MachineGPT、エージェント型AI、そしてデジタルレジリエンスを支える新たな基盤

MachineGPTは、機械が毎秒生成する行動、パターン、シグナルをAIに理解させることを中核に据えた強力なアイデアです。先日、私はこのアプローチが持つ変革の可能性について初期的な見解を示し、これによって実現する新たな種類のソリューションを紹介しました。

MachineGPTが企業におけるエージェント型AIの普及の基盤となっていることは間違いありません。 

エージェント型AIは、デジタルオペレーションを根本的に変えると考えられています。単に質問に答えるだけでなく、AIエージェントは企業環境内で認識、推論、行動できるようになりました。セキュリティ、オブザーバビリティ(可観測性)、運用の各チームにとって、これは大きな変化です。エージェント型AIにより、インシデントを未然に防ぎ、問題が拡大する前に封じ込め、従来の自動化では成し得なかった方法でサービスの信頼性を向上させることができます。

そして、こうした進化は予想を上回る速さで進んでいます。さまざまな業界のお客様と協業していく中で、必ずと言っていいほど次の3つの声を耳にします。

1. エージェント型AIには拡張性の高い実績あるマシンデータファブリックが必要である

1つ目の最も重要な声は、エージェント型AIは動作する環境を深く理解する必要があるということです。組織のデータは組織の要(持続可能な競争優位性の源泉)であり、このデータに基づいてエージェントは企業環境で効果的かつ実践的に動作できるようになります。そのためには、エージェント型AIがもたらすデータの爆発的増加を凌ぐ高い拡張性と高速な処理能力を備えた実績ある安全性の高いデータファブリックが必要です。

AIエージェントは、監視するシステムや影響を与えるシステムに対し、共通の一貫した理解に基づいて動作する必要があります。つまり、AIエージェントが学習するデータと応答するシグナルは、次の要件を満たしていなければなりません。

• ドメイン全体で統一されている
• 構造と意味に一貫性がある
• ネットワーク、インフラ、アプリケーション間で相関付けられている
• 大規模かつ高負荷の状況下でも信頼性がある

ここで、Splunkが培ってきた価値が重要な意味を持ちます。

Splunkは、これまでも、そしてこれからも、その中核にあるのはデータプラットフォームです。世界最大手の銀行や小売業者から国家の重要なインフラに至るまで、さまざまな環境で20年以上にわたってSplunkはマシンデータの信頼できる記録基盤として使用されてきました。

なぜこれが重要なのかというと、AIエージェントが安全に動作するには、高度に相関付けられたテレメトリでトレーニングする必要があるからです。Splunkのプラットフォームは以下を提供します。

• システムの動作を捉える忠実度の高いマシンデータ
• 障害の伝播の仕方を明らかにするドメイン間の相関付け
• AIが責任ある行動をとるために必要な統一されたコンテキスト

このような特性を備えたデータファブリックは短期間で完成するものではありません。成熟させるために、長年にわたる大規模運用、実運用による負荷、エッジケースのシナリオ、実際のインシデントなどが必要になります。

Splunkはこうした試練を乗り越えてきており、エージェント型AIはこの苦労して築き上げた基盤を活用しています。

そして最も重要なのは、エージェント型自動化を実現するデータファブリックによって、AI自体がもたらす可能性のある脅威から組織を守るための安全策を構築するAIも実現できるということです。

2. エージェント型AIの成功にはセキュリティとオブザーバビリティの統合が欠かせない

お客様から聞かれる2つ目の声も重要です。セキュリティとオブザーバビリティは、もはや別々の運用機能として扱うことはできません。

エージェント型AIが真価を発揮するのは、セキュリティシグナルと運用シグナルを同時に解釈できる場合だけです。なぜなら、現代のシステムが実際にそのように動作しているからです。パフォーマンスの異常には、セキュリティの問題が隠されている可能性があります。セキュリティインシデントは、アプリケーションの動作低下として現れ始める可能性があります。多くの場合、ネットワークテレメトリがこの両方をカバーしています。

Splunkは長年にわたり、以下の統合を実現するためのアーキテクチャの構築に投資してきました。

• アプリケーションレベルのオブザーバビリティ・インフラのテレメトリ
• ネットワークインサイト(自社所有のネットワークと外部ネットワークの両方)
• セキュリティ分析と検出

これは単なる機能の統合ではありません。何百万時間にも及ぶエンジニアリング、お客様からのフィードバック、そして実際のインシデントを通じた試行錯誤の結果なのです。これにCiscoの業界屈指のネットワークテクノロジーとインサイトを組み合わせることで、SplunkとCiscoならではのソリューションを実現できます。今日、多くのベンダーがセキュリティとオブザーバビリティの統合について語っています。しかし、それぞれのテクノロジーを有しているからといって、ストレス下でも大規模に統一された方法でシグナルを解釈する統合的な運用システムを有しているとは限りません。

Splunkの統合アーキテクチャにより、エージェント型AIは次のことが可能になります。

• 複数のドメインにまたがる早期警告インジケーターの確認
• 死角のない根本原因の診断
• 詳細なコンテキストによる、情報に基づいた安全な対応
• MTTD(平均検出時間)とMTTR(平均対応時間)の短縮
• 防御の強化とサービスの信頼性向上

エージェント型AIの有効性は、その可視性(認識能力)によって決まります。Splunkは、この可視性を実現するために統合の仕組みを提供します。

3. エージェント型AIはレガシー環境と最新環境の両方を理解しなければならない

3つ目の声は実務的な視点に基づいています。エージェント型AIは、グリーンフィールドのクラウドネイティブスタックだけでなく、エンタープライズ環境の複雑な状況にも対応する必要があります。

今日の企業は、次のようなシステムを運用しています。

• レガシーモノリシックアプリケーション
• 階層型クライアント/サーバーアーキテクチャ
• オンプレミスとクラウドのハイブリッドインフラ
• クラウドネイティブのマイクロサービス
• カスタムワークロード、SaaSプラットフォーム、エッジデバイス

どの組織も白紙の状態から始める余裕はありません。なおかつ、既に運用されているシステムの全容を理解できなければ、AIアプローチは成功しません。

まさにこの点で、Splunkは唯一無二の存在です。

Splunkは常に、ベンダーが望む方向ではなく、お客様が置かれている現状に合わせて対応してきました。メインフレームやミドルウェアから、Kubernetesクラスター、APIゲートウェイ、サーバーレス関数、SaaSサービスに至るまで、環境内のあらゆる層を把握できます。

エージェント型AIにとっては、このように幅広く理解できることが不可欠です。エージェントは次のことができなければなりません。

• レガシーシステムのパターンを解釈する
• ハイブリッドインフラの障害モードを認識する
• 古いコンポーネントと新しいコンポーネント間の予測不能な相互作用に適応する
• 時間とともに変化する環境で安全に機能する

Splunkは既にこれらに対応しており、エンタープライズスタック全体で大規模かつ高い信頼性でエージェント型AIを実運用するのに最適なプラットフォームとなっています。

Splunkは常に、高い拡張性と柔軟性、そしてお客様の成果に全力で取り組む姿勢を強みとしてきました。オンプレミスからクラウドへのスムーズな移行をサポートしましたし、セキュリティとオブザーバビリティの間のサイロ解消も支援しました。そして今、エージェント型AIの実現と安全な運用を支援しています。

最終的には、経験が物を言います。Splunkのアーキテクチャ、拡張性、可視性は、抽象的なメリットではありません。これらは、企業がインシデントを防止し、脅威に対抗し、一貫したカスタマーエクスペリエンスを提供するうえで真に役立つAIの実際的な要件なのです。

このブログはこちらの英語ブログの翻訳、前園 曙宏によるレビューです。