アイティメディア_AI.pdf

Transcript

1. なぜ今、AIとハイブリッドクラウド の組み合わせが注目されているのか アクセンチュア株式会社 テクノロジーコンサルティング本部 金融サービスグループ 青柳 雅之 05.22.2025
2. Copyright © 2025 Accenture. All rights reserved. 2 登壇者 アクセンチュア株式会社 テクノロジーコンサルティング本部 金融サービスグループ プリンシパル・ディレクター 日本マイクロソフト株式会社、アマゾン ウェブ サービス ジャパン株式会 社を経て2017年にアクセンチュア株式会社に入社。金融サービスグル ープに所属。モダナイゼーションやAIの分野のコンサルティングやSIに従 事。 青柳 雅之（あおやぎ まさゆき） Google Cloud Partner Top Engineer Award 2021,2023 Google Cloud All Stars 2024 Jagu’e’r Award 最優秀賞 2021 AWS APN Partner Top Engineer 2019
3. Copyright © 2025 Accenture. All rights reserved. 3 Agenda ⚫ なぜ今、AIとハイブリッドクラウドの組み合わせが注目されているのか？ ⚫ クラウドでAIを活用する際の主な利点は？ ⚫ オンプレミスにあるデータをAIに活用する際の課題と対策は？ ⚫ エッジとクラウドとの使い分けのポイントは？ ⚫ AIのためのデータ配置で重要な視点は？ ⚫ AIの選定はどう考えるか？ ⚫ ハイブリッドクラウドAI導入におけるベストプラクティスは？ ⚫ まとめ - 今後、企業がAIとハイブリッドクラウドをどう活用すべきか？
4. Copyright © 2025 Accenture. All rights reserved. 4 なぜ今、AIとハイブリッドクラウドの組み合わせが注目されているの か？ オンプレミスとクラウドの両方の利点を生かすことが出来、様々なAIシナリオに対応できる。クラウドはAIモ デルのトレーニングのためにコンピューティングリソースのスケーラビリティを活用できる一方で、規制要件のあ るデータや機密データをオンプレミスに保持できる。  オンプレミス環境で、個人情報や企業秘密など の機密部分をマスキングしたり、別の値に置き 換え。  機密情報から特徴量（平均単価や購買頻 度など）のみ抽出して特徴量データに変換。 機密データ 学習データ（加工済み）  加工されたデータをAIトレーニングで利用。  クラウドの弾力性とスケーラビリティを使い、 従量課金で大量のデータを必要なときの み利用し、コストを抑える。 オンプレミス クラウド
5. Copyright © 2025 Accenture. All rights reserved. 5 クラウドでAIを活用する際の主な利点は？ リソースに弾力性とスケーラビリティがある他、様々な用途別（自然言語処理、音声認識、画像認識な ど）の事前トレーニング済みモデルとAIアプリケーション開発のためのプラットフォームが提供されている。 また、インフラストラクチャ管理はクラウド側が担い、管理負荷が低い。 事前トレーニング済みモデル  ノーコードに近い形でAIアプリケーションを開発可能。デー タソースの指定をGUIで行うとRAGが自動で作成され、プ ロンプトを試すUIが提供される。 AIアプリケーション開発のためのプラットフォーム  クラウドベンダーは自社、他社開発の様々なモ デルをユーザーに提供。  事前トレーニング済みモデルは次の用途で利用 • ファインチューニング 事前トレーニング済みモデルの重みを初期値として、 特定のタスクのデータでモデル全体または一部の層を 再学習。 • プロンプティング 特定の指示（プロンプト）や少数の例を与えるだけ で、ファインチューニングなしにタスクを解かせることが可 能。 RAG データソース データソース データソース 生成AIとは何で すか？ ※RAGとはRetrieval Augmented Generation の略で、大規模言語モデル (LLM) が回 答を生成する際に、外部のデータソースから関連情報を検索し、その情報に基づいてより正確で 信頼性の高い回答を作る技術 LLM
6. Copyright © 2025 Accenture. All rights reserved. 6 オンプレミスにあるデータをAIに活用する際の課題と対策は？ 効果的にクラウドでAIを活用するためにオンプレミスに存在するデータを適切に準備する必要がある。そのた めのデータマネジメントには労力が必要である。クラウド側の環境構築よりも労力がかかると考えても大げさ ではない。 データ準備と前処理 データガバナンス データセキュリティ データ統合 データマネジメント領域には労力が必要 クラウド
7. Copyright © 2025 Accenture. All rights reserved. 7 エッジとクラウドとの使い分けのポイントは？ リアルタイム応答性と厳格なデータプライバシー要件が求められるアプリケーションではこれらを考慮してAI ワークロードをエッジかクラウドのどちらで実行するかを決定する。 データプライバシ、セキュ リティー要件 オフライン機能 リアルタイム処理 帯域利用の効率化と送 信コストの削減  自動運転などの低遅延、リアルタイム処理を必要とするア プリケーションがある。  機密データのローカル処理で、データセキュリティの向上を 行うことが出来る。  環境要因でクラウド接続が断続的、もしくは利用できない 場合でもアプリケーションがAIを利用する必要がある。  ローカルの処理でクラウドに送信するデータ量が減少し、 送信コストが減少する。
8. Copyright © 2025 Accenture. All rights reserved. 8 AIのためのデータ配置で重要な視点は？ データの階層化（頻繁に利用、アーカイブとして利用）、オンプレ-クラウド間の同期、複製、セキュリティとコ ンプライアンスの確保が重要です データ統合 データ複製と同期、処理 データ階層化 セキュリティとコンプライア ンス  オンプレミスでアーカイブデータを保存するのかクラウドに保存するのか。アーカイ ブ用途ではクラウドに大きなコストメリットがある。また、用途に応じて数種類の アーカイブストレージを使う分けることが出来る。  データを複製、同期、処理を行うサービスは何を使うか。ローカルで行うのかク ラウドで行うのか。クラウドサービスを使うのか専門ベンダーのツールを使うのか。  データの配置場所でセキュリティ要件、コンプライアンス要 件を考慮する必要があるか。
9. Copyright © 2025 Accenture. All rights reserved. 9 AIの選定はどう考えるか？ 各社のAIは特徴があり、現時点の強みも異なるが、各社は競争をしておりいずれ競合のサービスに追いつく 部分も出てくる。そのため、各社の強みだけでなく、自社の状況を鑑み、最適なベンダーのAIを選択する。 既存のクラウド環境 オンプレミス環境との 専用線接続の有無 技術者の有無 自社の状況 主要なクラウドプロバイダー 主要な生成AIサービス AWS Amazon Bedrock、Amazon SageMaker,Amazon Q Microsoft Azure OpenAI Servic,、 Copilot Google Cloud Vertx AI,Agentspace,Gemini
10. Copyright © 2025 Accenture. All rights reserved. 10 今後、企業がAIとハイブリッドクラウドをどう活用すべきか？ まとめ オンプレミスとクラウド双方の利点を活用します。ビジネス目標を実現するために、ハイブリッド環境を全体 でクラウドの最新技術の検討に加え、包括的なデータマネジメントの整備が必要です。 データのコンプライアンス 要件、セキュリティ要件 （機密性） 弾力性、スケーラビリティ、 処理能力 AIアプリケーションの包 括的な開発環境 最新の多種多様なAIモ デル ビジネス目標 遅延要件 コスト最適化 オンプレミス クラウド 異種環境への 接続機能 データの接続、 処理方式 オンプレミスとクラウド双方の利点を活用 データマネジメントを整備