항상 움직여라 미국에서는 다소 엄격한 통제가 법적으로 허용된다. 이러한 가운데 회사 소유의 컴퓨터 감시는 2020년과 코로나19 팬데믹 이전부터 뜨거운 이슈였다. 바이스(Vice) 매거진 보도에 따르면, 코로나19 팬데믹 이후 확산된 보스웨어의 유행이 기업이 수집할 수 있는 정보를 제한하는 솔루션의 급증을 이끌었다. 2020년 3월 팬데믹 초기 사무실에서 집으로 근무를 전환한 많은 사무직 근로자 이후 ‘마우스 무버’와 ‘마우스 지글러’ 솔루션에 대한 검색량이 급증했으며, 이후로도 지속적으로 높은 수준을 유지하고 있다. 아마존 등 온라인 소매업체의 상품 리스트에서는 마우스 포인터를 아래에서 회전시킬…

유아이패스 설립자 겸 CEO 다니엘 다인스는 “이번 플랫폼은 AI, RPA, 인간의 의사 결정을 통합한 플랫폼을 구축해 기업이 복잡성을 증가시키지 않고도 더 탄력적인 워크플로우를 제공하도록 한다. 유아이패스는 사람들이 더 창의적이고 생산적이며 잠재력을 최대한 발휘할 수 있도록 지원하고자 한다”라고 말했다. 유아이패스에 의하면 에이전틱 자동화는 RPA, AI 모델, 인간 전문 지식을 결합해 AI 에이전트, 로봇, 사람이 시너지를 발휘하는 통합 워크플로우다. 유아이패스 마에스트로(UiPath Maestro)는 플랫폼의 중심을 이루는 오케스트레이션 계층으로, 프로세스 인텔리전스와 KPI 모니터링을 통해 비즈니스 프로세스 자동화, 모델링 및…

김영심 지사장이 이끄는 서울 지사는 연구·학술기관, 고성능 컴퓨팅(HPC) 센터 및 기업과 협력하는 한편, 한국 양자 전략의 목표를 달성하는 여정도 지원하게 된다. IQM 퀀텀 컴퓨터스의 공동 최고경영자 미코 발리마키(Mikko Välimäki)는 “풍부한 양자 지식, 리더십 경험, 지역 전문성을 갖춘 김영심 지사장이 한국에서 당사의 성장과 전략적 이니셔티브를 주도할 것으로 확신한다”라고 말했다. 이번 확장은 IQM이 충북대에 5큐비트 초전도 온프레미스 양자컴퓨터인 ‘IQM 스파크(IQM Spark)’를 납품한 것을 기반으로 이뤄졌다. 회사는 아시아 태평양 지역에 회사의 시스템을 구축한 첫 사례라고 강조하며, 구축 기간이…

「データ信頼とAI時代のエンタープライズアナリティクスの進化」では、信頼できるデータの基盤的な役割と、その確立にガバナンスがなぜ重要なのかについて述べました。しかし、エンタープライズアーキテクチャ（EA）が、解決策のより大きな部分を担う可能性がありながら、意図せずに問題の一因となっている背景や、より重要な点として、EAがどのように進化して変化をもたらすことができるかについては触れていませんでした。EA機能（通常はIT部門が管理）は、成果志向のビジネスダイナミクスに適応するだけでなく、21世紀の企業において自らの存在危機を無意識に招いてきました。過去3年間で台頭したインテリジェントシステムは、この危機を加速させ、機能の価値、プロセス、およびビジネス成果との整合性を問う。 冷静かつ率直にその理由を分析すると、EAの潜在的な価値が、ビジネス視点からプロセスとアプローチを統合することに成功しなかったことが明らかだ。これは、そのような統合を謳うメソドロジーを採用していたにもかかわらずだ。私の経験では、持続可能で価値駆動型のモデルを採用する現代の企業の大多数において、EAは一貫して機能することはほとんどない。 フォーチュン500企業における消費財業界と自動車業界のEA組織の元メンバーとして、私は支援するビジネスステークホルダーと同様に、混乱と frustration を抱えていた。質問の方が答えよりも多かった。ビジネス成果や実際の実行への明確な視界がない中で、TOGAF、FEAF、Zachman、能力マッピング、メタモデルなどのフレームワークへの教条的で盲目的な執着はなぜなのか？なぜ、現実的なアプローチやパートナーシップよりも、パターンに基づく領土争いやルール遵守に固執するのだろうか？なぜ、ビジネス部門と直接連携し、実現可能な可能性を埋め込み支援し、ビジネス現実と結びついた実践的で測定可能な成功事例を通じて、望ましい「意思決定の場に席を得る」ことを目指さないのだろうか？ 明らかに、インテリジェントシステムは、EAが方向性を失い、ビジネス成果を犠牲にして教条、パターン、フレームワークを通じた戦略的意図に固執するあまり、完全に動けなくなっていることを浮き彫りにしている。よく引用される経営の権威ピーター・ドラッカーはかつて次のように述べた。「混乱の時代における最大の危険は、混乱そのものではない。昨日の論理で行動することだ。」私たちは、ゲームを変える新しいプレイブックが必要だ。そのプレイブックは、3つの核心的な原則を認めるものだ： 教条的なアプローチよりもデリバリーを重視する。 アーキテクチャの原則が柔軟性を欠く義務化になると、創造性や対応力が失われる。 パターンよりも実用主義を重視する。 「ベストプラクティス」に過度に依存すると、チームは独自のビジネスコンテキストや新興テクノロジーに適応できなくなる可能性がある。 フレームワークよりも柔軟性を重視する。 フレームワークの整合性に過度にこだわることは、EAチームが新たな機会や脅威に迅速に対応できなくなる原因となることが多い。 Gartnerによると、「2025年までにAIが売上高の成長に貢献すると期待するCEOは80%を超える一方、同じように期待するCIOは3%に過ぎない」とのことです。Gartnerはさらに、その可能性を最大限に引き出すためには「EA実践に信頼性が欠如していると困難になる」と指摘している。 私はこれまで、EAの重要な転換点（クラウド、APIファーストなど）をいくつか目にしてきたが、今回の変化は現実のものとなり、リアルタイムで進行中だ。EAは、AIの影響を受けるすべての機能と同様に、まさに存在意義の転換点に立っている。CIOがAIの採用加速、データ複雑化の拡大、規制要件の急増に苦闘する中、伝統的なEAフレームワークと実践は、現代のビジネスニーズの速度と規模との不一致がますます顕著になっている。エージェント型 AI、次世代データアーキテクチャ、エージェントベースのガバナンスの融合により、EA が価値を創出するための位置付けを根本的に見直す必要が生じている。 AI およびデータ中心のテクノロジーの急速な進化により、組織は情報資産の構造とガバナンスの見直しを迫られている。企業は、データがビジネスドメインによって所有および管理されるドメイン駆動型データアーキテクチャから、大規模なクロスドメイン統合を必要とする AI/ML 中心のデータモデルへと移行を進めている。この移行は、従来の EA の実践と両立するかどうかという疑問が生じる。答えは、緊張関係はあるものの、この変化は EA と根本的に矛盾するものではなく、EA の運用方法に大幅な変革を求めるものであるということです。 従来の EA と認知主導のデータアーキテクチャの衝突 エンタープライズアーキテクチャは、標準化されたビジネスプロセス、データガバナンス、テクノロジースタックに重点を置き、IT システムとビジネス目標を整合するための構造化された方法論を組織に提供してきた長い歴史がある。データメッシュなどのドメイン駆動型データアーキテクチャは、データ製品の所有権をビジネスドメインに割り当てることで、エンタープライズ全体の相互運用性とガバナンスの基準を維持しつつ、アジリティとローカル最適化を実現する。しかし、このアプローチはデータサイロやガバナンスの断片化を引き起こす可能性があり、組織全体でデータをシームレスに流通させる必要があるリアルタイムのAI駆動型インサイトを実現することが困難になる。 新興のAIデータモデル：新たな要求と摩擦 AI および機械学習モデルは、大規模で多様かつ適切にガバナンスされたデータセットへの継続的なアクセスを必要とする。これらのモデルは、多くの場合、ドメイン駆動型アーキテクチャによって設定された境界を越えて、さまざまなドメインにまたがるデータを集約する必要がある。これは、ほとんどの EA の行動と大きく矛盾しており、主に 3 つの要因に起因する。 分散化。AI イニシアチブは、多くの場合、一元化されたデータレイクを必要とするが、ドメイン駆動型モデルは分散化された所有権を重視する。 複雑なガバナンス。データがドメイン間でフェデレーション化されながらAIモデルによって中央で消費されるため、データ品質、データ系譜、コンプライアンスの確保がより困難になる。 オンデマンドのデータアクセス。AI システムは、リアルタイムのデータアクセスと適応性を必要とするが、これは、より固定的でプロセス中心の従来の EA フレームワークと衝突する可能性がある。 現代の EA はこのギャップをどのように埋めることができるのか？ Dharani Pothula 氏によると、「エンタープライズアーキテクトは、堅牢なデータパイプラインを確立し、データ品質基準を施行し、セキュリティやコンプライアンスを損なうことなく AI を効果的に運用できるガバナンスフレームワークを実装する必要がある」とのことです。AI 中心のデータモデルへの移行は、本質的に互換性がないわけではなく、設計上ではなく、デフォルトで EA 自体を変革している。主要なアナリストや実務家は、EA は、厳格で反復的なレビューや静的なモデルから、よりダイナミックでリアルタイム、成果重視の分野へと進化しなければならないと強調している。 EA における基礎的かつ適応性の高いアーキテクチャの機会は数多くあるが、それには、厳格な構造、フレームワーク、組織構造にあまり重点を置かない、進化的なステップ、柔軟性、および対応力が必要だ。前述したように、EA をビジネス機能に直接組み込む、あるいは連携させるという概念は、その機能をビジネスの現実と実現可能性に結びつける。この「EA の融合」という概念は、EA を実践として真にアジャイルな形にする必要があることを意味する。 現代の EA は、グローバルな監視と、半自律型および完全自律型のビジネスドメインの両方を柔軟にサポートし、データ共有、AI ガバナンス、およびドメイン間のコラボレーションのためのフレームワークを提供しなければならない。 AI ベースのデータガバナンスは、データ品質チェック、メタデータ管理、コンプライアンス監視を自動化し、EA チームが AI データフローの複雑化に対応するのを支援する。 コンポーザビリティとクラウドネイティブアーキテクチャは、モジュール型、API ファースト、AI-Ops ベースのクラウドネイティブ設計への移行を可能にする組み合わせだ。これらは、AI とリアルタイム分析の要件により適している。その違いは、観察可能で、知能的で、動的なエンタープライズアーキテクチャとして現れる。 適応型アーキテクチャは、もはや単なる理想的な「スライドウェア」の演習ではない。AIは、リアルタイムのモニタリング、分析、適応型エンタープライズアーキテクチャを可能にし、静的なドキュメントから、生き生きと進化するモデルへと移行している。…