    インシデントに関連するログ・アラート・
    メトリック・トポロジーの情報をホスト名、
    IPアドレス、類似エラーなどキーに
    1つのグループとして取りまとめを⾏う
    通知
    リアルタイム処理
    Watson AIOpsは既存のデータ・ツールからデータをリアルタイムに取り込み
    リアルタイムで障害を検知、そしてAIがインシデントレポート作成しリアルタイムに通知を⾏う
    (前提) Watson AIOps導⼊後にAIに学習済(教師なし学習でモデル作成)
    *Watson AIOpsを導⼊してAIに学習させ、既存のデータをWatson AIOpsに取り込むと利⽤開始できる

    View Slide

  24. © 2021 IBM Corporation
    24
    Cloud Pak for Watson AIOps デモ
    !シナリオ︓
    「 e-コマース・サイトでシステム障害が発⽣した時に運⽤担当者が、Watson
    AIOpsを使ってシステム障害に、どのように対処し、解決まで結びつけるのか︖ 」

    View Slide

  25. © 2021 IBM Corporation
    25
    e-コマース・サイトのアーキテクチャ

    View Slide

  26. © 2021 IBM Corporation
    26
    e-コマース・サイトのアーキテクチャ
    障害発⽣

    View Slide

  27. © 2021 IBM Corporation
    27
    e-コマース・サイトの障害発⽣時の処理概要
    AI Manager
    Metric Manager
    Red Hat OpenShift on IBM Cloud (ROKS)
    Demo Apps ログ送信ツール
    Event Manager (NOI)
    Topology (ASM)
    Alerts
    Events
    相関付け エンリッチ化
    類似インシデント
    Log異常検知
    レポート作成
    Event Grouping
    Log Stream
    Log
    Files
    Log
    Stream
    コンテナ化対応中
    今回不使用
    Events
    レポート
    Alert
    異常検知
    レポート
    Event
    Event
    Event
    Event
    Event
    Event
    Event
    ログ集約・
    イベント管理ツール
    e-コマース・サイト
    Cloud Pak for Watson AIOps
    ChatOps ( Slack)
    通知

    View Slide

  28. © 2021 IBM Corporation
    28
    Cloud Pak for Watson AIOps デモ

    View Slide

  29. © 2021 IBM Corporation
    29
    AI技術の適⽤と⾃動化推進による 運⽤業務⾼度化
    障害対応にAI技術と⾃動化を適⽤し、必要な対処をスピーディーに実⾏
    分散系サーバー
    分散系サーバー
    パブリック・クラウド
    分散系コンソール
    クラウド
    対応要否の判断
    社員が重ねてきた過去の経験
    トポロジー情報の理解
    問題情報の検索
    オペレーター
    からの電話
    オペレーター
    からの電話
    対応策の検討・実⾏
    対応要否の判断 対応策の検討
    ・過去の対応から類似
    インシデント検索
    ・ログ情報解析
    (アノマリー検知)
    ・メトリック解析
    (潜在的イベント)
    対応⾃動化できるものは
    ⼿順書を⾃動化し効率化
    (Runbook Automation)
    対応策の⾃動化
    AIによる⽀援
    Best Next Actionの提⽰
    + 過去の経験とスキル
    ɾɾɾɾɾɾɾ
    w
    駆けつけ調査
    解決策による
    新しい運⽤
    現在の運⽤
    分散系サーバー
    分散系サーバー
    パブリック・クラウド
    Watson AIOps AI Manager
    対応の効率化
    限られた事象に集中して対応が可能に
    ChatOps
    必要なデータを
    セキュアに
    ホストコンソール
    過去の対応チケット内容
    ⼈が介在するステップは後段に
    ホスト
    ホスト
    クラウド
    分散系コンソール
    ホストコンソール
    Watson AIOps EventManager

    View Slide

  30. © 2021 IBM Corporation
    30
    n Cloud Pak for Watson AIOps 概要
    https://www.ibm.com/jp-ja/cloud/cloud-pak-for-watson-aiops
    n Webセミナー Watson AIOpsをクイックに理解する
    https://ibm.biz/Bdfy9V
    n クリックスルーデモ環境
    今回の実施したデモをクリックベースで体験することができます。(要IBM ID)
    https://www.ibm.com/demos/live/gated/watson-aiops-experience/simulationDemo/self-
    service
    n デモ動画
    https://mediacenter.ibm.com/id/1_r6l53940
    Cloud Pak for Watson AIOps in Action

    View Slide

  31. © 2021 IBM Corporation
    31
    本セッションの登壇陣が執筆した「DXを継続させる運⽤⾏動化の提⾔」も、ぜひご⼀読ください。
    Provision URL: https://ibm.biz/BdfzYf
    Provision -お客様と⽇本IBMを繋ぐ技術情報誌

    View Slide

  32. IBM Technology Day - ハイブリッドクラウド&AIテクノロジーの今と未来を解説 © 2021 IBM Corporation
    技術者による技術者のためのテクニカルイベント 6⽉17⽇(⽊) 13:00 開催
    IBM Technology Day
    ハイブリッドクラウド&AIテクノロジーの今と未来を解説
    いまのビジネスを⽀えているシステムを維持しながら、デジタル変⾰に取り組むた
    めの新しいテクノロジー導⼊も加速しなければならない。企業のIT部⾨には、これ
    まで以上に、⼤きな期待が寄せられると同時に負担も⼤きくなってます。
    未来を⾒据えて新しい仕組みを取り⼊れ、ITでビジネスを牽引するためには、どの
    ようなテクノロジーが必要となってくるのでしょうか?
    IBM Technology Day では、これからの10年先を⾒据えたアプリケーションやインフ
    ラストラクチャーを検討されるITプロフェッショナルの皆様を対象に、IBM が提唱
    しているハイブリッドクラウドとAIが企業ITにどのように役⽴つのか、その最新テ
    クノロジーをご紹介します。
    IBMリサーチの基礎研究から⽣まれたソリューション、AIをフル活⽤できるソフト
    ウェアやサービス、オープンでマルチクラウドの世界に役⽴つ基盤など、⾒どころ
    満載です。
    2021年6⽉17⽇(⽊) 13:00-17:30
    IT 部⾨ ご担当の⽅(インフラ、アプリケーション、運⽤、デー
    タベース 、セキュリティー)
    オンライン(Webブラウザー)
    開催
    形式
    ⽇時
    開催
    形式
    対象
    お申し込みURL
    ibm.biz/tech_day

    View Slide

  33. IBM Technology Day - ハイブリッドクラウド&AIテクノロジーの今と未来を解説 © 2021 IBM Corporation
    ゼネラル・セッション / 特別講演
    [ゼネラル・セッション]
    ハイブリッドクラウドとAIの今と未来
    13:30
    |
    13:45 デジタル変⾰を⽀えるテクノロジーとは? 本セッションでは今とこれから
    をつなぐハイブリッドクラウドとAIのテクノロジーの潮流をご紹介します。
    ⽇本アイ・ビー・エム株式会社
    執⾏役員
    テクノロジー事業本部
    テクニカル・セールス
    ⼤久保 そのみ
    13:40
    |
    13:45
    [特別講演]
    思考の枠を超える
    - IBMリサーチが挑むテクノジーとの未来
    テクノロジーが我々を魅了するのは、それが社会と経済のあらゆる分野に
    変⾰をもたらすというだけでなく、直線的な思考の枠を超えまったく新し
    い変⾰をも可能とするからです。 本セッションでは、ハイブリッドクラウ
    ドやAIをはじめとするIBMリサーチの最新の研究の紹介を通じ、テクノロ
    ジーがもたらす新しい可能性について考察します。
    17:00
    |
    17:30
    ⽇本アイ・ビー・エム株式会社
    IBM東京基礎研究所
    技術理事
    ⼩原 盛幹
    配布資料のみ

    View Slide

  34. IBM Technology Day - ハイブリッドクラウド&AIテクノロジーの今と未来を解説 © 2021 IBM Corporation
    セッション詳細
    14:00-14:30 14:00-14:30 14:00-14:30
    [A-1] アプリケーション開発者にとってコンテナの次のスキルとは? [B-1] どこから始める?AIOps を⾒据えたSRE中⼼のIT運⽤ [C-1] AIの実践的活⽤を⽀えるIBM AIテクノロジーの進化
    OSSを活⽤したアプリ開発にとって、コンテナは必須の技術であることが認知され
    ています。さらにアプリ開発者にとって、開発プラットフォームのコンテナ移⾏は、
    単に⽣産性を上げるだけではない⼤きな⾶躍に繋がります。本セッションではIBM
    のコンテナ戦略から、具体的ソリューションに⾄る技術を、デモをおこないながら
    解説します。
    ⽇本IBM 髙良 真穂
    多くの企業がDX実現に取り組む中、SREという考え⽅により、IT運⽤のあり⽅を⾒
    直す動きが出始めています。しかし現実は、依然⼿作業や個⼈のスキルに頼ってい
    る部分も多く、なかなか運⽤の⾼度化に着⼿できないのが現実です。本セッション
    では Cloud Pak for Watson AIOps が提供する様々なステップの運⽤⾼度化⾃動化に
    ついて説明し、各企業の現状や課題に合わせた「次のステップ」をご紹介します。
    ⽇本IBM 堤 康広 / 江⽥ 幸弘
    AI活⽤の普及とともにビジネスのためのAIに必要な機能的・⾮機能的要件も変化を
    続けています。専⾨⽤語の理解、質問の意図に合った回答や洞察の提供、業務アプ
    リケーションへの連携や組み込み、信頼性の⾼いデータとAIの運⽤といった要件に
    対し、IBMのAIテクノロジーがどのように先鞭をつけてきたか、そしていまIBM AI
    がどのような要件を⾒越し進化しているか、本セッションでご紹介します。
    ⽇本IBM ⽥中 孝
    14:45-15:15 14:45-15:15 14:45-15:15
    [A-2] モダンなアプリを作ろう - スキルやコストを⼼配せずに始める⽅法 [B-2] 処理能⼒の"桁"を上げるKafkaとアジャイルな統合アーキテクチャー [C-2] ユースケースと最新機能に学ぶAIとデータサイエンスの実践活⽤
    Container, Kubernetesを使いモダンなアプリケーションを開発・運⽤したいけれど、
    スキルギャップや運⽤コストなど、もどかしさを感じている⽅に朗報です。アプリ
    のソースコードだけ⽤意すれば、Container, Kubernetesのメリットが得られる便利
    なサービス「Code Engine」が登場しました。本セションでは、どれほど簡単にアプ
    リ環境にコンテナが適⽤できるかをデモを交えながらご紹介いたします。
    ⽇本IBM 佐藤 光太
    企業の中核的な価値を提供する基幹システムを新しいアプリケーションに安全・迅
    速に解放すること、基幹システム⾃体をハイパースケールなものに変⾰していくこ
    と。これらの課題に対処するための鍵となるのが統合技術です。本セッションでは
    現在のIT環境を出発点に、ITアーキテクチャーをモダナイズするためのアプローチ
    を具体的な製品技術を交えてご説明します。
    ⽇本IBM 恩⽥ 洋仁
    AIは実⽤フェーズに⼊り、さまざまな業務やアプリケーションへの組み込みが進ん
    でいます。本セッションでは、具体的にどのようなユースケースでWatson/AIや
    データサイエンスの効果的な利⽤が⾏われているか、またWatsonの最新機能によっ
    てどのようなユースケースが可能になるかご紹介するとともに、AIの開発からデプ
    ロイ、運⽤を⽀えるサイクルとテクノロジーについてお話しします。
    ⽇本IBM 須⽥ 佳代⼦ / 京⽥ 雅弘 / 瀬川 喜⾂
    15:30-16:00 15:30-16:00 15:30-16:00
    [A-3] 分散クラウド - オンプレなどでもクラウドサービスが使えたら? [B-3] ゼロトラストを実現するアクセス管理と認証基盤の作り⽅ [C-3] データとAIの活⽤を当たり前にするプラットフォーム実現の要件
    「パブリッククラウドのサービスをパブリッククラウドの外の任意の環境で動か
    す」ことを想像したことはありますか?⼤量データが保存されているオンプレミス
    環境やデータをクラウドに持ち出せない様な環境でもクラウドサービスを稼働でき
    るようにする仕組み「分散クラウド」、そしてそれを実現するIBM Cloud Satelliteの
    ご紹介を通じて、皆様をハイブリッドクラウドの新たな世界へお連れします。
    ⽇本IBM 古川 正宏
    新型コロナウィルスは企業のDXを加速させ、社員の働き⽅は多様化し、会社の外と
    内といった境界線は存在しなくなりました。スピードや柔軟性を重視する現在のハ
    イブリッド・マルチクラウド環境では⼈の記憶に頼ったパスワード認証では限界が
    あり、ぜロトラストを前提とした認証基盤が不可⽋です。本セッションではIBM
    Security Verifyを使って簡単に多要素認証を実現できる具体的な⽅法をご紹介します。
    ⽇本IBM 宮坂 真⼸ /⽇本情報通信株式会社⼭本 仁⼀ ⽒
    企業のあらゆる業務でデータ活⽤が進みます。そのためのプラットフォームに必要
    なのは、さまざまなロケーションやシステムにあるデータが物理的に動かすことな
    く統合され、必要なデータが必要なときにアクセスでき、データから価値を引き出
    すための機能があること、さらにはスピードや柔軟性、ガバナンスや運⽤性です。
    OpenShiftやデータカタログ、仮想化といったテクノロジーがこれを実現します。
    ⽇本IBM 久保 俊平
    16:15-16:45 16:15-16:45 16:15-16:45
    [A-4] 既存資産を変⾰し、DXを加速するITインフラ・モダナイゼーション [B-4] これからのJava - ITシステムを「レガシー」にしないために [C-4] 業務部⾨と進めるビジネス・プロセスのデジタル化とその未来
    よりスピーディーにコスト効率よくDXを推進するためには、既存のIT資産を軸に新
    しい技術を最⼤限に活⽤した企業システムが必要不可⽋です。その実現を根幹から
    ⽀えるのがITインフラであり、可⽤性や安全性とともにアジャイルなアプリ開発を
    ⽀える能⼒がますます重要となります。本セッションでは、コンテナをはじめとす
    る最新技術活⽤のポイントや今後のITインフラのあり⽅についてご説明します。
    ⽇本IBM 野村 幸平
    昨年25周年を迎えたJavaは今でも業務システムの中⼼的な実装⾔語として使われて
    います。しかし時代に合わせたモダナイズを実施しなければ、システムがビジネス
    の負債となりかねません。IBM WebSphere Libertyは、モダナイズに必要な全てを備
    えた最強のアプリケーション・サーバーです。当セッションでは⾰新性と⻑期の互
    換性を両⽴しながら、いかに業務システムをクラウドに適合させるかをご紹介しま
    す。
    ⽇本IBM ⽥中 孝清
    コロナ禍、DXを背景にビジネス・プロセスのデジタル化、⾃動化の必要性が増して
    います。同時に、IT部⾨と業務部⾨にも新たな関係性が求められています。
    本セッションでは、業務部⾨との共通認識の醸成⼿段としてのプロセス・モデリン
    グの重要性やプロセス⾃動化のプラットフォームに求められる要素、また、⾃動化
    の先にあるハイパーオートメーションについて説明します。
    ⽇本IBM ⻑⾕ 真太郎
    配布資料のみ

    View Slide

  35. © 2021 IBM Corporation
    35
    ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独⾃の⾒解を反映したものです。それらは情報
    提供の⽬的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助⾔を意図したものではなく、またそのような結果を⽣むも
    のでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努⼒しましたが、「現状のまま」提供され、明⽰または暗
    ⽰にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使⽤によって、あるいはその他の関連によって、いかなる損害
    が⽣じた場合も、IBMは責任を負わないものとします。 本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者からいかな
    る保証または表明を引きだすことを意図したものでも、IBMソフトウェアの使⽤を規定する適⽤ライセンス契約の条項を変更することを意図したもので
    もなく、またそのような結果を⽣むものでもありません。
    本講演資料でIBM製品、プログラム、またはサービスに⾔及していても、IBMが営業活動を⾏っているすべての国でそれらが使⽤可能であることを暗⽰
    するものではありません。本講演資料で⾔ 及している製品リリース⽇付や製品機能は、市場機会またはその他の要因に基づいてIBM独⾃の決定権をもっ
    ていつでも変更できるものとし、いかなる⽅法においても将来の製品または機能が使⽤可能になると確約することを意図したものではありません。本講
    演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上⾼の向上、またはその他の結果が⽣じると述べる、または暗⽰すること
    を意図したものでも、またそのような結果を⽣むものでもありません。 パフォーマンスは、管理された環境において標準的なIBMベンチマークを使⽤し
    た測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマルチプログラ
    ミングの量、⼊出⼒構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含む、数多くの要因に応じて変化します。したがって、
    個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではありません。
    記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使⽤したか、またそれらのお客様が達成した結果の実例として⽰された
    ものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。
    IBM、IBM ロゴ、ibm.com、IBM Cloud、IBM Cloud Paksは、 世界の多くの国で登録されたInternational Business Machines Corporationの商標です。他
    の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。現時点での IBM の商標リストについては、
    www.ibm.com/legal/copytrade.shtmlをご覧ください。

    View Slide

  36. © 2021 IBM Corporation
    36

    View Slide