はじまりは、多くの企業が抱える共通の課題から
「効率を上げてコストを抑えたい。でも、インフラの更新が思うように進まない…」
今、多くの企業がこうした悩みを抱えています。
ハイブリッド環境、レガシーシステム、そして企業でのAI活用という新たな要求が、IT部門に難しい選択を迫っているのです。
今回は、Microsoft やストレージベンダーによる最近の取り組みを通じて、企業が”AI時代に向けたデータの土台作り”をどう進めているのか、そこから他の企業が学べることは何かを解説していきます。
モダナイゼーションの壁「コストの上昇」
多くの企業はクラウドの柔軟性を求めていますが、同時に仮想マシンや長年の社内プロセスに依存しています。
問題は、古いアプリケーションがクラウド向けに作られていないことです。
書き直すには時間がかかり、新たなリスクも生まれます。
かといって単純な「リフト&シフト」では、特にワークロードの実行方法を変えない場合、コストが跳ね上がることが多いのです。
一部のベンダーは、仮想マシンを大きな変更なしに Azure に移行する方法を提供することで、この課題に対応しようとしています。
初期ユーザーによれば、その魅力は、初日からアプリケーションを作り直すことなく、クラウド移行をテストできる点にあります。
こうした初期テストは、後に企業のAIワークロードをサポートするシステムの準備にもつながっています。
また、Azure の独自ツールで管理すればストレージコストを抑えられ、移行を予測可能にできるとも指摘されています。
他の企業への教訓は、最初から全面的な作り直しを強いるのではなく、既存の運用に合った移行経路を探すことです。
ハイブリッド環境でのデータ保護と管理の重要性
データ損失や長時間の停止のリスクは、大規模なモダナイゼーション計画に対して多くのリーダーを慎重にさせています。
一部の組織は今、オンプレミス、エッジ、クラウドの各拠点でより強固な復旧システムを構築しています。
標準的な計画には、不変スナップショット、レプリケーション、侵害されたデータの可視性向上などの機能が含まれるようになりました。
Microsoft Azure と複数のストレージシステムの統合により、企業はオンプレミスのハードウェアとAzureサービスの両方でデータを管理できるようになりました。
ローカルでのデータ保管や厳格なコンプライアンス規則が必要な組織の間で関心が高まっています。
こうした環境では、機密データを国内に保管しながら Azure ツールを使えるため、企業のAIアプリケーションが信頼性の高い適切に管理されたデータに依存する中で、ますます重要になっています。
同様の課題に直面している企業への主な教訓は、管理レイヤーが統一されていれば、ハイブリッドモデルでもコンプライアンス要件をサポートできるということです。
AIへの準備には、全面的な作り直しではなく、より強固なデータ基盤が必要
多くの企業はAIプロジェクトをサポートしたいと考えていますが、インフラ全体を刷新したくはありません。
MicrosoftのSQL Server 2025 は、ベクトルデータベース機能を追加し、チームがプラットフォームを切り替えることなくAI駆動型アプリケーションを構築できるようにしています。
一部の企業は、SQL Server と高性能ストレージアレイを組み合わせて、スループットを改善し、AI関連データセットのサイズを削減しています。
こうした改善は、より広範な企業のAI計画の一部となっています。
これらの環境で作業するチームによれば、その魅力は、新しいスタックにコミットすることなく、初期のAIワークロードを実行できる点にあります。
また、より予測可能なパフォーマンスにより、チームが新しいモデルのトレーニングやテストを始める際に拡張しやすくなるとも報告されています。
より大きな教訓は、AI対応は別のプラットフォームを採用するのではなく、すでにビジネスデータを保持している既存のシステムを改善することから始まることが多いということです。
Kubernetes と古いシステムの並行運用がもたらす複雑さ
多くの企業は現在、コンテナと仮想マシンを混在させて運用しています。
両者を同期させることは、特に複数のクラウドでワークロードが実行されている場合、チームに負担をかけます。
一部の企業は、Kubernetes 環境をレガシーアプリケーションと並行させる統合データ管理ツールを利用しています。
その一例が、Azure Kubernetes Service と Azure Red Hat OpenShift での Portworth の利用拡大です。
一部のチームは、KubeVirt を通じて仮想マシンを Kubernetes に移行しながら、自動化のための使い慣れたワークフローを維持するために使用しています。
このアプローチは、過剰プロビジョニングを削減し、容量計画を容易にすることを目指しています。
他の企業にとっては、インフラを企業のAIイニシアチブをサポートできるようにするための、より広範な取り組みの一部です。
また、企業にとってコンテナ採用への、より遅く、より安全な道を提供します。
より広い教訓は、ハイブリッドコンテナ戦略は、劇的な変化を強いるのではなく、既存のスキルを尊重する場合に最もうまくいくということです。
企業のモダナイゼーション計画に見える明確な方向性
これらの例全体を通じて、共通のテーマが浮かび上がります。
ほとんどの企業は、すべてを一度に作り直そうとはしていません。
彼らが求めているのは、予測可能な移行計画、より強固なデータ保護、そして初期のAIプロジェクトをサポートする実用的な方法です。
現在 Azure を中心に形成されているツールやパートナーシップは、モダナイゼーションがシステムの置き換えではなく、すでに存在するものの改善になりつつあることを示唆しています。
コスト、セキュリティ、データニーズを視野に入れながら、小さく着実なステップでモダナイゼーションに取り組む企業は、不必要なリスクを負うことなく前進しやすいかもしれません。
まとめ：AI時代の”実践的なアプローチ”を
どんなに優れたAIも、整ったデータがなければ力を発揮できません。
しかし重要なのは、すべてを一度に変える必要はないということです。
Pure Storage や Azure などのベンダーによる取り組みは、既存のシステムを尊重しながら、段階的に改善していく道を示しています。
未来に向けて、いまこそ”小さく始めて着実に進む”アプローチで、データ基盤を強化していくときです。
参考：Pure Storage and Azure’s role in AI-ready data for enterprises
コメント