ジェフ・バー氏

ジェフ・バー氏（以下バー氏）　全てのアプリケーションには、セキュリティを確保しなければならない一連のキーとコードがある。だが、規制の数がかつてないほどに増えていることから、こうしたセキュリティ確保のハードルが上がっている。例えばEU一般データ保護規則（GDPR）のような動きがある。この規制は、全世界に大きな影響を与えるだろう。一方、アプリケーションを取り巻く環境では、統合、データ共有のニーズが増えている。企業には、あらゆるもののセキュリティを最初から確保する方法が必要だ。

　普通は、機密情報が最初の手順になる。ログインキーやAPIのアクセスキーなど、手元には一連の機密情報がある。パスワード程度のシンプルなものも機密情報だ。ビジネス環境では通常、アカウント情報やパスワードなどが共有する機密情報に含まれる。しかし、そのパスワードが書かれた付せんがディスプレイに貼り付けられているのをよく目にする。このパスワードは機密情報であり、別のレベルの情報を保護するものだ。デスクの上やキーボードの下に貼り付けられた付せんを全て見て回ることはできない。機密情報の管理は、こうした見回りを可能にするハイテクの手段になる。

――LambdaなどのAWSデベロッパーツールによって開発者は多くのコードを素早く構築し導入できるようになりました。このことは、セキュリティが見過ごされる原因になっていると考えますか。

バー氏　複数の開発者が個々に構築作業をし、開発サイクルの終盤で「この開発したコードに優れたセキュリティの皮を被せて、全てを保護しましょう」と言うような開発モデルがある。当社はこれとは真逆の方法を好み、顧客にも同じプラクティスに従うよう勧めている。つまり、セキュリティの原則から着手し、セキュリティモデルを考案して、その後、実装を始めるのだ。

――Amazonの開発者は、Lambdaを使用してサーバレスAPIと、小さな機能や少量のコードを構築し導入していると話しています。サーバレスにはどのようなユースケースがありますか。

バー氏　Lambdaを公開して3年半になる。企業での導入は急速に進んでいると見ている。企業はLambdaを多種多様なイベントソースに結び付ける価値を実感している。Lambdaは、流入するデータフローを「Amazon Simple Storage Service」（Amazon S3）に結び付ける神経系のようなシステムだと考えられている。企業は、Lambdaをメッセージキューと通知に結び付けている。今は、これを中心にしてさまざまなパッケージモデルを構築し始めている。

　いずれ、サーバレスはもっと創造性を発揮するようになるだろう。例えば、有効期間の99％は事実上使用されていないようなアプリケーションがある。このアプリケーションが稼働する1％の期間は、トラフィックの量とは無関係に高速な動作と高い応答性が求められるとする。こうしたアプリケーションの例には、入学手続き、緊急対応、年間行事、スポーツイベントなどが考えられる。サーバレスは、こうしたトラフィックの急増に対して、バックグラウンドに混乱を生じさせることなく多くの容量を利用可能にする手段になる。

――企業レベルで機械学習を導入するとしたら、どのような課題がありますか。

バー氏　ベンダーやマスコミは、機械学習が前途有望なテクノロジーだと宣伝している。そのため、開発者は機械学習の知識が乏しくても、やがて「当社には大量のデータがある。機械学習を使って何かできないだろうか」と考えるようになる。

　Amazon SageMakerは開発者に開発環境と導入環境を提供する。このサービスを開発者の手に渡せば、開発者はデータソースと開発、導入のツールが手に入る。そうすれば、モデルを構築して対話形式のテストをし、実行していることを理解できる。何度も繰り返し、テストデータを使ってモデルをトレーニングしてから、データソース全体を使ってモデルをトレーニングできる。

――企業にとっては、機械学習の最大の魅力はデータを適切に活用する機能にあるということでしょうか。

バー氏　大量のデータを所有している企業、つまりほぼ全ての企業は、そのデータを多くのことに生かしたいと考えている。企業は「どうすればこのデータのメリットを生かせるだろうか」と考える。最初は、少しの価値を求め、多くを望まないことだ。ビジネスプロセスを構築するだけで、20％以上の価値がもたらされる。これは企業にとって大きなメリットになる。

　私たちはムーアの法則と、テクノロジー業界で起きる大きな機能強化に慣れ過ぎているため、通常のビジネスを支援してプロセスを10～15％強化する重要性を忘れている。このようなサポートができたら、本望だろう。機械学習はすぐに利用できるところにあり、顧客を助けることができるものなのだ。