生成AIにはどのようなことが可能なのか。例えば、プログラミング言語「COBOL」で書かれた、昔のソースコードを別の言語で書き換えることや、レガシーデータベースの近代化とクラウド移行などに生成AIが役立つ。「生成AIはデータベースのスキーマ（構造を表す設計図）を抽出することにも活用できる」とスリバスサン氏は期待する。LLM（大規模言語モデル）に指示をすることで、データベース内のテーブル間の関係性を理解し、分かりやすい形で提案できる可能性があるという。

　スリバスサン氏は、「将来的には生成AIを活用することで、クラウド移行にかかる時間を約30～40％短縮できる」と語る。LLMが成熟してよりその用途が多様になり、さまざまなAIツールが登場するにつれて、移行プロセスがより効率的になると同氏は予測する。

　生成AIはエンジニアのスキル不足の解決に役立つ。例えば、複数のデータソースに保存されたデータの検索に機械学習（ML）を利用するツール「Amazon Kendra」を使用すれば、従業員が新しい技術を学習する際、自然言語でプロンプト（生成AIへの指示や質問）を入力するだけで必要なドキュメントをまとめられる。

　Amazon Web Services（AWS）やGoogleなどのクラウドベンダーは既に、生成AIを実行するためのツールを提供している。例えば、ユーザー企業が独自のAIモデルを構築して実行できる、AIモデルの実行環境サービスだ。こうしたツールの登場により、生成AIの活用は容易になった。

　スリバスサン氏は、「クラウドサービスは生成AIを導入し、利用を開始するための理想的な方法だ」と語る。生成AIの使用には学習用のデータセットや、セキュリティ、プライバシー、知的財産などに関連する複数の課題が存在する。自社で構築しようとすると、スケーラビリティ（拡張性）の限界に直面する可能性がある。IT業界全体で不足しているGPU（グラフィックス処理ユニット）の調達も課題だ。

　「適切なセキュリティ、データスキーマ、アーキテクチャを確立し、クラウドコンピューティングを正しく実装している企業は、生成AIを迅速に導入でき、企業間競争において優位に立てる」（スリバスバン氏）

　スリバスバン氏は生成AIを実際に導入しようとしているユーザー企業に以下のアドバイスを送る。

• まずは用途を1つか2つに絞って生成AIモデルを導入し、企業全体に広げる
• 独自の学習データで生成AIモデルをトレーニングする場合でも、スケーラビリティの観点から、推論にはハイパースケーラーのクラウドサービスを利用する

　今後、企業は複数のAIモデルを自社のオンプレミスインフラで稼働させ、トレーニングして推論させるようになると同氏はみている。ただし自律走行や製造現場でのリアルタイムでの意思決定など、迅速な演算が必要な用途を除けば、エッジ（デバイスの近く）で推論が必要になることはあまりないとも同氏は考えている。

　独自のAIモデルを構築し、チューニングして利用したい企業は、そのために必要なデータパイプライン（さまざまなデータソースからデータを取り込むシステム）と、学習に使用するデータセットについて検討する必要がある。