AI活用の成否は「データ品質」で決まる　成果を生むためのインフラ戦略

AI時代のデータを取り巻く課題　解決の鍵は「データ品質」にあり

　AIの急速な進化にともない、データを取り巻く状況は劇的に変化している。AIに投資しているリーダーの97％がROI（投資対効果）を黒字化^[1]していることからも、AIの活用が経営に直結することがわかるだろう。その中、データの爆発的な増加にともない「非構造化データ」の増加が新たな課題となっている。IDCの予測^[2]によれば、2028年までにエンタープライズデータの78％が非構造化データになるとされるが、組織の67％はデータをリアルタイムでインサイトに変えられていない。

　デル・テクノロジーズの安井謙治氏は、AI需要の高まりとともにデータがよりサイロ化していると指摘。データがサイロ化することで、データ品質の問題や（ダークデータ増加にともなう）アクセスの困難さが増し、使いたいデータをすぐに見つけられない。その結果、限られたデータを使って実施するAI活用のPoCは成功しても、本番環境にAIを適用しても成果に結びつかないと説明する。

　AI時代において、企業が競争を勝ち抜くためには「データ品質」こそが成功の鍵となる。AIツールの有効性はデータセットの質にかかっており、モデルとコードを中心とするのではなく、“データ重視”のアプローチへの移行が不可欠だ。安井氏は、データはAIという名のロケットを打ち上げるための「燃料」に例えられると説明し、「クリーンで高品質なデータ（燃料）さえそろっていれば、モデルが日々進化してどれだけ変わったとしても、すぐに新たなモデルに適用でき、再びロケット（AI）を高く打ち上げられる」と述べた。

課題解消の土台に「オープン」「フレキシブル」「セキュア」の3本柱

　では、どのように「データの価値」を最大限に引き出すべきか。たとえば、安井氏が所属するデル・テクノロジーズでは、「Dell AI Data Platform」による課題解消を提案している。このDell AI Data Platformは、オンプレミスやクラウド、エッジなどに散在するデータを統合的に管理するためのプラットフォーム。AIだけでなく、BIなどの分析基盤としても利用できる。

　最大の特色は、「オープン」「フレキシブル」「セキュア」という、3つのコンセプトに基づいた主要コンポーネント（「データエンジン」「ストレージエンジン」「ガバナンス／セキュリティ（サイバーレジリエンス）」）で構成されている点だ。

　業界標準技術の採用、多様なデータソースを統合できるオープン性。構造化／非構造化データの対応、モジュール型アーキテクチャによる高い拡張性。そして、アクセスコントロールやデータ暗号化、脅威検知などで安全性を確保している。

　特にデータ処理の心臓部であるデータエンジンは、AIのために“複雑なデータ”を大規模に保存・管理・保護するもので、Apache SparkやIcebergなどに対応。オープンソース基盤を構築・維持する際に発生する、バージョン管理やパッチ当てといった手間を専用コンソールによるマネージドアップグレードやクラスタ監視機能によって軽減でき、大幅な管理工数の削減を図れる。

　なお、データエンジン自体は「Data Processing Engine」「Data Query Engine」「Data Search Engine」（近日リリース予定）から構成されており、Processing EngineはApache Sparkを基盤にETLや機械学習の処理を実行し、Trinoの商用版を実装したQuery EngineによってSQLクエリを提供。また、ElasticsearchをベースとしたSearch Engineがベクトル検索や全文検索など、非構造化データの検索を担う。また、GPUの搭載も可能なため、NVIDIA「RAPIDS」などによるデータ処理の高速化にも期待できる。

　たとえば、Pythonを利用したいデータサイエンティストや機械学習エンジニアは、SparkベースのProcessing Engine、SQLを用いるデータアナリストはQuery Engineと、目的に応じて使い分けることが可能だ。

　多様なデータソース（センサー、画像、ERPログなど）を有する製造業などでは、Processing EngineやQuery Engineがデータ結合やエンリッチといった中間処理を担い、最終的に予知保全や画像欠陥検出、アラート要約などの予測検知型のAIアプリケーション、BIダッシュボードなどを構築できる。

「データの民主化」を加速する、データプロダクトと品質管理

　AI時代におけるデータは、企業にとっての「宝」だ。しかし、ローデータ（生データ）はゴミが混ざった状態の「宝箱」のようなものであり、これを前処理して磨き上げられた「品質の良い宝」にする必要がある。

　Dell AI Data Platformでは、AIと“データの民主化”を推進するためにデータを「製品」として扱い、各ドメイン（事業部門）が管理・公開する“データプロダクト”と位置付けられている。このデータプロダクトとは、技術的およびビジネス的なメタデータ（概要、スキーマ、利用方法、プライバシー情報など）が付与されたデータセットであり、目的のデータを見つけるための「宝の地図」を提供する役割を担う。

　このときデータの品質は、ローデータ（ブロンズ層）から中間データ（シルバー層）を経て高品質なデータ（ゴールド層）へと段階的に磨き上げる。そして、ストレージエンジンには「Dell PowerScale」と「ObjectScale」を採用。Dell PowerScaleは、GPUサーバーの大量I/Oに耐える高スループットアーキテクチャと動的なスケールアウト能力を持つ。加えて、メタデータをデータエンジンへと自動的にエクスポートできるため、非構造化データを素早くAI-Readyなデータセットとして用意可能だ。

　また、データは常にサイバー攻撃の標的となる。特に非構造化データは、企業の知的財産や機密情報を含んでいるため価値が高く、企業全体のデータの90％を占めるために管理が難しい。特にアクセス権限を突破されてしまえば、盗難や窃取のリスクは格段に高まる。

　そこでDell AI Data Platformは、サイバーレジリエンス機能を搭載。「統合RBAC（ロールベースアクセス制御）」によるアクセスコントロール、行レベルのフィルタリング列レベルのマスキングなど、細かなデータ制御も可能だ。

　さらに特権アカウントの無効化、多要素認証、イミュータブルスナップショットといった機能強化も施されており、オプション機能の「Cybersecurity Suite」では不審な動きをリアルタイムで監視・検知し、自動スナップショットや自動ロックアウトを実施。エアギャップ環境によるバックアップデータの隔離、迅速な復旧も実現できる。

　加えてPowerStoreは、厳しい基準を設けている米国連邦政府の承認済み製品リストに登録されており、バックアップエージェントをストレージ内部に搭載。専用機器に直接データを転送する「Storage Direct Protection」を統合している。

　他にも容量・性能などの逸脱を検知する異常検出機能に加え、7,000種以上のランサムウェア亜種でのトレーニング、99.99％の信頼度で破損を検出できる「Index Engines CyberSense」を活用したランサムウェア検出・フォレンジック分析機能を搭載。これらのセキュリティ機能により、ミッションクリティカルなワークロードの安全なバックアップデータを特定でき、ローカル環境での高速なリカバリーを実現している。

包括的なプロフェッショナルサービス　未来志向での機能進化がポイント

　デル・テクノロジーズでは、こうした機能強化に加えて「Dell Professional Services」による包括的なサポートを提供している。データ管理の戦略策定からデータライフサイクル全体にわたる効率化はもちろん、データカタログの設計・実装、メタデータの識別・整理、データ品質とガバナンス基準の浸透といった、多岐にわたる領域をカバーする。

　デル・テクノロジーズの森山輝彦氏は、予測不可能な時代における「インフラストラクチャの俊敏性」の重要性に言及。競合他社よりも迅速に適応できるかどうか、ストレージこそが鍵になると指摘する。これはAI時代の課題として挙げられる電力コストやライセンスコストの高騰、IT環境の複雑化、サプライチェーンの強靭化などに対応する上でも欠かせないという。

　そこで森山氏は、PowerStoreの最新アップデートを紹介した。コンテナベースのマイクロサービス設計により、PowerStoreでは機能拡張や修復作業を迅速に実行可能だ。また、AIを活用した運用機能が組み込まれており、時間の経過とともに「より賢くなる」ように設計されている。さらにリアルタイムで取得されるテレメトリーデータを機械学習で分析することで、ビジネスに影響が及ぶ前に問題を予測・回避する「スマートサポート」機能を搭載。ある程度、定型化された修復や保守作業については自動的に実施する、いわゆる「セルフヒーリング」の領域にまで踏み込んでいるという。

　加えて、PowerStoreのコンソールに対しては、自然言語（日本語を含む）で会話できる「AI Assistant」機能も組み込まれている。たとえば、性能や容量の推移について予測するなど、従来までは複雑な作業だったものを自然言語で容易に実現可能だ。なお、AI Assistantに用いられているトレーニングデータは、デル・テクノロジーズの公式エンジニアリングドキュメントに限られているため、回答の精度は高い。

　他にも電力消費やCO2排出量を5分ごとに収集・分析し、デバイスまたは地域に基づいてフィルタリング、追跡・比較することで、データセンター全体のエネルギー消費に関する分析情報を取得可能だ。コスト削減はもちろん、要請の高まっているサステナビリティ計画にも役立てられる。

AI時代に求められるインフラ要件をカバー　HCIと3層構成のいいとこ取り

　続いて森山氏は、新たなソリューションである「Dell Private Cloud」にも言及した。これは、HCI（ハイパーコンバージド・インフラストラクチャ）の優位性である導入の容易さ、シンプルな管理性、従来の3層構成（3-Tier）がもつリソースの個別拡張性や効率性に加えて、高度なエンタープライズサービスを組み合わせた、フルスタックの自動化ソリューションだ。

　つまり、コンピューティング、ネットワーク、ストレージを統合しつつも、3層構成とHCI両方のメリットを享受できる。複数のハイパーバイザーをサポートする、“オープンな分離型ハードウェア”として、ユーザーが保有しているクラウドOSのライセンスも利用可能だ。

　アプライアンスのような利便性をもちながらも、ベンダーロックインされない点はアドバンテージとなるだろう。ビジネスニーズの変化に応じて環境を再構築できるため、将来的に既存のエコシステムから別のエコシステムへ移行する場合でも、ハードウェアを買い替えることなく利用しつづけられる。加えてハードウェアだけでなく、サードパーティのエコシステムについてもデル・テクノロジーズが主体となって課題解決にあたってくれる点も、運用担当者にとっての安心材料となるだろう。

　最後に森山氏は、デル・テクノロジーズがPCからサーバー、ストレージに至るまで、ゼロトラストに基づいた堅牢なセキュリティ機能を組み込んだインフラストラクチャを提供することで、組織のAI・データ利活用を一気通貫で支援していくと述べ、講演を締めくくった。