あなたのビジネスは、何百ものAIモデルに依存します。これがその理由です

今日の技術環境では、企業がさまざまなニーズに対応するために複数のクラウドサービスやデータベースを活用することが多いように、さまざまな目的で複数のAIモデルを使用する傾向が強まっています。1,000人以上のIT意思決定者を対象とした最近の調査によると、最先端のAI導入企業は現在、数百のモデルを同時に管理しています。

私たちは「マルチモデルAI」時代に突入したと言われています。S&Pグローバル・マーケット・インテリジェンスがVultrのスポンサーで行った調査によると、現在使用されているAIモデルの平均数は158で、来年中にこの数が176に増加すると予想されています。

調査では、最先端のAIユーザーが現在平均175のモデルを運用しており、来年中にこの数を14％増の200モデルに増やすと予測されていることもわかりました。AI成熟度が2番目に高い層では、モデル数が前年比18％増加すると予想されています。さらに、調査対象のマネージャーの3分の2（66％）が、自社でモデルを開発するか、オープンソースのオプションを利用しています。

さまざまなアプリケーションで複数のモデルを使用する理由は明確です。たとえば、MITの研究では、言語、視覚、行動データで訓練された3つのモデルを活用して、家庭、建設、製造環境でのタスクの計画と実行を支援するロボットのシステムが紹介されています。「各基礎モデルは意思決定プロセスの異なる側面を捉え、決定を下す際に協力します」とMITの研究者は説明しました。

この傾向は、複数のモデルが協力して出力を生成する「アンサンブル」アプローチとして知られるものにつながっています。MovableInkの投稿でErica Dingmanが述べたように、「単一モデルとアンサンブルモデルの違いは、ソロのバイオリンとフルオーケストラを比較するようなものです」と彼女は指摘しました。「各楽器には価値がありますが、共に演奏することで本当に魔法のようなものが生まれます。」さらに、多様なデータセットを使用し、アンサンブルモデルを継続的に更新・訓練することで、AI出力のバイアスを軽減または排除することができます。

AIモデルをサポートするシステムの広範な採用と多様性がこの急増を牽引しています。S&PとVultrの調査によると、AIはますますエッジで展開されています。「エッジが組織のインフラストラクチャ全体のアプリケーションで重要な役割を果たす分散型AIアーキテクチャは、標準となる可能性が高い」と調査著者は述べています。IT意思決定者の大多数（85％）が、この移行が自社の環境で起こりそうまたは非常に起こりそうだと考えており、32％が「非常に起こりそう」と考えています。

調査では、AI採用をリードする組織を「変革的AI実践」を持つと分類し、これらのリーダーの半数が業界の競合他社よりも運用レベルで「大幅に優れている」と報告しました。これらのリーダーのほぼ全員が、2022年から2023年の前年比パフォーマンスで、顧客満足度（90％）、収益（91％）、コスト削減/マージン拡大（88％）、リスク管理（87％）、マーケティング（89％）、市場シェア（89％）などのさまざまな指標で改善を報告しました。

調査対象の全組織で、AI支出は一般的なIT支出を上回ると予想されています。10社中9社近く（88％）が2025年にAI支出を増やす計画で、49％が中程度から大幅な増加を予想しています。

しかし、AI使用の急速な成長は、既存のITインフラストラクチャに関する課題をもたらします。「リアルタイム推論などの高需要AI活動に関しては、回答者は現在のインフラストラクチャが十分でない可能性があると懸念しています」と調査著者は指摘しました。上位3つの懸念事項には、CPUまたはGPUリソースの不足（65％）、データの局所性問題（53％）、ストレージパフォーマンス問題（50％）が含まれます。

調査の質的データもこれらの懸念を反映しており、インタビューを受けた人は、パブリッククラウドでの高容量GPUインスタンスのスケジューリング遅延やデータ可用性への潜在的な影響について言及しました。さらに、インフラストラクチャのコストに対する懸念が高まっています。「コストは、プロジェクトが本番稼働するとより差し迫った懸念になります。歴史的に、組織はこれらのコストを正確に予測するのに苦労してきました」と著者は結論付けました。