Models-as-a-Service：AI について語るだけでなく実際に使ってみる

新しい人工知能 (AI) テクノロジーの構築と評価は、長期的な技術的成功にとって重要ですが、それがすべてではありません。Red Hat では、再利用可能なパターンの作成と AI モデルの利用方法の改善にも時間を費やしています。それは、私たちとお客様が自信を持って AI を導入できるようにするためです。 

私たちは AI の実用的な側面も見失わないように注意しています。たとえば、コストを最小限に抑えながら、すべての人に AI モデルへのプライベートアクセスを提供するにはどうすればよいでしょうか？「次の目玉技術」の価値と規模をどのように活用できるでしょうか？

鍵となる 1 つの答えは、Models-as-a-Service (MaaS) です。  

誰もが AI の専門家になりたいわけではありません。はっきり言えば、全員が独自のモデルを構築することを必要としている組織はありません。現時点での目標は、できるだけ多くの人が既存の AI を利用できるようにすることです。そこで役立つのが MaaS です。

Models-as-a-Service の説明はこちら

私たちが MaaS にたどり着いた経緯を説明します。当社のユーザーは主に 2 つのグループに分かれます。

1. AI エンスージアスト：AI に情熱を注ぐ AI 構築者、開発者、愛好家、プロフェッショナル
2. それ以外の人々：テクノロジーを深く理解せずに AI を使いたい人

MaaS は、AI モデルを消費可能なリソースとして、API エンドポイントの形式で組織に提供するアプローチです。貴社の IT チームまたは AI プラットフォームエンジニアが API ゲートウェイの背後でモデルを提供し、開発者、ひいてはすべてのユーザーが日常業務で AI を活用できるようにします。 

次のように考えてみてください。AI を開発している大企業は自社のハードウェアへのアクセスをユーザーに許可せず、ユーザーはアプリケーションまたは API エンドポイントにアクセスします。これが MaaS の提供です。当社の場合の唯一の違いは、貴社はサービスを借りるのではなく、貴社独自の MaaS を運営して、コスト、アクセス、イノベーションのスピードを管理するという点です。 

良いアイデアだと思いませんか？ 

まさにそのとおりで、Red Hat では約 1 年前から社内で MaaS を運用しています。私たちが気づいたことを次に紹介します。 

コストの削減とイノベーション機会の増加

新しいモデルがリリースされるたびに、何百人もの Red Hat 社員がそれをすぐに導入したいと考えます。MaaS はモデルを一度デプロイするだけで済み、予算を節約できます。10 人、20 人、50 人以上が新しいモデルを試したいからといって、10 個、20 個、50 個以上の GPU を調達する時代は終わりました。

これは双方にとって有益です。当社の開発者は、多額の費用をかけずに新しいモデルを試し、新しいツールの構築に集中できます。 

イノベーションの加速

市場に出たあらゆる新しいモデルを独自のスケジュールでテストすることができます。DeepSeek が AI 市場に大きなインパクトをもたらしたことを覚えていますか？DeepSeek R1 がリリースされた後すぐに、当社はこれを実行し、誰でも利用できるようにしました。Granite、Llama 4、Phi についても同様です。

プライバシーとセキュリティ

機密データは完全かつ慎重な管理が必要です。MaaS を使用すると、デジタル資産を厳重に保護できる独自のプライベート AI プロバイダーになることができます。公開されている API エンドポイントを使用する義務はありません。実際、多くのお客様が完全にエアギャップされたデータセンターで独自のモデルを実行しています。

エンタープライズでの使用

MaaS を駆動する API ゲートウェイは、すべての従業員にリーチするために必要な拡張性、イノベーションに対応するために必要な柔軟性、AI モデルを必要に応じて効率的にデプロイするために必要な強化されたセキュリティと監視ツールを提供します。

(繰り返しますが) コストの削減

MaaS は共有リソースモデルを直接使用することでコストを削減します。より少ない GPU 数で同等の結果が得られるため、GPU 使用率メトリクスが向上します。モデルが時間の経過とともに改善され、小型化されるにつれて、このフットプリントからさらに多くのものが得られるようになります。オープンソースの大規模言語モデル (LLM) 圧縮ツールを使用して、固有の要件に合わせてモデルのパフォーマンスとサイズのバランスをとることもできます。つまり、MaaS はフットプリントとモデルを最適化して最大限のメリットを得るのに役立ちます。

MaaS とは、将来に備えながら適切な基盤を構築することです。AI エージェントを例として考えてみましょう。エージェントは、1 回限りの質問/回答アプリケーションではありません。放っておけば、エージェントは答えを探し続けます。これは何を意味するのでしょうか？トークンが大量に消費されるいうことです。スケーラビリティと、コストをより正確に予測する能力が必要な場合は、社内で MaaS を実行することを検討すべきです。 

AI は今後も存在し続けます。コスト、イノベーションのスピード、プライバシーについて現実的に考えるべき時が来ているのです。Models-as-a-Service は有望なソリューションであり、Red Hat もこれに取り組んでいます。これらが貴社にとっても優先事項である場合は、MaaS を検討する価値があります。

インタラクティブデモで、架空の保険会社である Parasol が MaaS を使用して 3 つの AI アプリケーションを活用する様子をご覧ください。AI エンスージアストの方々のために、MaaS GitHub リポジトリを用意しています。最後に、今年の Red Hat Summit に参加される場合は、「How to become the hero of your artificial intelligence story (人工知能ストーリーのヒーローになる方法)」と「LLM-as-a-Service for enterprise: Building a customer large language model platform (企業向け LLM-as-a-Service：顧客向け大規模言語モデル・プラットフォームの構築)」のセッションに登録し、詳細をご確認ください。