ハイブリッドクラウド環境での AI の使用：メリットとユースケース

ハイブリッドクラウド 環境は、オンプレミスとクラウドのリソースを組み合わせて、柔軟性とスケーラビリティの両方を提供するため、両方の長所をビジネスに提供するものです。 人工知能 (AI) と機械学習 (ML) によって、組織はハイブリッドクラウド戦略をさらに向上させることができます。

AI および ML モデルは、知見の提供、リソースの最適化、アプリケーションのパフォーマンス向上により、チームがより適切な意思決定を行えるようにします。大規模言語モデル (LLM) は、ワークフローを自動化し、手作業の必要性を減らすのに役立ちます。予測モデルによって使用パターンを分析することで、クラウドのコストを抑え、より効率的にリソースを割り当てることができます。チームが AI/ML を使用してハイブリッドクラウド環境を最大限に活用する方法を見てみましょう。 

自動化されたリソース割り当て

ハイブリッドクラウド環境においては、リソースの割り当てと最適化が不可欠です。AI/ML で自動化し、最適化することで、企業はリソースを最大限に活用し、コストを抑えることができます。予測分析により、履歴データと使用パターンを分析して、オンプレミスとクラウドのリソースをスケーリングするためにリソースのニーズを自動的に予測することもできます。AI/ML はワークロードをハイブリッドクラウド全体に分散できるため、レイテンシー、コストおよび可用性に基づいて最もコスト効率の良い場所でワークロードを実行できます。

また組織は、サービスの高い可用性とアプリケーションのパフォーマンスを維持しながら、需要と予測分析に基づいてリソース割り当てを動的に調整し、コストを削減することもできます。

セキュリティの強化 

AI を活用したセキュリティの監視は、複雑なハイブリッドクラウド環境において既知のサイバー脅威をより迅速に特定するのに役立ちます。AI および ML を活用した脅威の検知により、企業はセキュリティ・ログとネットワーク・トラフィックをリアルタイムで、より効率的に分析できるため、危害が生じる前に潜在的な攻撃を発見して対応できる可能性が高くなります。異常検出アルゴリズムは、異常なアクティビティを特定し、潜在的な侵害のフラグを早期に立てることで、もう 1 つの保護層を追加するものです。これにより、ハイブリッドクラウド・インフラストラクチャの全体的なセキュリティ体制が向上します。

AI アルゴリズムは、データセットを分析し、パターンを特定することで、従来のセキュリティ対策では見逃してしまう可能性のある新たな脅威を軽減するのに役立ちます。

アプリケーションの開発とデプロイメントの最適化

AI を活用したツールでアプリケーションの開発とデプロイを加速できるため、人的ミスを削減しながら、製品の市場投入を迅速化できます。また、機械学習は、コードの最適化、バグの検出、さらにはハイブリッドクラウド環境で実行されるアプリケーションのアーキテクチャ上の改善の提案によって開発者チームのリソースを増強することもできます。これらはすべて、生産性と効率の向上に役立ちます。

RHEL AI と Granite の大規模言語モデル

Red Hat Enterprise Linux AI (RHEL AI) には、 オープンソースGranite 言語モデルとコードモデルのサブセットが含まれています。Granite モデルは、エンタープライズ AI アプリケーションの実現を支援するために IBM が開発した一連の LLM です。これらは、テキスト生成、コード補完、コード変換など、言語とコードに関連する生成 AI (gen AI) のユースケースをサポートするように設計されています。これらのモデルは RHEL AI の一部であり、さまざまな AI ユースケースに対してコストとパフォーマンスを最適化したソリューションを提供し、Red Hat のエンタープライズグレードのテクニカルサポートとオープンソース保証も提供します。

アプリケーション開発のユースケース：Granite コードモデルを使用したコードのリファクタリング

ここでは、Granite LLM がアプリケーションのパブリッククラウドへの移行をどのように支援できるかを示すユースケースを紹介します。企業は Granite モデルを活用してレガシー・アプリケーションやプラットフォームをリファクタリングし、パフォーマンス、スケーラビリティ、および保守性を向上させることができます。また、プラットフォームをクラウド環境に移行することで、レジリエンシー (回復力) や応答性が向上します。

この例では、大手金融機関が、顧客のポートフォリオについてのコンプライアンス、不正検知、信用リスクを評価するリスク評価プラットフォームを使用しています。しかし、このアプリケーションは旧式のアーキテクチャーで構築されているため、データ量の増加に合わせて拡張するのが困難で、レガシーの依存関係により保守にコストがかかり、リアルタイムのリスク評価の処理には時間がかかります。ビジネスリーダーはリスク評価プラットフォームを AWS に移行したいと考えていますが、ビジネスの運営にとってこのリスク・プラットフォームは重要であるため、これにはリファクタリングによる移行が必要です。

リファクタリングとは

リファクタリングは、クラウドプロバイダーのインフラストラクチャでアプリケーションを実行するプロセスであり、これには、クラウド環境に合わせてアプリケーションを再設計する必要があります。このアプローチでは、既存アプリケーションのコードベースの大部分を変更して、クラウドベースの機能とその柔軟性を活用するようにします。リファクタリング移行は、他のクラウド移行アプローチと比べると、より複雑でリソースを大量に消費します。コードベースの変更はアプリケーションの外部的な動作に影響を与えることはないためです。

オープンソースのソリューション

開発者チームは、Granite モデルを開発環境に統合して、AI コーディングの支援を提供できます。オープンソースの AI Code アシスタントと並行して、アプリケーション開発者は Granite コードモデルを導入して、リファクタリング移行を支援できます。これらのモデルは、Ollama や InstructLab などのツールを使用してローカルで実行でき、チームはクラウド環境向けにアプリケーションをモダナイズすることができます。 

セットアップが完了したら、開発者は改善が必要なコードを選択するだけで Granite モデルの提案を確認できます。Granite モデルは、構文のモダナイズ、メソッドの抽出、変数の名前変更などを試行します。この方法では、開発者チームが提案されたコード変更を確認し、受け入れるため、人間の専門知識を維持しつつ、開発を迅速化できます。

この利点は、開発者が機密情報を漏洩することなく、これらの AI ツールをローカルで使用できることです。また、このハイブリッドアプローチによりコーディングの効率が向上するほか、Granite モデルはオープンソースの性質を備えているので、ステークホルダーに透明性がもたらされます。ローカルの Granite モデルを使用して AI コーディング・アシスタントを設定し、リファクタリング移行、コード補完、コンテキストのドキュメント、デバッグを支援する方法の詳細については、「Open source AI coding assistance with the Granite models」 を参照してください。

メリット

組織は AI を開発環境に組み込むことで、ハイブリッドクラウドのデプロイメントを強化できます。この特定のユースケースにおいては、以下のような利点があります。

• アプリケーションのパブリッククラウドへのデプロイを迅速化
• 運用オーバーヘッドの削減によりチームの効率が向上
• 自動化によって応答時間を短縮
• 人的ミスの最小化してリスクを低減
• 一貫性の高いデプロイメント

最後に、AI はリソース割り当てを最適化し、他のコスト削減機会の特定に役立つため、ハイブリッドクラウド環境の費用対効果を向上させます。

Red Hat Developer Hub へのアクセス

Red Hat Developer Hub では、エンタープライズ AI アプリケーションの構築に関心を持つ開発者向けのオンラインリソースを提供しています。ここですでに説明しているオープンソース LLM の Granite ファミリーなど、RHEL AI の事前構築済みのブート可能なイメージをダウンロードすることもできます。