In an age of scaling workloads and immense data generation, the cost of digital space and connectivity in the UK are at a premium as businesses look to grow in line with demand. New forms of compute command low latency, modern networks and reliable technologies, but building out the underlying infrastructure requires significant CapEx and OpEx. This is leading many to look at Cloud and platform based solutions to ensure they can manage workloads and data strategically. This episode will deep dive on a new era of computing environments and examine:

ここ数年、最先端のAIテクノロジーが大きな話題になっています。もちろん、これはまだほんの始まりに過ぎません。GenAIの機能が向上を続けている今こそ、次に到来するマルチモーダルAIについて理解を深めておくべきです。この記事では、マルチモーダルAIの概要と企業がマルチモーダルAIを重視すべき理由について説明します。また、特殊なデータタイプを組み合わせる際の課題、およびマルチモーダルデータとモデルが意思決定の向上に及ぼす潜在的影響についても説明します。最後に、この革新的なテクノロジーの活用を始める際に行う実践的な8つのステップを紹介します。 重要ポイント • 音声、動画、テキストデータを組み合わせるのは困難である • 特殊なデータタイプには、新しいプロトコル、戦略、データガバナンス手法が必要になる場合がある • 豊富なデータがあれば、より優れた意思決定が可能になる • データプライバシーと規制要件を遵守しながら、データトレーニングの準備を確実に行うことが必要である

IT運用コストを削減しつつ、エネルギー消費量と二酸化炭素排出量を削減できるようにデータセンターの容量を拡張するのは容易ではありません。しかし、この課題への取り組みはイノベーションと変革の機会をもたらします。ハイブリッドクラウド運用モデルの導入が、ITを拡張しながらサステナビリティ目標を達成するために最も有効な手段となり得る理由についてご確認ください。 重要ポイント: IDCの調査をもとに、以下を実現する方法について解説します。 • 同等のワークロードに必要なサーバー数を削減 • サーバーの運用コストを削減 • インフラストラクチャの運用に必要な従業員を削減 • よりサステナブルな未来を構築するためにインフラストラクチャのエネルギー消費を削減 • 運用開始から10か月以内に投資回収を達成

AIは企業を変革する巨大なポテンシャルを秘めており、大きなイノベーションを生み出し、圧倒的な効率化を実現しています。とはいえ、データセキュリティ、拡張性、サステナビリティ、コスト管理など、AIがもたらす課題がビジネスの足かせとなる可能性があります。ハイブリッドクラウドの適切な導入とは、テクノロジーの適切な選択だけではなく、AIの有効活用によって具体的な大きな成果を達成できる戦略的イネーブラーとなることです。お客様のAIイニシアチブを成功に導く、5つのハイブリッドクラウド活用手法をご確認ください。 重要ポイント: • 場所を問わないデータ活用を実現 • 徹底したセキュリティとコンプライアンス • 自在なスケールアップ、スケールダウン • 地球環境への影響を軽減 • 経理部門に貢献

データとAIが世界を動かす現在では、場所を問わず安全に接続して運用するために柔軟性を求めるビジネスリーダーとITリーダーが増加しています。このニーズに応えるのが、ハイブリッドクラウドの機能です。HPEのハイブリッドクラウドプラットフォームであるHPE GreenLakeを活用してビジネスを変革し、競争力を向上させている3つの企業の事例をご確認ください。 重要ポイント: • Andelyn Biosciences: データ処理の時間を短縮し、セキュリティを強化 • Trinchero Family Estates: 効率と生産性の向上 • Danfoss: 効率化を推進

新しいAIイニシアチブで迅速に対応しましょう。ハイブリッド環境とマルチクラウド環境向けに設計された分析ツールとフレームワークで、チームの能力を強化し、開発者とデータサイエンティスト間のコラボレーションを向上させます。HPEがお客様を支援する方法についてご確認ください。 • AIモデルの開発と展開を迅速化 • 事前構成済みのソリューションでイノベーションを迅速に推進   • エッジにAIを展開してリアルタイムインサイトをキャプチャーすることで、結果をすばやく把握 • 生成AIおよびMLワークロードを簡素化

AIはビッグビジネスです。しかし、AIはまた炭素排出量にも大きな影響を与えます。大規模言語モデルのトレーニングには、ストレージ、冷却、および処理能力が求められますが、その際にファミリーカーで100万マイル (約160万キロ) 以上走行するのと同じ量のCO2を排出します。この記事では、持続可能なAI、設計の早期段階で戦略的決定を下す方法、および適切なデータ管理によって、企業が多額のコスト節約と、CO2排出量の低減を実現する可能性について紹介します。 重要なポイント： • 投資を最大限に活用できるように、コストとメリットを計画する • 再現性、効率性、簡素性を高めるために、ソフトウェアエンジニアリングとデータサイエンスの原則を組み合わせる  • 利用しているデータについて深く理解することから始める • 効率性アップのためにAIモデルを各種ツールや技術に合わせてチューニングする 

スマートな人工知能 (AI) ツールを構築する取り組みは、新たな宇宙開発競争のような観を呈しています。あらゆる組織が独自のAIを開発しており、他のAIが実現していない未知の領域に果敢に挑戦しようとしています。この記事では、機械学習とAIの活用によって、どのようにプロセスの合理化、利益拡大を実現するのかについて探りますが、その際に適切なデータ、スキル、ビジネス目標の策定が必須条件となります。 重要なポイント • 明確なビジネス目標を策定 • 高品質データへの確実なアクセス • 必要となるスキルを持つ人材を探す • 最初はシンプルに始める • 早い段階で頻繁に価値を創出

AIパイロットプログラムの立ち上げを成功させるためのタイムラインは、プロジェクトの複雑さや、利用可能なリソース、組織の対応状況などの要因によって変わります。最初のAIユースケースをスタートさせるために、複雑なツールセットを用意したり、データサイエンティストを大勢雇ったりする必要はありません。戦略的なプランに従えば、AIパイロットを2～3か月という比較的に短期間で立ち上げることが可能です。ここでは、その方法について説明します。 重要なポイント • 最初の重要なステップ • データの収集と準備 • パートナーを検索 • 別れの名言