AIデータセンター

最近の生成AIブームにより、ソフトバンクグループ、KDDI、さくらインターネット等各社からAIデータセンターの建設計画が発表されています。株価もそれによって上昇する気配がありので、注目しています。

【AIデータセンターの基礎知識】

AIデータセンターは、人工知能(AI)技術を最大限に活用するために特化された次世代のデータセンターです。 大量のデータを高速・効率処理する専用ハードウェア(GPU、TPUなど)や高度なソフトウェア環境を備え、機械学習やディープラーニングといった高度なAI処理を実現します。

従来型のデータセンターがデータの保存と基本的な処理に焦点を当てていたのに対し、AIデータセンターは複雑な解析や緊急分析を高速に確保する点が大きな魅力です。な決断や革新的なサービスの開発が可能となり、競争力の強化につながります。

生成AI革命

生成AIとChatGPTを活用したDX推進と競争力強化について

2023年以降、ChatGPTの台頭により、企業のDX推進における生成AIの重要性が急速に高まっています。従来のアプローチでは、変化の速度に追いつけません。新時代の競争力強化には、生成AIの積極的導入が不可欠です。

OpenAIの資金調達について

OpenAIは約65億ドルの資金調達を計画してApple、MicroSoft、Nvidiaが名乗りを上げていたようですが、Appleは降りたようです。OpenAIはどうも営利企業になりそうだし、そもそもAppleが参加するのは違和感がありましたが、やはり落ち着くべきところに落ち着きそうです。また、OpenAIは独自のAIチップも考えているかもしれないので、今後営利企業になると意思決定の速度は早まると思うので、目が離せませんね!

社内AI活用推進リーダー育成プログラム

帝京大学がやってた「社内AI活用推進リーダー育成プログラム」が終了しました。

データ分析をする人たちの考え方に興味があり受けてみました。データをあくまで論理的に考えようとするその姿勢は、リスペクトに値しました!

最後のパートは、実際のデータ分析を想定しての演習だったので、私は実際のデータ分析していないので、データがないので少しつらかったですが、データ分析しているコンサルタントの考え方が理解できて、その意味では収穫ありました。

生成AIカンブリア紀

 最近、生成AI周りのソフトウェアが続々出てきてどれを選べばいいかわからないので困ります。すべてサブスク形式の課金なので、1年契約が安いと思って契約しても、よく似たもっといいソフトが続々出てくるので、無駄になりそうです。1年課金はやめて1月単位でいつでも解約できるようにしておいたほうが、当面よさそうです。

 この状況はまさに、カンブリア紀状態です。どれが最後に生き残るのかわからない!

いきなりDX!

 経営者からいきなり「他社はデジタルトランスフォーメーション(DX)に取り組んでいるらしいが、なんかよくわからんがうちもしたい」的なオーダがあると情報部門責任者は困ります。(いきなりステーキ的)

 私思うに、やっぱり身の丈に合ったことをするのが正解でしょう。だいたいデジタル化ができていなくて生産性が悪いのにいきなりビジネスモデルを変える(DXする)という発想は、無謀でしょう。いわば現状は、2周遅れな状態なんです。

 かといって経営者に、「そんなんできません」とも言えない担当者にお勧めなのが、経営者に現状を認識してもらうことです。しかしながら経営者に「まず現状認識しましょう」と言っても、そんな「悠長なことはできないまずツールをしてみよう」といわれることが多いです。前回のブログで書いたように、それはそれでいいですが、聞きなれない言葉で煙に巻いてみるという作戦もあります。

「データマチュリティモデルを適用すると…」というと「なにそれ?」と言われると思いますが(逆に興味がそちらに向く!)、ツールを導入する前に以下のような項目を少し考えておくことは、ツール導入(デジタル化)およびその後をいい方向に向かわせます。

●データマチュアリティモデルとは?
データマチュアリティモデルは、組織がデータをどの程度効果的に活用しているかを評価するためのフレームワークです。このモデルを使用することで、組織はデータ活用の現状を把握し、必要な改善点や投資領域を特定することができます。
具体的な施策:

(1)現状評価: 組織のデータ活用の現状を評価します。これには、データの収集、保存、分析、活用の各段階での成熟度を評価する指標が含まれます。

(2)目標設定: 組織のビジネス目標や戦略に基づいて、データ活用の目標を設定します。これには、具体的なKPIsや目標値を設定することが含まれます。

(3)ギャップ分析: 現状と目標とのギャップを分析し、必要な改善点や投資領域を特定します。

(4)ロードマップの作成: ギャップ分析の結果を基に、データ活用能力を向上させるためのロードマップを作成します。これには、短期的な取り組みから長期的な戦略まで、段階的なアクションプランが含まれます。

(5)実行とモニタリング: ロードマップに基づいて施策を実行し、定期的に成果をモニタリングします。必要に応じて、施策の見直しや調整を行います。

やはりロードマップを意識しておくことは重要です。DXジャーニーマップとも呼ばれてます。