AIデータの準備

　企業が検討することは多い。データの格納場所、ネットワーク経由でデータを移動する方法、データを処理する方法を選ぶ必要があるだけでなく、AIアプリケーションで使用するデータを準備する方法も選ばなければならない。

　エンタープライズAIを成功させる重要なステップの1つに「データクレンジング」がある。このステップは「データスクラビング」とも呼ばれ、データベースに含まれるデータの中で不正確、不完全、不適切にフォーマット／複製されたデータを更新または削除するプロセスを指す。

　全ての企業、特にデータ主導の企業は、自動データクレンジングツールを導入し、ルールやアルゴリズムを使用してデータにエラーがあるかどうかを評価することを検討する必要がある。AIではデータの品質が特に重要になる。AIシステムに送り込まれるデータが不正確だったり最新のものではなかったりすると、システムの出力と関連するビジネス上の決定も不正確になる。

AIのデータ管理とガバナンス

　データアクセスも重要な検討事項の1つになる。企業は、データを必要とするユーザーに安全かつ効率的な手法でデータを提供する適切なメカニズムを用意する必要がある。

　データ管理戦略の一環として、ユーザー（PCと人）がデータに簡単かつ高速にアクセスできるようにする必要がある。ワイヤレスネットワークを利用するモバイルデバイスなど、さまざまなエンドポイントからアクセスできるようにする。

　アクセスは、プライバシーとセキュリティにまつわる問題を多数引き起こすため、データアクセス制御が重要になる。企業は、データ管理とガバナンス戦略の一環として、IDとアクセス管理のツールやデータ暗号化のツールなどのテクノロジーを検討する必要がある。

AIとIoT

　AIインフラの議論は、影響を強めるモノのインターネット（IoT）に触れずに終えることはできない。IoTには、インターネット経由で接続される多数のデバイス、製品、センサー、アセット、位置情報、車両などからデータを収集し分析することが関係する。AIとIoTが密接に結び付くのは、接続されたモノから得られる全て情報から洞察を得るためにインテリジェンスを適用する必要があるためだ。

　Gartnerの推定では、2017年は世界中で84億個のモノが接続されたという。これは前年比31％の増加で、2020年までには204億個に達する見込みらしい。接続されたオブジェクトが生成する大量のデータを想像してほしい。この情報の全てを統合、管理、セキュリティ保護する役割は企業にある。

　AIインフラの観点から見ると、企業はネットワーク、データストレージ、データ分析とセキュリティのプラットフォームを検討し、IoTエコシステムの成長に効率よく対処する必要がある。検討対象には、自社独自のデバイスが生成するデータだけでなく、サプライチェーンパートナーからのデータも含まれる。

AIトレーニング

　最後に忘れてはならないことがある。それはトレーニングとスキルの開発だ。ITの取り組み、特に企業AIの取り組みにとってはこれが不可欠になる。企業には、データアナリスト、データサイテンティスト、開発者、サイバーセキュリティ専門家、ネットワークエンジニアなど、さまざまなスキルを持つITプロフェッショナルが必要になる。こうしたプロフェッショナルが、継続的にAIをサポートし、AIテクノロジー（機械学習、自然言語処理、ディープラーニングなど）を使用するインフラを構築／管理する。

　インフラ開発のさまざまな側面を管理する人材や、企業のビジネス目標に精通する人材も必要になる。つまり、AIインフラ開発の取り組みには、強力なチームの結成が不可欠だ。