ポイント: 適切なAIモデルを選択することは、メインフレームの変革において重要であり、効率とコンプライアンスのためのAI統合における柔軟性を強調しています。組織は、特定のタスクに基づいて適切なLLMまたはSLMを選択し、進化するニーズに適応する必要があります。
- 柔軟性には、選択肢、適応性、AIモデル選択に対する制御が含まれます。
- BMC AMI Assistantは、キュレーションされたLLMライブラリと持ち込みLLM（BYOLLM）戦略を提供し、カスタマイズされたソリューションを実現します。
生成的人工知能（GenAI）が企業の革新の中心に立つ中、多くのリーダーがその力をメインフレーム環境に取り入れる方法を模索しています。一般的な大規模言語モデル（LLM）を簡単に接続できると考える人もいますが、この単純化したアプローチはしばしば本質を見誤ります。メインフレームが問題ではなく、実際には最近発表されたIBM® z17™のような現代のプラットフォームは、AIの変革を完全にサポートする能力を持っています。重要なのは、AIをどのように統合するか、そしてさらに重要なのは、どのAIモデルを選ぶかです。
LLMをゼロから構築または微調整することは、高価で、時間がかかり、非常に専門的です。Forresterの報告によれば、「金融サービスにおけるGenAIの状態」では、金融サービス機関は圧倒的にテクノロジーおよびサービスパートナーに依存してGenAIソリューションを提供しています。成功するためには、企業はオフ・ザ・シェルフのチャットボット以上のものが必要であり、それぞれのタスクに対して適切なLLMまたは小型言語モデル（SLM）を選択する柔軟性と、要件が進化する中で適応する能力が求められます。そのため、キュレーションされたLLMライブラリと持ち込みLLM（BYOLLM）戦略が、メインフレームの変革において急速に不可欠となっています。
しかし、どんな変革技術にも重要な質問があります：メインフレーム環境でAIを実装するための正しい方法は何ですか？
AIモデルを選択することは一度きりの決定であると考えるのは簡単です。単に選択して統合し、その魔法を働かせるだけです。しかし、AIは一様には適応できず、誤った選択は非効率、コンプライアンスの問題、ベンダーロックイン、さらにセキュリティリスクを引き起こす可能性があります。代わりに、組織には柔軟性が必要です。自分たちのユニークなビジネスニーズに合う形で、AIを選択し、適応し、制御する能力が求められます。
ここでBMC AMI Assistantが、企業が硬直したAI導入を超える手助けをしています。キュレーションされたLLMモデルライブラリとBYOLLMオプションを提供することで、組織は特定のワークロード、セキュリティ要件、ガバナンスポリシーに合わせてAI戦略を調整することができます。しかし、このレベルのAI柔軟性がなぜ重要なのかを理解するためには、まずAI柔軟性が企業において何を意味するのかを再考する必要があります。
AIの柔軟性が本当に意味すること—そしてそれが重要な理由
AIの柔軟性は、異なるモデルにアクセスできることだけではありません。それは、AIの決定がビジネスの優先事項と一致することを確保することです。ビジネスニーズや要件が変化する中で、AI戦略を調整できること、そしてテクノロジー、セキュリティポリシー、コンプライアンス要件が進化する中で、それに適応することを意味します。
AIモデルをメインフレームの運用に統合する企業を想像してみてください。しかし、数か月後に新しい規制要件を満たしていないことが判明します。あるいは、ミッションクリティカルなワークロードを処理するためにAIが必要だが、レイテンシが高すぎて、ボトムラインに影響を与える非効率を引き起こす企業を考えてみてください。
これらは仮定のリスクではなく、AI戦略が柔軟性を欠くときに企業が直面する現実の課題です。これらの落とし穴を避けるための鍵は、選択肢、適応性、制御を持つことです：
- 選択肢： タスクに最も適したさまざまなAIモデルを選択する能力—コードの説明、コードのデバッグ、システム問題の根本原因の分析、または自動応答のためのモデルです。
- 適応性： ビジネスニーズ、コンプライアンス法、運用上の制約が変化する中で、AIモデルを切り替える能力です。
- 制御： AIモデルがどこでホストされているか、データとのインタラクション方法、出力が企業のガバナンスポリシーとどのように一致するかを決定する能力です。
これらの要素を考慮に入れて、企業は各タスクにどのAIモデルを使用するかを慎重に決定する必要があります。そして、それはLLMとSLMの違いを理解することから始まります。
LLMとSLM: 適切なタスクに対する適切なAIモデルの選択
AIリーダーが1つのモデルに依存しない理由があります。異なるタスクには異なる能力が必要です。LLMとSLMの選択は、強力な文脈理解と軽量効率の間のトレードオフに帰着します。
AIによる支援が必要なグローバルバンクを想像してみてください。幅広い文脈的推論が必要な場合、たとえばレガシーCOBOLコードを新しい開発者に説明するためには、LLM—膨大なデータセットでトレーニングされ、さまざまなソース間の関係を理解できるモデルが選ばれるでしょう。
しかし、同じ銀行が、社内の独自データに基づいてのみ応答を生成する高度に特定された、厳密に制御されたAIモデルが必要な場合、代わりにSLM—スピード、セキュリティ、精度のために設計された小型の目的特化型AIモデルを使用するかもしれません。
LLMは、広範な一般的な知性が要求されるシナリオにおいて強力なツールです。AIが次のことを行う必要があるとき、彼らは輝きます：
- 広範なデータセット全体の複雑な関係を解釈し、説明すること。
- トレンドやパターンを特定するために、大量の非構造情報を分析すること。
- カスタマーサービスの自動化やITトラブルシューティングなど、異なるビジネス機能にわたる複数のユースケースをサポートすること。
たとえば、メインフレーム環境では、LLMはコードベースを分析し、非効率を検出し、メインフレームシステムの問題を解決するためのAI駆動の推奨を提供できます。しかし、LLMは非常に多用途ですが、高セキュリティ、コンプライアンス重視のワークロードに常に最適な選択とは限りません。
一方、SLMは、組織が非常に特定のAIモデルを必要とする場合に優れています。LLMは広範な一般化を目的として設計されていますが、SLMはデータと結果に対して厳密な制御を持つ狭いドメインに焦点を当てています。彼らは次のようなシナリオに最適です：
- 組織が、自分たちのユニークなビジネス要件に合わせた正確な出力を保証するために、高度に特定されたユースケースに焦点を当てたAIモデルを必要とする場合。
- 高スピードのトランザクション環境のように、低レイテンシ処理が必要な場合。
- AIの出力が厳格に管理され、社内の独自データソースに基づいている必要がある場合。
- 効率とコスト管理が最優先事項である場合。SLMは、ハードウェアのフットプリントが小さく、計算リソースが減少するため、こうした環境に最適です。
たとえば、機密患者データを扱う医療機関は、機密情報を広範なLLMにさらすのではなく、AI駆動の文書作成のためにSLMを選ぶ可能性が高いです。
最近の調査結果では、BMCメインフレーム調査により、64％の企業がコンプライアンスとセキュリティを最優先事項として特定しています。これにより、規制の厳しい環境でAIを展開する際にSLMの必要性が強調されます。
LLMとSLMを展開するタイミングを理解することは最初のステップですが、企業はAIモデルの出所を選択する柔軟性も必要です。ここでBMC AMI AssistantのキュレーションされたLLMライブラリとBYOLLMアプローチが登場します。
LLMライブラリ + BYOLMによるAIの柔軟性: 選択の力
適切なAIモデルを選択することは方程式の一部に過ぎません。次の質問は：AIモデルのトレーニングに使用されたテキストのコーパスは何であり、そのトレーニングにはどのようなバイアスが含まれている可能性があるかです。
企業は、すぐに使用できる微調整されたAIモデルから恩恵を受けることができます。他の企業は、セキュリティ、コンプライアンス、ガバナンスを維持するために独自のデータでAIモデルをトレーニングする必要があります。
BMC AMI Assistantは、両方のオプションを提供します：
- キュレーションされたLLMライブラリ： BMC AMI Assistantに最適に機能するようにテストおよび評価されたAIモデルのコレクションです。これにより、チームはゼロからモデルを構築する負担なしにAIを展開できます。重要な機能は、BMC AMIプラットフォームのAI管理コンソールからLLMを簡単に展開できることです。これにより、シームレスな統合と運用効率が確保されます。
- 持ち込みLLM（BYOLLM）： 組織のニーズ、ポリシー、規制、ユースケースに最適なAIモデルを統合する柔軟性を提供し、セキュリティ、データプライバシー、AIトレーニング方法を完全に制御できるようにします。
多くの組織にとって、最良のアプローチはハイブリッドなものです。迅速なAI導入のためにキュレーションされたLLMを活用しつつ、企業のAIポリシーに合わせてBYOLLMを統合することです。このハイブリッドアプローチにより、組織はAI戦略を特定のユースケース、企業ポリシー、セキュリティ要件に適応させることができます。適切なタスクに対して適切なモデルを選択する自由を持つことで、チームはより多くの制御を得て、組織のAIポリシーとの整合性を高め、メインフレームの変革のためにAIを最適化することができます。
適応性: 変化に対応する
適応性は、モデルを切り替えること以上の意味があります。それは、ビジネスニーズ、セキュリティの要求、コンプライアンス基準の絶え間ない進化にAI戦略を合わせることを意味します。ミッションクリティカルなワークロードが存在するメインフレーム環境において、適応性は、リスクを導入することなくAIが進化できることを保証します。環境が変化するにつれて、それをサポートするAIモデルも変わらなければなりません。
そのため、柔軟性には、モデルを交換し、必要に応じて再トレーニングし、時間の経過とともに新しいまたはより特化したLLMやSLMを採用できる能力が含まれていなければなりません。適応可能なアーキテクチャを持つことで、組織はシステムを再構築したり、パフォーマンスを妥協したりすることなく、AI戦略を調整できます。BMC AMI Assistantは、このモデルの機敏性をサポートし、企業がポリシー、要件、またはユースケースが変化しても耐久性を保つことを保証します。
LLMは将来に備えているのか？
今日選択されたAIモデルは、明日のビジネス、コンプライアンス、セキュリティの課題に合致しないかもしれません。ここで、キュレーションされたLLMライブラリが非常に重要になります。BMC AMI Assistantを使用することで、組織はLLM技術の最新のブレークスルーを迅速に活用でき、常に最も高度で能力のあるモデルを利用することができます。同時に、ビジネスニーズが変化する際に新しいLLMを採用する柔軟性を保持し、単一の静的AIモデルにロックインされることはありません。
AI戦略を動的に調整するこの能力は、企業が俊敏性、コンプライアンス、および最前線を維持することを保証します。ビジネスニーズが変化し、テクノロジーが前例のないスピードでシフトする時代において、企業は常に前進し続けることができます。
最終的な考え: メインフレームの変革におけるAIの未来
AIは、組織がメインフレーム環境を管理、変革、最適化する方法を積極的に形成しています。しかし、AI導入の成功は、単なる実装の問題ではありません。ビジネスとともに進化する柔軟性を確保することが重要です。
BMC AMI Assistantは、常に変化する環境をナビゲートするために必要な適応性と柔軟性を提供します。キュレーションされたLLMとBYOLLMの間で選択する能力を持つことで、組織は今日と未来のニーズに対して適切なAIモデルを選択する戦略的な利点を得ます。
AIが進化し続ける中、柔軟性を受け入れる企業が長期的な成功に最も適しているでしょう。もはやメインフレームの変革においてAIを使用するかどうかという問題ではなく、現在のAI戦略が持続可能なように構築されているかどうかです。
新しいBMC AMI Assistantの機能、キュレーションされたLLMライブラリ、BYOLLMについてもっと知りたい方は、BMC製品管理およびデザインの副社長であるマット・ホワイトボーンによる「AIによるメインフレームの未来の変革」をお読みください。また、BMC AMIポートフォリオ全体がメインフレームの変革を加速する方法を知るには、BMC AMIのウェブページをご覧ください。
これらの投稿は私自身の見解であり、必ずしもBMCの立場、戦略、または意見を代表するものではありません。