Global Members

• Living on the Edge (AI)
• Sanjeev Azad, CTO, GlobalLogic talks about sustainable product engineering
• Linkedin
• People and AI – The Good, Bad and Ugly
• The rising demand for low-code/no-code development

• Women Leading The AI Industry: “Learn and never stop learning”, With Vanina Delobelle of Skookum
• AI Adoption: Where Digital Transformation Fails or Scales | GlobalLogic
• OK I'm Curious - Vanina Delobelle, PhD: Principal, Business Design
• Method | 5 Cultural Shifts That Drive Digital Transformation
• Method | Culture at the Core: A Playbook for Digital Transformation in aChanging World
• Method | 4 Marketing Objectives Solved with AI

Hitachi Digital Servicesが推進する「常時稼働」型AIネイティブプラットフォームの技術アーキテクト。
最高技術責任者（CTO）であり、Center for Architecture & AIの責任者として、ミリ秒単位でのエージェントベースの信頼性を提唱し、 深いエンジニアリング知識を、クラウド、データ、IoT、生成AIワークロードの近代化を進める顧客にとって明確なビジネス価値へと変換。

日立に加入する以前はCognizantに18年間在籍し、デジタルアーキテクチャおよびレジリエンス＆信頼性エンジニアリングの実践を構築・指導し、Fortune 500企業の大規模な変革におけるリスクを軽減。Cognizant以前の初期の実務経験としては、デバイスドライバの開発や ネットワークプロトコルの解析などがあり、これがレジリエント設計への情熱を呼び起こし、「IT環境におけるレジリエンスを支援するための システムと方法」に関する米国特許も取得。コンピュータサイエンス＆エンジニアリングの学士号（B.E.）と、経営学の修士課程ディプロマを取得。

• Agentic AI is Set toBecome the Foundation for Modern Digital Services: CTO, Hitachi Digital Services - CIO&Leader
• https://lnkd.in/eD-qYQCK - Driving Business Value with Agentic AI
• Taking the GenAI Learning Journey with Customers | Hitachi Vantara
• 日立、「HARC」サービスでクラウド運用を伴走支援--グローバルで培ったSRE手法を実践 - ZDNET Japan
• 10 tips to help you excel in a new leadership roleeffective leader in IT | CIO

私にとって、生成AIは変革をもたらす力ですが、その真の成功には、規律あるデータファーストの基盤が不可欠です。日立ヴァンタラでは、生成AIを単なるイノベーションのツールとしてではなく、企業が自社のデータをいかに管理し、統制し、信頼するかを再考するための触媒であると捉えています。

現実として、検索拡張生成（RAG）のような生成AIシステムは、その基盤となるデータの質にその性能が左右されます。低いデータ品質はパフォーマンスを制限するだけでなく、積極的に誤った情報へと導き、ハルシネーション（幻覚）を増幅させ、信頼を損なう原因となります。私はよくこう言います。「もしあなたのデータがAIに嘘をついているなら、あなたのAIもあなたに嘘をついているのです」と。だからこそ私は、データガバナンスとデータ品質を後付けの課題ではなく、必須の前提条件とするマインドセットへの転換を提唱しているのです。

これは、ナレッジベースを監査し、堅牢なメタデータ戦略を導入し、正確性と一貫性を支えるインフラストラクチャに投資することを意味します。一夜にしてすべてのデータ資産を完璧にすることが目的ではありません。正しい成果のために正しいデータを見極め、それを反復的に改善していくことが重要なのです。このアプローチは、そのデータが生成AIのトレーニング、ファインチューニング、あるいは応答の根拠付け（グラウンディング）のいずれに使用されるかに関わらず、普遍的に有効です。

日立ヴァンタラでは、組織がデータパイプラインを追跡、検証、改善するのを支援するために、Hitachi iQのようなプラットフォームやiQ Time Machineのようなツールを構築しています。また、データの分類を自動化し、IT運用を効率化するためのエージェントAIの探求も進めています。なぜなら、データ管理という「筋肉」を鍛えれば鍛えるほど、AIの能力はより強力で俊敏になるからです。

私はしばしば、生成AIは急速に成長しているものの、まだ成熟途上にある「思春期」の段階にあると表現します。しかし、データガバナンスの基本は、すでによく理解されています。技術が進化するにつれて、「ずさんな」データを扱う能力は向上するかもしれませんが、だからといって、今、強固な基盤を構築することを遅らせる言い訳にはなりません。

結局のところ、生成AIは魔法の杖ではありません。それは、あなたのインプットの質を映し出す鏡なのです。組織は「信頼し、されど検証せよ」というアプローチを採用し、チームが責任をもってAIを使用できるようにトレーニングし、そのアウトプットを他のリサーチと同様に、レビューし、検証し、洗練させる必要があります。正しく実行されて初めて、生成AIは単なる生産性向上ツール以上のものになります。それは、企業が自信と誠実さ（インテグリティ）をもってイノベーションを推進することを可能にする、戦略的な差別化要因となるのです。

1. データ品質とガバナンス
低いデータ品質は、多くのAIの失敗における根本原因です。生成AIシステムは、応答を事実データに基づかせる（グラウンディングする）ように設計されています。しかし、一貫性のない、あるいは不正確な情報を与えられると、ハルシネーション（幻覚）を増幅させてしまいます。日立ヴァンタラは、以下の方法でこの課題に取り組んでいます。
* 監査、メタデータの強化（エンリッチメント）、ガバナンスのフレームワークを含む「データファースト戦略」を推進する。
* 完璧なデータセットを待つのではなく、データを反復的に改善することで、完璧さと実用性（プラグマティズム）のバランスを取るよう組織に推奨する。

2. AIインフラストラクチャの準備状況
多くの企業が生成AIの導入に意欲的ですが、それを支えるインフラストラクチャが不足しています。日立ヴァンタラは、以下の方法でこの課題に取り組んでいます。
* Hitachi iQのようなプラットフォームを通じて、データアクセスを統合し、運用を効率化する「AI対応インフラストラクチャ」を提供する。
* 本格的な導入の前にモデルをテストし、洗練させるためのサンドボックス環境や「AIプレイグラウンド」を支援する。

3. AIアウトプット（生成結果）における信頼性と透明性
「信頼し、されど検証せよ」というアプローチを取る必要があります。生成AIのアウトプットは、レビュー、検証され、その情報源まで追跡可能でなければなりません。日立ヴァンタラは、以下の方法でこの課題に取り組んでいます。
* ユーザーがハルシネーションをそのデータ発生源まで追跡できるようにする「iQ Time Machine」のようなツールを開発する。
* エンドユーザーがAIとの対話方法をより深く理解し、ハルシネーションを特定し、アウトプットを責任をもって使用できるようにトレーニングする。

4. 運用効率とITモダナイゼーション
日立ヴァンタラは、エージェントAIとAI Ops（AIOps）を通じて、以下の目的で生成AIを活用しています。
* データ分類とIT運用を自動化する。
* 手作業によるオーバーヘッド（負荷）を削減し、ハイブリッドクラウド環境全体における意思決定を改善する。

5. 文化および組織の準備状況
AIの成功は、単に技術的なものではなく、組織的なものでもあります。多くの失敗は、適切なステークホルダー（利害関係者）を巻き込んでいなかったり、明確なロードマップが欠如していることに起因します。日立ヴァンタラは、お客様が以下のことを行えるよう支援することで、この課題に取り組んでいます。
* 成功指標を定義する。
* AIの取り組みをビジネス目標と整合させる。
* トレーニングやチェンジマネジメント（変革管理）を通じて、社内の能力を構築する。

1. 全社的なAIの統合 – 私たちは、個別のAI実験の段階を越え、測定可能なROI（投資収益率）を実現するエンタープライズ規模の本格展開へと移行することに重点を置いています。組織は「やみくもにGPUを投入する」ようなアプローチをやめ、IT、法務、人事、そして各事業部門を含む、組織横断的で構造化された戦略を構築しなければなりません。

2. 特定機能および特定業種向けのユースケース – 日立ヴァンタラは、人事や財務といった水平機能（部門共通の機能）における生成AIアプリケーションや、エネルギーや製造業といった特定業種向けのソリューションを優先的に開発しています。これらの的を絞ったユースケースは、現実のビジネス課題を解決し、新たなビジネスモデルを創出するために設計されています。

3. 持続可能でスケーラブルなAIインフラ – 私たちは、拡張性があり、コスト効率の高いAIの展開をサポートする「AIレディ」なインフラを開発しています。これには、プライバシーやパフォーマンスの観点から必要に応じてエッジデバイスでのローカル処理を可能にすることや、日立iQのようなモジュール式のプラットフォームを構築して、インフラの不必要な肥大化を招くことなく、AIのトレーニング、ファインチューニング、推論をサポートすることが含まれます。

4. 責任ある説明可能なAI– 将来を見据え、私たちは透明性、ガバナンス、そしてユーザー教育の重要性を強調することで、倫理的で説明可能なAIの推進に取り組んでいます。これにより、AIシステムが強力であるだけでなく、信頼でき、組織の価値観と一致することを確実にします。

5. 従業員のスキルアップとAIリテラシー– 人材のトレーニングは、AIモデルのトレーニングと同じくらい重要です。私は、エンドユーザーの能力を最大限に引き出し、企業全体でのAI導入を成功させるために、プロンプトエンジニアリング、モデルの検証、そしてAIのベストプラクティスに関する広範な教育を推進します。

• Balancing data quality and responsible AI (March 19, 2025)
• Powering a better society with responsible AI
• Evolving AI with Hitachi (April 5, 2024)
• CIOs drop shotgun approach to get more strategic with AI pilots (June 24, 2025)
• The ROI for AI needs to be redefined, says Hitachi Vantara’s CTO (June 23, 2025)
• What’s on the Horizon for AI in 2025 (The Array – June 16, 2025)
• Hitachi Vantara CTO: Simply buying more GPUs won’t guarantee AI success – (Future CIO – May 15, 2025)
• Failure is a friend during AI deployments, says Hitachi Vantara’s Jason Hardy – (TechMonitor – April 9, 2025)
• Hitachi Vantara CTO Jason Hardy on the company’s storage refresh – (Blocks & Files – Jan. 22, 2025)
• Infrastructural necessities for building and deploying enterprise-scale AI – (Data Science Center – Dec. 30, 2024)
• AI Has Run Into Data Shortage and Overtraining Problems – (InsideAI News – Dec. 3, 2024)

• エッジシステム、組込情報処理、AI半導体、センシング向けエレクトロニクスに関する研究開発：研究開発：日立