AI・機械学習を使ったストレージのデータ整理

企業活動がますますデジタル化されるにつれて、データストレージの要件が複雑化しています。これらの要件には、情報の保存期間、保管場所、セキュリティー管理などを考慮する必要があります。こういった作業に、人工知能 (AI) と機械学習の活用が期待されています。具体的にどのように活用しているのかを見てみましょう。

ストレージ内の膨大なデータの整理に機械学習が役立ちます

膨大なデータを扱う現代の企業活動では、それらの情報の整理におわれてしまうという問題が起きています。企業は日々新しいデータを受け取っており、それらの整理に従業員が追い立てられるという事があります。あるファイルの保存において、どのデータベース保存すべきか、複数部門で意見が異なったり、不一致が発生することもあります。

機械学習アルゴリズムなら、受信する情報の特徴を認識し、適切な要件で素早く保存し続けるのに役立ちます。例えば AI内蔵の電子メールサービスを使うと、それが実感できます。市場によく見かけるものとしては、ユーザーの過去のメッセージ操作の傾向からその要件を学習し、適切なフォルダへの移動を自動化するといったものがあります。このような機能のお陰で、無駄な広告メールをスルーし、上司からの重要なメールに素早く対応する事ができるようになります。

つまり、受信メッセージの固有の特性に基づいて、優先度やプロモーションなどのフォルダーに自動的に保存し、情報整理を行っているわけです。これは全てバックグラウンドで実行されるため、ユーザーは各フォルダーの内容を確認しないとそのことを知ることができません。ただし、受信トレイを整理することが目的である場合、多くの人がこのデータ保存方法を好みます。

析ししやすい形に整理してくれます。ギリシャのピレウス大学の研究者は、中小企業の取引分類から、キャッシュフローを予測するモデルを開発しました。彼らは、この研究によって、現在詐欺検出や資金管理に使用されているモデルを改善できると考えています。

従来からのプロセスをAIで効率化

AIは、短期間で膨大な量のデータを処理できるため、既存ビジネスの改善や効率化したい人にとって役立つことがよくあります。とあるデータセンター向けの機器を施設に設置する企業のケースで考えてみましょう。この企業では、機器設置する上で必要なケーブル配線の設計や、設置機器の強度強化のためのブラケットのカスタマイズを行っています。これらの作業の設計にAIを活用することでの改善・効率化が期待できます。

設計だけではありません。設置プロセスの持続可能化の面でのAI活用も考えられます。一般的に、１つのAIアルゴリズムの学習には自動車５台の生涯寿命と同等の二酸化炭素排出の可能性を指摘されています。この側面だけをとらえ「AIは持続可能化に適さない」と言うべきではありません。

例えば、データセンターの設置、運用、廃棄に至るまでのライフサイクルの中で、どの工程で最も多く炭素を使用するのかをAIで特定し改善する事も考えられます。実際にGoogleは施設の冷却の効率化にAIアルゴリズムを活用しました。

データストレージに対するニーズは世界規模で急激に拡大しており、それに併せこのようなAIを活用した専用施設も増加していくでしょう。持続可能性への懸念に対し、AIアルゴリズムを使用することは、正しい選択への一歩と言えます。

AIを活用したベクトル検索ツール「Weaviate」を開発するSeMI Technologies社。 キーワード検索とは異なり、正確な一致が不要なベクトル検索では、AIアルゴリズムが活用されています。データストレージとAIを組み合わせることで検索が高速化され、同社の関係者は、この製品がユーザーの情報処理方法を改善すると考えています。

データの隠れた価値「ダークデータ」をAIで見つけ出す

「ダークデータ」とは、収集し保存しているもののビジネスに活用しきれていない情報のことです。企業活動では、収集はしたものの整理・構造化までは出来ていないために、結局使用されない情報がよくあります。身近な例では、経営層が自社のダークデータですらすべてを見渡せていない事などがあります。

しかしAIはこうした事例を減らすことができます。機械学習により、一見すると気付かないデータのパターンを見つけ出し、認識していなかったような情報を導き出すことができます。また、ダークデータの抽出により、経営状況を悪化させている潜在的なリスクを見つけ出す事も出来ます。

人間はダークデータから情報を導き出すのは得意ではありません。したがって、AIを使ったソリューションに投資するのは価値があると言えます。AIによるダークデータ活用で、ビジネスが手枷足枷から解放され、より効率的な手段を突き詰める事ができるようになります。 

特に、建設業界などのような、ダークデータが複数の拠点に分散保存されている場合、AIのありがたさを痛感出来るのではないでしょうか。通常、プロジェクトマネージャーによる意思決定の際に、充分な情報に触れているのか、そもそもそのような情報があるのかどうか、その見通しすらないのが一般的です。

AI は、ストレージに蓄積されたデータの傾向を学習し、それに応じ情報を自動的整理することで、企業がダークデータを埋もれたままにする事を防ぐことができます。これにより、過剰なダークデータのストックを、ビジネス上の意思決定や企業の改善に活用できる有益なコンテンツに変えることができます。 

AI 製品を使用してセキュリティに関連するデータ ストレージ要件を維持

サイバー攻撃が増大する中、多くの企業の経営層は、AIと機械学習で、自社内の情報を安全に保つ事が可能となります。事実、サイバーセキュリティのサービスプロバイダーは、AIや機械学習を活用した商品を提供しています。その1つ、データ管理およびバックアップソリューションを提供するCohesity社のケースを見てみましょう。 

同社は最近、「Datahawk」というソフトソリューションを提供し始めました。 このAI製品には、攻撃者からデータを保護するために連携して機能する3つのコンポーネントがあります。中でもデータストレージに関連しているのは、配列で大規模な情報を自動的に検索して分類する分類エンジンです。

多くの企業の担当者は自分のデータがどこに保存されているか知らないため、このツールはサイバーセキュリティの向上に非常に有益です。その場合、データの保護にも役立ちます。分類化によりは、コンプライアンスに沿ったストレージ管理もできるようになります。このツールには、採用実績も豊富でメジャーなデータプライバシー 管理ポリシーが搭載されています。

別の事例として、Forcepoint社のデータ可視性ツールも同様の目的を果たします。この製品は、現在の保存場所に関係なく、非構造化情報を検索、分類化、カテゴリー化します。その後、ユーザーは他のForcepoint製品を使用して、データの流出を防ぐことができます。同社によると、このツールのデータ管理用の自動化AIは、70のフィールドで 95% 以上の精度を誇ります。 また、アルゴリズムは使用する度に学習するため、時間の経過とともにパフォーマンスが向上します。 

AI を使用してデータ ストレージ要件を満たし、管理を強化する

今回の記事では、AIや機械学習が、いかに組織内データの蓄積（ストレージ）や活用（運用や検索）に協力なツールであるかをご紹介しました。  ご自身にとっての最適なソリューションを見つけ、そして実装するのはとても時間と労力がかかります。しかし大筋で、大きな改善や効率化に貢献しうる選択肢になり得ます。