Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
TD SYNNEXが提供するデータライフサイクルソリューション
Search
YugabyteDB Japan
August 05, 2024
Technology
0
110
TD SYNNEXが提供するデータライフサイクルソリューション
YugabyteDB Japan Meetup #5 - TD Synnex 鶴野龍一郎様 講演資料
YugabyteDB Japan
August 05, 2024
Tweet
Share
More Decks by YugabyteDB Japan
See All by YugabyteDB Japan
Low Latency Join Method for Distributed DBMS
yugabytejapan
0
270
From Resilience to Ultra-resilience of Data for Modern Applications
yugabytejapan
0
85
AWS Fault Injection ServiceによるYugabyteDBの可用性検証
yugabytejapan
0
130
SpringAI と Yuga でRAG
yugabytejapan
0
18
YBM分散トポロジー体験ハンズオン.pdf
yugabytejapan
0
86
ユースケースに適したデプロイメントオプションを選択する -YugabyteDBデプロイメントオプションの紹介-
yugabytejapan
0
160
Zero downtime with little effort
yugabytejapan
0
250
ケーススタディから学ぶ 金融業界でYugabyteDBが選ばれる理由
yugabytejapan
0
430
いつのまにか好きになっていた Yugabyte
yugabytejapan
0
280
Other Decks in Technology
See All in Technology
ハノーバーメッセ2025座談会.pdf
iotcomjpadmin
0
160
Observability infrastructure behind the trillion-messages scale Kafka platform
lycorptech_jp
PRO
0
140
AWS テクニカルサポートとエンドカスタマーの中間地点から見えるより良いサポートの活用方法
kazzpapa3
2
540
生成AI活用の組織格差を解消する 〜ビジネス職のCursor導入が開発効率に与えた好循環〜 / Closing the Organizational Gap in AI Adoption
upamune
2
1k
セキュリティの民主化は何故必要なのか_AWS WAF 運用の 10 の苦悩から学ぶ
yoh
1
140
本が全く読めなかった過去の自分へ
genshun9
0
270
mrubyと micro-ROSが繋ぐロボットの世界
kishima
2
260
ひとり情シスなCTOがLLMと始めるオペレーション最適化 / CTO's LLM-Powered Ops
yamitzky
0
430
Yamla: Rustでつくるリアルタイム性を追求した機械学習基盤 / Yamla: A Rust-Based Machine Learning Platform Pursuing Real-Time Capabilities
lycorptech_jp
PRO
3
120
M3 Expressiveの思想に迫る
chnotchy
0
100
Liquid Glass革新とSwiftUI/UIKit進化
fumiyasac0921
0
210
より良いプロダクトの開発を目指して - 情報を中心としたプロダクト開発 #phpcon #phpcon2025
bengo4com
1
3.1k
Featured
See All Featured
Making the Leap to Tech Lead
cromwellryan
134
9.3k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.8k
GraphQLの誤解/rethinking-graphql
sonatard
71
11k
Intergalactic Javascript Robots from Outer Space
tanoku
271
27k
The Cult of Friendly URLs
andyhume
79
6.5k
Making Projects Easy
brettharned
116
6.3k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
20
1.3k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
5
210
Reflections from 52 weeks, 52 projects
jeffersonlam
351
20k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
490
Optimizing for Happiness
mojombo
379
70k
Imperfection Machines: The Place of Print at Facebook
scottboms
267
13k
Transcript
Destination AI ~AI時代のデータライフサイクル~
小売・サプライチェーン ライフサイエンス 加速された薬物発見 エネルギー スマートグリッド メディアと エンターテインメント コンテンツアニメーション 製造業 自動化されたカスタマーサー
ビスエージェント コピーライティングと コンテンツ分析 ハイパーカスタマイズされたレ コメンド 調査分析と脅威検知 自動コード生成 生成AIの時代が来ました 業界とビジネス機能全体で広がる生成AI
企業でのAI導入の障壁 1 – パブリックGPTの問題 2 – 社内のリソース不足 3 – 透明性と説明性
4 – シャドーAI 5 – 法規定等のAIフレームワークへ のコンプライアンス 6 – アップデートされた高機能のイン フラ不足 7 – 既存システムへのAIの統合 8 – 複雑なアルゴリズムと AIモデル のトレーニング 9 – データのクオリティと可用性
正確性 生成型AIは不正確であったり、誤った情報を生成する可能性があります。 偏見 インターネットのデータで訓練されることがバイアスを生む可能性がありま す。 ハルシネーション(幻覚) AIは観察に基づかない応答を生成することがあります。 インフラの必要性 コンピューティングとデータには大規模な投資が必要です。 透明性
LLMsは監視された学習と非監視学習の両方を使用するため、意思決定の 根拠を説明する能力が制限される場合があり、一部の法律や医療の使用 例には十分でない場合があります。 1 – パブリックGPTの問題 回答が正し い必要があ りますか? 開始 ChatGPT 利用可 社内に回答 の正確性を 確認できるリ ソースがあり ますか? 回答が不正 確だった場 合の法的、 道徳的責任 を持てます か? ChatGPT 利用可 ChatGPT 利用不可 いいえ はい はい はい いいえ Aleksandr TiulkanovによるChatGPT利用可否 判断フローチャート Jan 19 2023
説明性 Explainability 解釈可能性 Interpretability 再現性 Repeatability 3 – 透明性と説明性 入力
結果 ブラック ボックス 入力 結果 説明可能 解釈可能 再現可能 どういう経緯で結果が出たのか不明 結果が出るまでの経緯が分かる
6 企業向けのエンタープライズ AI
ユースケース中心 vs 企業レベル AI 技術の破壊的な性質のため、成 長を予測するのは難しいです。 膨大なエコシステムは、これらのモデ ルをサポートし、自律エージェント、迅 速なエンジニアリングフレームワーク、 アプリとエージェントのコンテキスト管
理のための長期および短期メモリスト アがあります。 生成型AIモデルはハルシネー ションを起こし、プロンプトイン ジェクションや安全上の懸念な どのリスクを引き起こす可能性 があります。 企業は、データの安全性や知的財産 の保護に関する課題に対処する必 要があります。 LLM管理には専門のハードウェア、 コスト最適化、特定のコンピューティ ングリソースが必要です。 分割されたユースケース中心のアプ ローチから、拡張可能で複数のユー スケースを備えた企業向けソリュー ションへの移行 モデルは迅速に 進化します 膨大なAIエコシ ステム 誤情報と有害なコン テンツ プライバシーと 知的財産 コスト 企業向けAIソリュー ションへ向けて 生成型AIは、個別のビジネスユニット内で孤立しているのではなく、企業全体の視点を必要とします。
プラットフォームベースのアプローチが解決策 企業向けAIプラットフォームを開発するための主要なアーキテクチャ原則: 未来志向 民主化 スケーラビリティ 階層化アーキテクチャ データの準備状況 組み込み可能なAI 統合された可視性 セルフサービス
クラウドソーシング クラウドネイティブ 迅速なデプロイメント セルフマネージ 設計責任 反復可能、セキュア、監視、測 定
9 APJ COE DESTINATION AI | ソリューションブループリント データセンターとエッジ パブリッククラウド Azure
Stack HCI/HUB ExpressRoute Site-site VPN Point-site VPN クラウドネイティブデプロイメント向けのハイブリッドプラットフォーム Azure AKS Servers | Storage | Virtualization/OS Application Gateways Front Door Load Balancer Traffic Manager Azure Arc Servers Storage Networking Blob FileShares VM VMSS Dedicated Hosts Vnet & Subnets Firewalls Route Tables NSG Azure Arc インフラ プラットフォーム Amazon EKS Google GKE Google Anthos Azure AKS Azure Arc Amazon EKS Google GKE Google Anthos APM & ARM モニタリングとエンドポイント エンドポイント Azure Arc アプリケーション 自動化 SIEM Orchestrate クラウドネイティブアプリ Microservices DBaaS | セルフマネージド | モバイル YugabyteDB Managed | Anywhere Capella | Server | Mobile Atlas | Enterprise Server データ階層 Datawarehouse | Data lake | Open Lakehouse | Secure | Scalable Data fabric | Data lake Scalable| Cloud native Vector DB Accelerators 取り込み データエンジニアリング 探索 ファインチューニング モデル訓練 展開とサービス アプリ作成 クラウドネイティブ | マイクロサービス | サーバーレス | サービスメッシュ | ビルド | パイプライン データフロー | ストリーム処理 データエンジニアリング 機械学習 | データビジュアライゼーショ ン 機械学習 機械学習 .data DevSecOps .data .data .ai .ai .ai CODE BUILD TEST DEPLOY MONITOR セルフサービスプロビ ジョニング 一貫した環境 自動ビルドおよびデプロイ CI/CD パイプライン 構成管理 アプリログとメトリクス AI アプリ Website Mobile app Application logic APIs
10 1 1 2 2 3 3 4 4 アウェアネス
イネーブルメント 営業活動サポート ポストセールスサポート 市場動向 成長予測 利用事例 AI認定コース ベンダートレーニング プラクティスビルダー インプリサービス メンテナンス サポート エキスパートの紹介 AIハンズオン ソリューション APJ Destination AI 我々のミッション:パートナーの皆様が AIの領域で競争力を持てるようにサポート