航空宇宙分野のAIプロジェクトを加速：恐怖、制約、データのグリッドロックを克服

すべての人間は恐怖を経験し、それぞれ独自の形でそれを感じます。AIの世界では、プロセスへの不慣れ、失敗による職業的影響、開始するだけで必要となるすべての人と視点を集める困難なタスクによって恐怖が駆動されます。航空宇宙では、リソース不足、サプライチェーン課題、市場のボラティリティによってこの課題が複合化します。大量の分散した、断絶したデータが加われば、グリッドロック、プロジェクト失敗、無駄な資金のレシピが完成します。

「失敗からの離陸」は現実です。ロールス・ロイスとガルフストリームとの作業から得られた、AIプロジェクトを離陸軌道に乗せる3つの重要な教訓を紹介します。

教訓1：象をどう食べるか？

一口ずつです。航空宇宙企業は営業利益率の向上を目指しています。ダウンタイム削減から予知品質、重要部品の動き予測まで、機会は豊富にあります。すべての可能性にとらわれないでください。迅速に達成でき、チームとベンダーの信頼性を確立できる一つを見つけてください。これは重要です。なぜならAIは反復的プロセスだからです。データと専門知識の可用性が一貫しないなら、プロジェクトは停滞します。ロールス・ロイスでは、予知保全とスクラップ削減のユースケースを議論した後、テストスタンドでの予知品質に決めました。なぜか？ 必要なデータと顧客リソースがすぐに利用可能で、能力統合への道筋が明確だったからです。オッカムの剃刀を思い出してください：最もシンプルな道が最良です。

教訓2：コントロールを失わない

ビジネス側とIT側の間で重要な論点となるのが、この新しい能力のコントロールを誰が保持し、どうサポート・維持するかです。クラウドベンダーは、すぐに利用可能で手頃なインフラによるクイックスタートを謳います。ビジネス側にとって、これはITプロセスの官僚主義なしで始められる明確な道です。しかし、これは技術的ロックインを招く可能性があります—あなたのすべてのロジック、モデル、データプロセスが一つのプロバイダーのシステム内に固定される状況です。コストは上昇し、柔軟性は制限され、あなたは閉じ込められた気分になります。価値はインフラではなく、ロジック、モデル、データ構造にあることを忘れないでください。ガルフストリームでは、コンテナ化を活用してこの罠を回避しました。これは、ロジックと機能を完全にポータブルにし、要件とコストに基づいてあらゆるインフラの組み合わせに展開・スケールできるアプローチです。ガルフストリームは知的財産のコントロールを維持し、選択したプロバイダーにスケールできました。

教訓3：真のコストを理解する

迅速でシンプルで手頃なユースケースに夢中になりがちです。しかし、それを複数のライン、プラント、プロセスにスケールさせたらどうなるでしょうか？ まだ迅速、シンプル、手頃でしょうか？ クラウドソリューションはこの点で欺瞞的です。ストレージは安価ですが、データセットが増大するにつれてモデルのトレーニングとチューニングに必要なコンピューティング能力は高コストになります。ある顧客は、予知保全モデルを4つのプラント運用にスケールさせる際、クラウドコストが35倍に増加すると予測しました。ここでもコンテナ化がスケーラビリティコストの最適化に使えます。ロールス・ロイスでは、コンテナ化を活用してモデルを低コストのローカルインフラで再トレーニングし、再トレーニング済みモデルをクラウド環境に展開して最適なアクセスと可用性を確保しました。これにより、スケールコストを年間5％未満に抑えることができました。

複雑性、コントロール、コストの管理は、あらゆる機械学習やAI取り組みの成功の核心です。我々は、数年のプロジェクトで開発されたテンプレートを活用し、これらのガイドラインを主要プロジェクトチーム全体でシンプル化、理解、共有しています。