Salesforce Franny Hsiao：エンタープライズAIのスケール化への道

編集者注

生成AIが世界を席巻する中、エンタープライズ向けアプリケーションはプロトタイプから本番環境への飛躍的な課題に直面している。SalesforceのFranny Hsiao副社長の見解は的を射ている：エンタープライズAIのスケール化は単にモデルを積み重ねることではなく、データエンジニアリングとガバナンスの総合的な競争である。本稿はAI Newsの報道に基づき、業界トレンドを踏まえた分析を加え、読者がAIの商業化への道筋を洞察できるよう支援する。

エンタープライズAIスケール化の見えない壁

生成AIの魅力は、その迅速なプロトタイプ開発能力にある。エンジニアは数時間でChatGPTやLlamaモデルを使用してチャットボットやコンテンツジェネレータを構築できる。しかし、SalesforceのFranny Hsiao幹部が述べるように、これらのプロトタイプを信頼できるエンタープライズ資産に変換することこそが真の試練である。

Scaling enterprise AI requires overcoming architectural oversights that often stall pilots before production, a challenge that goes far beyond model selection. While generative AI prototypes are easy to spin up, turning them into reliable business assets involves solving the difficult problems of data engineering and governance.

HsiaoはAI Newsのインタビューで、アーキテクチャの失敗が最大の敵であることを強調した。多くの企業は基盤アーキテクチャ設計を軽視し、パイロットプロジェクトが本番環境で崩壊する結果を招いている。例えば、モデル推論の遅延、リソーススケジューリングの不備、弾力的なスケーリングの欠如などが、AIを「技術的な玩具」から「本番環境のブラックホール」へと転落させる。

SalesforceのAI実践：Einsteinからスケール化まで

CRMの巨人であるSalesforceは、2016年にEinstein AIプラットフォームを立ち上げ、すでに数百万のユーザーにサービスを提供している。このプラットフォームは、Einstein Copilotなどの生成AI機能を統合し、営業チームの洞察生成の自動化を支援している。しかしHsiaoは、Salesforceの成功はデータエンジニアリングへの深い投資に由来すると指摘する。

業界背景を見ると、エンタープライズAI市場は爆発的に成長している。Gartnerの予測によると、2027年までに企業の80%が生成AIを導入し、市場規模は2000億ドルを超える。しかし、McKinseyのレポートでは、AI プロジェクトの85%が本番段階に到達できず、主な原因はデータの問題である。SalesforceはData Cloudプラットフォームを通じて統一データレイクを構築し、リアルタイムデータ同期とガバナンスを実現している。これは単なる技術スタックではなく、エンタープライズAIの「堀」である。

Hsiaoの共有によると、Salesforceはモジュラーアーキテクチャを採用している：フロントエンドモデル層、中間データパイプライン層、バックエンドガバナンス層。この設計により、AIは高い同時実行シナリオで安定して動作する。例えば、ブラックフライデーのプロモーション中、Einsteinはクラッシュすることなく億単位のクエリを処理できる。

データエンジニアリング：AIスケール化の礎石

データエンジニアリングはエンタープライズAIの「舞台裏の英雄」である。Hsiaoは、高品質のデータパイプラインが前提条件であることを強調する。従来のETL（Extract-Transform-Load）は時代遅れで、企業はApache KafkaやFlinkなどのELTとストリーミング処理ツールへの移行が必要である。

補足背景：2025年には、データ量は175ZBに達すると予測され、企業は「データの沼」の困境に直面している。Salesforceの戦略は、データクレンジングと特徴量エンジニアリングを自動化し、AI自体を活用してデータフローを最適化することである。例えば、Agentforceプラットフォームは自律エージェントを通じてエンドツーエンドのデータガバナンスを実現し、人為的エラーを90%削減する。

課題は依然として存在する：マルチソースデータ統合、リアルタイム性、プライバシー保護。EUのGDPRや中国の『データセキュリティ法』は厳格なコンプライアンスを要求しており、Hsiaoは連合学習と差分プライバシー技術の採用を提案し、AIが機密データを漏洩させることなくトレーニングできるようにしている。

ガバナンスフレームワーク：イノベーションとリスクのバランス

ガバナンスはエンタープライズAIの「ブレーキとハンドル」である。Hsiaoは、ガバナンスのないAIは幻覚、バイアス、セキュリティの脆弱性を生じやすいと警告する。SalesforceのTrust Layerはモデルに組み込まれており、説明可能性と監査証跡を提供する。

業界分析：Forresterの研究によると、ガバナンスの成熟した企業はAI ROIが3倍高い。ベストプラクティスには、ロールベースのアクセス制御（RBAC）、モデルカードの標準化、継続的なモニタリングが含まれる。将来を展望すると、AI & Big Data Global 2026はこれらの問題に焦点を当て、Hsiaoはマルチモーダルデータガバナンスがホットトピックになると予測している。

編集者の見解：アリババクラウドやテンセントクラウドなどの中国企業は、通义千问や混元モデルを推進し、追いつきを加速している。しかし、ローカライゼーションの課題はデータ主権とエコシステム統合にある。Salesforceから学び、企業は「モデル中心」から「データ+ガバナンス中心」へと転換し、AIのスケール化を実現すべきである。

結語：アクションロードマップ

Hsiaoの洞察は企業AIに明確な道筋を提供する：1）アーキテクチャの欠点を監査；2）データエンジニアリングに投資；3）ガバナンスの閉ループを構築；4）パイロットから本番への反復。生成AI時代において、企業の勝者は実行にあり、概念にはない。

2026年のAIの波が押し寄せる中、Salesforceなどの先駆者の経験は極めて貴重である。企業はこの機会を活用し、課題を機会に変えるべきである。

本稿はAI Newsからの編訳、原著者Ryan Daws、日付2026-01-28。