本動画は、AI、RAG（検索拡張生成）、および自律型エージェントが、メインフレームの運用をどのように効率化し変革するかについて解説したものである。一般的な生成AIが抱える専門知識不足という課題をRAGによる独自ドキュメントの学習で克服し、さらにエージェントAIを統合することで、システム監視やチケット発行といった運用タスクの自動化が可能になる仕組みを詳しく説明している。
日常生活や業務におけるAIの活用
私たちは皆、意図しているかどうかにかかわらず、日常生活でAIを使用しています。写真を加工して違うキャラクターのように見せるといった、楽しい画像をたくさん作成するだけにとどまりません。AIを活用することで、家庭や職場での生産性を実際に高めることができるのです。
AIを利用して目にしたり使ったりしてきた多くの物事の中で、私個人の経験で言えば、自分へのご褒美として、どこか南国のリゾート地へ素敵な休暇旅行を計画しようとしたことがあります。その際、AIチャットツールを使って、この場所での12日間の旅行日程を立ててほしい、とお願いしました。また、仕事で使うこともありました。例えば、プレゼンテーションの作成を始めるときに、自分の考えをまとめ、達成しようとしている作業を前進させるための出発点としてAIを利用したのです。
メインフレーム運用における課題
AIには共通してひとつの大きな目的があります。それは、私たちの生産性を向上させ、多くの質問に答え、より早く価値に到達できるようにすることです。
ご存知の方も多いかもしれませんが、メインフレームは私たちの日常生活において間違いなくミッションクリティカルな存在です。私たちがコーヒーを買ったり、お店に行って買い物をしたりするたびに、その取引の裏側ではメインフレームが処理を行っている可能性が非常に高いのです。
とはいえ、多くのクライアントとお話しする中で、このプラットフォームの運用には多くの課題があるという事実に直面しています。
第一に、チームのスキルやスタッフの数が限られている中で、より少ないリソースでより多くの成果を出すことが求められています。次に、ハイブリッドクラウドの一部であれ、オンプレミスで稼働しているものであれ、メインフレームをインフラの他の部分と全く同じように扱えるようにしたいという要望があります。そして最後に重要なこととして、新しい世代のメインフレーム専門家を育成し、彼らの学習スピードを加速させたいという目標があります。
一般的な生成AIツールの限界
私たちは、AIが日常生活において必ずしも期待通りの結果を出してくれないケースを数多く見てきました。そして、メインフレームにおいてもそれは例外ではありません。
クライアントが稼働中のソフトウェアについて質問したり、私たちのサポートチームに問い合わせたりするケースを見てきました。クライアントが抱える問題の解決に必ずしも役立つとは限らない、不正確な回答を返すような一般的なGPTツールを使用したことで、問題が発生した事例もありました。
ツールはいくらかの情報を提供してくれましたが、それが常に適切で最も正確な情報であるとは限らなかったのです。
私自身も、大規模言語モデルに基づいたGPTツールにプロンプトを入力して、同じような経験をしたことがあります。その大規模言語モデルは非常に詳細な情報を持っていますが、必ずしもメインフレームの領域に特化しているわけではありません。
そのため、返ってくる回答はメインフレームに関する答えのように見えますが、私が解決しようとしていた特定のユースケースにはあまり適していない場合があるのです。例えば、CICSの非常に具体的なメッセージについて質問したことがあります。するとAIは、実際にはエラーや問題は発生していないと回答してきましたが、私たちが持っている他の公式なドキュメントに照らし合わせると、それは正しい情報ではありませんでした。
このように、このケースではメインフレーム中心の回答を提供してくれたものの、私が本当に求めていた情報とは違っていたのです。
RAG（検索拡張生成）による精度の向上
AIソリューションは必ずしもすぐに正しい答えを出してくれるわけではないため、技術的に、私たちがやろうとしていることに基づいたより根拠のある確かな答えを得る方法を見つけたいと考えています。
そして、ここでまさに検索拡張生成（RAG）の出番となります。
大規模言語モデルを使って何ができるかというと、RAGを呼び出すことです。RAGとは、Retrieval-Augmented Generation（検索拡張生成）の略です。そしてRAGが果たす役割は、大規模言語モデルを、より関連性が高く、より最新の情報に基づいて根拠づけることです。
RAGは、メインフレームにとって極めて重要な多くのドキュメントを取り込み、学習させることで構築されます。それはベストプラクティスに関するドキュメントかもしれませんし、公開された論文かもしれません。大規模言語モデルからの回答に根拠を持たせるために私たちが活用したいあらゆる情報が対象になります。
そうすることで、次に同じようなユーザープロンプトを入力した際には、CICSやそのエラーメッセージが正確に何を意味するのかについて、より適切な回答が得られるようになります。なぜなら、その回答に不可欠な詳細情報をモデルがすでに持っているからです。
さらに、あらかじめ構築された情報を検索拡張生成に組み込んで回答の根拠とするだけでなく、クライアント自身が独自のベストプラクティスに関する情報を追加することも可能です。これにより、クライアントの環境やチームに合わせてAIをパーソナライズすることができます。
エージェントAIによる運用の自動化
大規模言語モデルから出力される結果を、ベストプラクティスドキュメントやクライアントが追加したドキュメントに基づいた検索拡張生成（RAG）で拡張し、生成に関する課題を解決したところで、私たちはさらに一歩進んで、エージェントやエージェントAIをこの枠組みに追加し始めることができます。
次に、システム上に存在するエージェントを使用して、環境内にある多くのタスクを自動化することができるようになります。これらのエージェントは外部に出て、他のシステムリソースを操作するかもしれません。ハイブリッドクラウドサービスを呼び出すエージェントを配置することもあるでしょう。
これらは常にメインフレーム上で稼働している必要はありません。さまざまな要素を統合して、私たちが行っているタスクの多くを自動化することができます。サービスデスクでチケットを発行したい場合もあるでしょうし、コアモニターからステータスを取得したい場合もあるでしょう。エージェントのフレームワーク内でできることは非常に多岐にわたります。
私たちは今、やりたいことのほんの表面をなぞり始めたばかりです。運用の観点からは、環境の一部としてヘルスチェックを実行したいと考えるかもしれません。あるいは、ワークロードが可能な限り効率的に実行されていることを最適化し、保証するためのさまざまな方法を見つけたいと考えるかもしれません。
AIとメインフレーム運用の未来
エージェントAIと生成AIは、まさに手を取り合って機能します。
これにより、ユーザーがプロンプトを入力した際、RAGに基づいた多角的な情報が得られるだけでなく、システム上で稼働しているさまざまなエージェントから最新のリアルタイム情報を取得できる可能性もあります。
これまで見てきたように、仕事であれ、遊びであれ、メインフレームのようなシステムの運用管理であれ、私たちは生活のさまざまな場面でAIを利用することができます。AIは生産性を向上させ、私たちがやろうとしていることをより良く、より速く達成するために存在しています。また、反復的なタスクの自動化にも役立ちます。
そして、メインフレームの運用というアプローチから見れば、使用しているAIツールから正確で信頼できる結果を確実に得られるようにしたいと考えています。私たちは、RAG（検索拡張生成）を使用し、それをエージェントAIと組み合わせ、エージェントを使って多くの手動タスクを自動化することで、これを実現することができます。
これらすべてが、私たちのメインフレームの運用管理をより素晴らしいものにしてくれるでしょう。ありがとうございました。
コメント