シンガポールでは、AIが自律的にタスクを進める「エージェント型AI」の導入や試験が進んでいます。しかし、実運用へ広げるためのデータ基盤が追いついていない可能性が、Confluentの調査から浮かび上がりました。シンガポールのITリーダーの75%が自社でエージェント型AIを導入、または試験中と答えた一方、78%はリアルタイムデータ基盤の不備がAIの拡大を妨げていると回答しています。
2
導入・試験と、本格展開のあいだにある隔たり
調査は14カ国のITリーダー4,625人を対象としています。ただし、これは調査全体の回答者数であり、公開情報からはシンガポールの回答者数は確認できません。
2
9
75%という数字が示すのは、組織がエージェント型AIを導入または試験していることです。プロジェクトが本番環境で稼働しているか、継続的な成果を上げているかを示すものではありません。一方、78%という数字は、回答者がAIを拡大する際の障壁としてリアルタイムデータ基盤を挙げたことを表しています。
2
課題はデータ基盤だけではありません。データ基盤やデータ品質について「すでに問題を経験している、または今後問題が起きると見込んでいる」とした回答は95%。既存システムとの連携も95%、大規模言語モデル(LLM)の信頼性も93%でした。経験済みと予想される課題を合わせた数字であり、プロジェクトの失敗率を意味するわけではありません。
2
パイロットから本番環境へ進む難しさ
限られた範囲の試験運用なら、接続するシステムやデータを絞り込めます。しかし、本格展開では、業務データや既存の技術環境とAIを結びつけ、状況の変化にも対応しながら安定して動かす必要があります。調査で挙がったデータ品質、レガシーシステムとの連携、LLMの信頼性への懸念は、モデル選びだけでなく、使えるデータを整え、それが存在するシステムとAIをつなぐことも重要だと示唆しています。
2
ただし、これは回答者が挙げた障壁から読み取れる見方であり、特定の技術が解決策になると調査が証明したわけではありません。リアルタイムデータ基盤だけで本番運用の準備が整うとも限りません。
数字を読むときの留意点
これらの数値は調査に回答したITリーダーの見解です。シンガポールのすべての組織が同じ制約に直面していることや、調査結果が国内企業全体を代表することを示すものではありません。調査は複数国を対象としており、シンガポールの回答者数は公開情報から確認できません。
2
9
また、この調査はデータストリーミング事業を手がけるConfluentが公表したレポートに基づいています。回答者の課題意識を知る材料として参考になりますが、データストリーミング製品の効果を評価する際には、その調査背景も踏まえる必要があります。
9
要点は、シンガポールではエージェント型AIの導入・試験が進む一方、リアルタイムデータ基盤やシステム連携が拡大の壁として認識されていることです。パイロットの先を目指す組織にとって、データの品質、既存システムとの接続、信頼性は、後回しにできない課題となっています。