次のレベルは新しい層であり、これもデータサイエンティスト向けではあるが、基礎となるインフラストラクチャの多くの部分を抽象化し、ハードウェア構成とMLフレームワークを統合する。この層のAIは「as a Service」の分類にさらに近くなり、「IBM Watson」「Amazon SageMaker」「Microsoft Machine Learning Studio」「Google Machine Learning Engine」「Google Cloud AutoML」などのツールがある。

　3つ目の最上層は、既存のアプリケーションに組み込めるAPIベースのプラグインサービスだ。AI初心者を対象としており、主要ベンダー各社が認知、音声認識、画像認識のツールを提供している。

　「データサイエンティストかアーキテクトか開発者かを問わず、ベンダー各社はスマートAIベースアプリを構築したいと考えているあらゆる対象を自社のエコシステムに導こうとしている」とデカテ氏は話す。

クラウドAIの長所と短所

　ただし、パブリッククラウドにも限界がある。深層学習に使用したり、大量に使用したりするには、GPUアクセラレーションノードにさらに高い演算能力が必要となり、モデルのトレーニングを行うには膨大なデータを保存して処理しなければならないからだ。

　「多くの企業は多額の設備投資で（AIの導入を）加速するにはどうしたらいいか考えている。しかし、深層学習を中軸にするならオンプレミスで構築する方がいい」とデカテ氏はいう。

　深層学習は画像認識やテキスト解析など特定の用途には有効だが、AIの幅広い課題を解決する万能策でないことは、深層学習ニューラルネットワークの開発者も認めている。また、費用対効果は社内で構築する方がやや有利だが、データグラビティの問題もある。既にパブリッククラウドにデータを置いている場合は、費用をかけて移行するより、そのままクラウドで構築する方が効果的だとデカテ氏は話す。

　金融業界向け解析サービスを提供するAlpha Vertexは、Google Cloud Platformで機械学習モデルのトレーニングを行っている。こうしたモデルを大規模なインスタンスタイプで実行すればコストの問題が発生するが、同社ではより安価で小規模なプリエンプティブVMとスポットインスタンスを使うインフラストラクチャを構築した。また、解析モデルのトレーニングには、「Kubernetes」を使ってVMを約20個から1000個以上にまでスケーリングし、社内リソースの未活用を防ぐ。

　Alpha VertexのCTO、マイケル・ビショップ氏は「Kubernetesを導入したことによって、部門全体を要するような管理作業を1人か2人でできるようになった」と語る。

　同社ではこうしたモデルを社内に移行した場合の費用対効果を分析しており、その結果は常に、クラウドに維持する必要性を示している。

　「ハイエンドGPUは高額で、償却ライフサイクルもよくない。最新で最高のアクセラレーターを自社で維持するのは難しい」とビショップ氏は語った。

　Zendeskは「Amazon Simple Storage Service」、GPUインスタンス、TensorFlow、「Amazon Aurora」を利用する顧客向けに仮想アシスタント「Answer Bot」を開発した。これは深層学習予測モデルを使って一般的な問題を識別し、顧客の質問に素早く答え、ベストプラクティスを提案する。

　Answer Botが登場したときはまだAWSのSageMakerはなかった。SageMakerはインフラストラクチャ管理を抽象化するサービスで、2017年末に提供を開始した。Zendeskは将来的にSageMakerの利用を検討する。2011年からのAWS利用と同様、基本的なIT作業を効率化してコアビジネスに集中するためだ。

　ZendeskのIT運用担当バイスプレジデントのスティーブ・ロイド氏は「こうした管理作業はデータサイエンスの作業とは違う。SageMakerを利用すれば、TensorFlowのインタフェース拡充と自動化を進めて効率を高められる」と語る。

単なる流行にとどまらないAIの可能性

　データサイエンティストはこうしたモデルを構築するだけでなく、その後も検証を続ける。基本的なインフラストラクチャのツールが向上すれば、データサイエンティストがアルゴリズムに費やす時間を増やすことができる。AWSや他のクラウドプロバイダーが使いやすいAIツールを提供するに従い、機械学習導入を阻む壁は低くなるとロイド氏は語る。

　だが、既にAIを利用している企業もAIは万能ではないと指摘する。ほとんどのモデルの機能は比較的単純だ。AIの必要性を認めながらも、何をどうしたらいいのか分からずにいる企業が多い。

　Alpha Vertexのビショップ氏は次のように話す。「よく誤解されているが、AIにデータを入れるだけで、まるで魔法のように素晴らしいインサイトが出てくるというわけではない。質の高い結果を得るのは非常に難しいことであり、それはあまり認識されていない」

　しかし、宣伝通りでないからといってAIを諦めるのは賢明ではない。デカテ氏は、AIを導入して自社のイノベーションを加速するには、導入する企業の実力がクラウドベンダーのAIサービスより重要だという。データとインフラストラクチャの管理に関する基礎があり、実際的な取り組みのできる企業が成功する。

　「大小を問わず、どのような規模の企業もAI戦略を立てる必要がある。機械学習もAIも長期的なものだが、競争の一歩先を行くには今すぐ着手することが重要だ」とデカテ氏は語った。