企業は現在、爆発的に増加するデータ量に関連した困難な課題に直面している。データを適切に管理・保存するだけでなく、データがさらに複雑化する中で、そこから意味のある情報を抽出することも求められているからだ。ここで、IT運用のための人工知能（AIOps）が登場する。AIOpsは、人工知能と機械学習（ML）を活用してデータを実用的な洞察へと運用・変換し、そのデータのストレージを最適化する、新たなパラダイムである。
本稿では、AIOpsと、それをデータストレージの効果的な管理に活用する方法について解説する。
現在のストレージ管理の課題
世界中でデータ量が指数関数的に増え続ける中、複雑性と多様化も進んでいる。IDGの報告によると、データ量は月平均63％増加しており、大半の企業が400を超えるデータソースを統合している。特に多い企業では、20％が1,000を超えるデータソースを取り込んでいる。世界のデータ量は2025年までに175ゼタバイトに達すると予測されており、今後5年間で企業データは消費者データの増加率の2倍を超えるペースで増加し、2022年から2026年の間に総データ量は2倍を超える見込みだ。
企業データの利用規模と多様化がこのように継続的かつ急激に拡大したことで、管理オーバーヘッド、コスト、コンプライアンス、セキュリティなど、さまざまな面で重要な課題が生じている。複雑性が増すと、初期段階での可視性は必然的に低下し、サイバー攻撃対象領域は拡大する。その結果、適切なストレージ管理を困難にする問題が発生する。
AIOpsとは
ストレージリソースの管理を手作業に頼るITチームは、組織のデータ消費パターンが拡大・変化する中で、厳しい対応を迫られている。AIOpsは、AIと高度な分析を従来のIT運用と組み合わせ、データストレージ管理のさまざまな側面を自動化・強化することで、エラーが発生しやすい手作業を不要にする。
主にAIOpsは、機械学習アルゴリズム、ビッグデータ分析、自然言語処理（NLP）を統合し、実用的な洞察を提供するとともに、ストレージインフラを最適化する。
AIOpsの主要コンポーネント
実装方法は組織によって異なるものの、AIOpsのワークフローは基本的に次のコンポーネントで構成される。
- データ収集：AIOpsプラットフォームは、ストレージシステムのログ、メトリクス、イベント、パフォーマンスデータなど、さまざまなソースから幅広いデータを収集する。その後、このデータを分析してパターン、異常、傾向を特定する。
- 機械学習：AIOpsはMLアルゴリズムを活用して大量のデータを処理・分析する。これらのアルゴリズムは、潜在的な問題を検出・予測し、パターンを特定するとともに、ストレージ管理に関するインテリジェントな推奨事項を提供できる。
- 自動化：AIOpsの重要な側面は、データ監視、容量計画、パフォーマンス最適化、インシデント管理といった定型タスクを自動化することだ。これによりITチームは、単調で反復的な作業ではなく、戦略的な活動や問題解決に集中できる。
AIとストレージ：簡単な歴史
データストレージ管理の分野で、AIは運用の最適化、効率の向上、保存情報の完全性とセキュリティの確保において、変革的な役割を果たしてきた。以下では、データストレージ管理におけるAIの歴史上重要な発展を取り上げ、ストレージ技術の全体像を形作った主要な節目とイノベーションを紹介する。
詳しくは、データストレージ管理。
データストレージ管理におけるAIの初期の応用
データストレージ管理におけるAIの起源は、エキスパートシステムとも呼ばれる知識ベースシステムが登場した1980年代までさかのぼることができる。これらのエキスパートシステムは、ルールベースの推論を用いてストレージ専門家の知識を取り込み、自動化した。ストレージの構成、トラブルシューティング、容量計画などのタスクに利用され、ITチームに有用な洞察を提供するとともに、管理プロセスを簡素化した。
MLとデータ分析の登場
1990年代後半から2000年代初頭にかけて、MLアルゴリズムと高度なデータ分析手法が登場すると、ITプロフェッショナルは、ストレージのパフォーマンスデータを分析し、異常を検出して潜在的な障害を予測するMLモデルを利用できるようになった。データストレージ管理におけるAIのこの新時代は、プロアクティブな対応を可能にし、ダウンタイムを削減することで、ストレージ管理の精度と効率を高めた。
AIOpsとインテリジェントな自動化
AIOpsの台頭は、ストレージ管理における新たな時代の幕開けとなった。AIOpsでは、AIの機能（ML、ビッグデータ分析、NLPなど）を統合してストレージ運用のさまざまな側面を自動化・強化し、容量計画、パフォーマンス最適化、インシデント管理、セキュリティ分析などのタスクにインテリジェントな自動化を導入した。
詳しくは、ストレージの自動化。
予測分析とプロアクティブな管理
近年、データストレージ管理におけるAIは、予測分析とプロアクティブな管理に重点を置いている。過去のデータを活用することで、MLアルゴリズムはパターンや傾向を特定できる。これにより組織は、異種環境全体で必要となるストレージ容量をより正確に予測し、リソース配分を最適化するとともに、運用に影響が及ぶ前に潜在的な問題を軽減できる。予測分析は、ストレージインフラを最適化し、全体的な効率を高めるための重要なツールとなっている。
コグニティブストレージ管理とデータ分類
AIの認知機能は、ストレージ管理のさらなる強化にも活用されている。コグニティブストレージ管理システムは、自然言語処理と機械学習を用いて非構造化データを分析・分類し、メタデータを自動的に付与する。このアプローチにより、データ分類が簡素化され、検索性が向上するとともに、より効率的なデータの取得とアクセス制御が可能になる。
データストレージにおけるAIとセキュリティ
AIは、データストレージのセキュリティ制御の強化にも重要な役割を果たしている。MLアルゴリズムは、アクセスパターン、ユーザーの行動、データの異常を分析し、潜在的なセキュリティ脅威を検出できる。AIを活用したセキュリティプラットフォームは、リアルタイムで警告を発し、不審な活動を特定してリスクを軽減するため迅速に対応し、組織全体のデータセキュリティ態勢を改善する。
ストレージ管理におけるクラウドベースAI
クラウドコンピューティングが普及すると、AIはクラウドベースのストレージ管理にも導入された。クラウドストレージプロバイダーはAI機能をプラットフォームに統合し、高度な分析、インテリジェントな階層化、自動データ配置を提供することで、ストレージリソースを最適化し、費用対効果の高いソリューションを実現している。
AIをストレージ管理に活用する主なメリット
ストレージ管理におけるAIの歴史は、エキスパートシステムの初期からAIOpsの登場に至るまで、自動化、最適化、セキュリティの継続的な改善を中心に進展してきた。今日のAIOpsワークフローがストレージリソースの効果的な管理にもたらす主なメリットは、以下のとおりだ。
問題のプロアクティブな特定と解決
従来のデータストレージ管理アプローチは、多くの場合リアクティブであり、問題の特定と解決を人手に頼っている。一方AIOpsは、過去のデータを分析し、潜在的な問題につながるパターンを特定することで、問題のプロアクティブな特定を可能にする。ストレージ容量の問題、パフォーマンスのボトルネック、障害が発生する前に予測できるため、ITチームは先回りして対応し、ダウンタイムを最小限に抑えられる。
最適なリソース配分と容量計画
AIOpsプラットフォームは、ストレージの使用パターン、パフォーマンス指標、ワークロード要件を分析し、最適なリソース配分と容量計画に関する推奨事項を提供する。過去およびリアルタイムのデータを分析することで、AIOpsは使用率が低い、または過剰に利用されているストレージリソースを特定できる。これにより組織はストレージインフラを最適化し、コストを削減するとともに、全体的な効率を向上させられる。
インテリジェントなインシデント管理
AIOpsプラットフォームは、インシデントデータを分析し、ストレージの問題の根本原因をより正確かつ迅速に特定できる。イベント、ログ、パフォーマンス指標を相関分析することで、問題の発生源を素早く特定し、解決に向けた実用的な洞察を提供する。これにより平均修復時間（MTTR）が短縮され、インシデント管理プロセス全体が強化される。
セキュリティとコンプライアンスの強化
データストレージは、組織のセキュリティおよびコンプライアンス態勢における重要な要素だ。AIOpsは、ログデータ、ユーザーの行動パターン、アクセスログを分析して潜在的なセキュリティ脅威を特定するのに役立つ。異常を検出して不審な活動に対するアラートを発し、セキュリティチームが迅速に対応してリスクを軽減できるようにする。さらにAIOpsは、データの分類、保持、アクセス制御のプロセスを自動化することで、コンプライアンス管理を支援できる。
AIOpsによるストレージ管理ワークフローの構築
AIOpsの実装は組織によって異なる。AIOpsアーキテクチャに「万人に適した」ものは存在しないからだ。ただし、データストレージ管理にAIOpsを効果的に導入するには、次の手順を検討するとよい。
1. データの統合と準備
ストレージシステム、監視ツール、ログファイルなどのデータソースを、中央データリポジトリに統合する。一貫性と正確性を確保するため、データをクリーンアップして正規化する。
2. 機械学習モデルの開発
組織のストレージ環境に合わせた機械学習モデルを開発する。過去のデータを使ってモデルをトレーニングし、正確な予測と推奨事項を実現する。
3. 自動化とオーケストレーション
自動化とオーケストレーションの機能を活用して、容量計画、パフォーマンス最適化、インシデント管理などの定型タスクを自動化する。AIOpsプラットフォームを既存のストレージ管理ツールやワークフローと統合し、シームレスな運用を実現する。
4. 継続的な改善
AIOpsは、継続的な監視、評価、改良を必要とする反復的なプロセスだ。AIOpsシステムのパフォーマンスを定期的に評価し、改善すべき領域を特定するとともに、ITチームやエンドユーザーからのフィードバックを取り入れる。
結論：AIをストレージ管理に活用する
データが指数関数的に増加する時代において、データストレージの管理はますます複雑で困難な業務となっている。AIOpsは、AI/MLの力を活用してストレージ管理プロセスを自動化・最適化し、組織に変革的なストレージ管理アプローチを提供する。AIOpsにより、組織はプロアクティブな洞察を得て、リソース配分を最適化し、インシデント管理を強化するとともに、セキュリティとコンプライアンスを向上させられる。AIOpsが進化を続ける中で、組織がデータ資産の真の価値を引き出すための新たな機会が明らかになることは間違いない。