この記事は、2026/06/18に公開された「From Hybrid by Accident to Hybrid by Design: Mastering Data Sovereignty and AI Cost Control」の翻訳です。
混沌とした技術環境を意図的に構築する企業はありません。こうした状況は、多くの場合、企業買収、各部門による個別ツールの導入、そして分散した、場合によっては中途半端なクラウド移行によって、いつの間にか発生します。その結果、「偶発的なハイブリッド」アーキテクチャ、つまり意図的な行動ではなく長年の受動的な選択の上に構築された IT 環境が生まれます。さらに悪いことに、それを修正するための具体的な計画を誰も持っていません。
エンタープライズ AI が実験段階から本番環境へ移行する中で、偶発的なハイブリッドは、単なる技術的な不便さにとどまらず、戦略上の負債となります。データ主権を維持し、急騰する AI コストを回避するために、組織は「ハイブリッド・バイ・デザイン」、つまり意図的にハイブリッド化されたアーキテクチャを採用する必要があります。この移行を意図的に進める組織は、データ資産が持つすべての価値を引き出すことができます。そうしない組織は、年を追うごとに、また新たな AI の取り組みが始まるたびに、アーキテクチャ上の負債がさらに積み重なっていくことになります。
これは、Cloudera のウェビナー「Welcome to the Era of Hybrid by Design (ハイブリッド・バイ・デザインの時代へようこそ)」の中で最近行われた対談で、ゲストスピーカーの Forrester 社バイスプレジデント兼主席アナリストの Noel Yuhanna 氏と私が取り上げたトピックでした。
このブログでは、その議論をさらに掘り下げ、統合ガバナンス、オープンスタンダード、そして AI ライフサイクル要件の明確な全体像を活用して、組織がどのようにハイブリッドを前提としたアーキテクチャを構築できるかを説明します。
企業がこの状況に至る経緯
M&A 活動、サイロ化されたツールの導入、そして事業部門による優先ベンダーの囲い込みに加え、過去数十年にわたる急速なクラウドへの移行も大きな要因となっています。多くの組織が迅速かつ広範囲に移行を進めてきましたが、今、その反動が起きています。オンプレミスへの回帰の動きは、現実的かつ高まりつつある議論です。
数字が物語るように、CIO が報告したワークロードをオンプレミスに戻す計画は、2020 年の 43％ から 2024 年には 83 ％に上昇しました。これはクラウドの否定ではなく、すべてのワークロードがクラウドに適しているわけではないという認識が成熟してきた結果です。実際、Yuhanna 氏が指摘するように、銀行や医療業界におけるトランザクション処理の約 80％ は、今日でもオンプレミスで実行されています。かつての「クラウドは安価である」という誤解は、アーキテクチャの最適化、過剰なプロビジョニング、そして価値提案を損なうデータ転送コストに関する厳しい問いへと取って代わられました。
その根底にある規制のプレッシャー
コンプライアンスによって、かつてはゆっくりと進行する IT の問題だったものに対して、即時の対応が迫られています。GDPR、EU Data Act、HIPAA などの規制は、厳格なデータ主権を要求しています。一方、米国当局が世界中のデータにアクセスすることを認める US CLOUD Act は、EU および APAC のプライバシー規則と衝突しており、企業が米国以外の国に拠点を置くクラウドプロバイダーへと積極的に移行する要因となっています。金融セクターでは、単一のクラウドに過度に依存することが今やシステム全体のリスクとなっているため、DORA はベンダー退出戦略を義務付けています。
AI に関する新たな規制により厳格なトレーサビリティが求められる中、このプレッシャーは 2026 年以降、さらに高まる一方でしょう。データガバナンスと AI ガバナンスは融合し、巨大なコンプライアンスの障壁となりつつあります。適切なアーキテクチャを備えていない企業は、困難かつ高コストな改修を迫られることになるでしょう。
AI によって今すぐの対応が必要である理由
エンタープライズ AI は、慢性的なインフラストラクチャの問題を深刻な問題へと変貌させます。AI ライフサイクルは、各段階で大きく異なるニーズを抱えています。トレーニングやコンテキスト化には突発的で大規模なコンピューティングが求められるためクラウドに適している場合がありますが、定常的な推論はオンプレミスの方が経済的であることがよくあります。「意図的なハイブリッド」とは、単一の環境に依存してペナルティを甘受するのではなく、各段階に実際に適したインフラストラクチャをマッピングすることを意味します。
データグラビティが、これをさらに複雑にします。AIは膨大な量の分散データを必要とします。そのデータを複数の環境間で移動する際には、無視できないレイテンシーやエグレスコストが発生します。選択肢は限られます。モデルを限られたデータセットに制約するか (品質を犠牲にする)、データを一元化するために多額の費用を負担するか (ビジネスケースを成立しないものにする) のどちらかです。
エージェント型 AI は、この課題をさらに深刻化させます。これらのシステムがアクションを実行するにはリアルタイムで信頼できるデータが必要であるため、バッチ処理の遅延があるパイプラインでは対応できません。Yuhanna 氏が指摘するように、エージェント型 AI の導入率は現在約 24％ ですが、2026 年末までには倍増すると予想されています。今日、その現実に向けたプロアクティブなアーキテクチャを構築している組織が、明日、その価値を手にすることになるでしょう。
オープンスタンダードの重要性
ベンダーロックインは単なる理論上のリスクではなく、インフラストラクチャ層とソフトウェア層の両方で発生する実質的なコストです。独自のデータツールが特定のクラウドでしか動作しない場合、複合的な「二重のロックイン」に直面することになります。これにより、すべての主導権がベンダー側に渡ってしまい、ワークロードを移動する必要が生じた瞬間に深刻なボトルネックが発生します。それは、完成したクラウドパイロットを余剰のデータセンター容量で稼働させる場合でも、コンプライアンス要件を満たすために新しいソブリンクラウドへ移行する場合でも同じです。組織は、ワークロードのポータビリティとオープンスタンダードを活用することで、その主導権を取り戻すことができます。
これを実現する鍵となるのが、2 つの標準です。
Kubernetes は、基盤となるインフラストラクチャの汎用的な抽象化レイヤーとして機能します。基盤となるハードウェアやクラウドプロバイダーが何であっても、一貫したクラウドネイティブな運用モデルを提供することで、「プラットフォームホッピング税」を解消します。つまり、ワークロードがインフラストラクチャの境界を越えるたびに発生する、再設計や再構築の追加負担をなくすのです。
Apache Iceberg は、データレイヤーで同等の役割を果たします。重要なのはデータの保存場所を抽象化することだけではなく、誰がそのデータにアクセスできるかを拡大することです。オープンテーブル形式と Iceberg REST カタログにより、組織はデータを移動させることなく、あらゆるサードパーティシステムとデータを共有できます。つまり、ガバナンスの効いたデータをそのままの場所に保持しながら、外部の分析プラットフォームから直接クエリを実行できるようになります。データをベンダー固有のコンピュートエンジンから完全に分離することで、組織は AI を実行する方法と場所において、真に将来を見据えた柔軟性を獲得できます。
実際にスケールがどのようなものか、検討してみてください。Yuhanna 氏は最近、1,000もの異なるソースシステムにまたがる 50,000 のデータベースを接続している顧客に出会いました。その規模になると、複雑さはリニアに増大するのではなく、複合的に増大します。オープンスタンダードは「あれば良いもの」ではありません。企業が自らの環境を制御し続けるために不可欠なものです。
ガバナンスのギャップとそのコスト
断片化されたインフラストラクチャは、確実に断片化されたガバナンスを生み出します。Yuhanna 氏が指摘するように、エンタープライズデータの約 70％ には適切なメタデータやカタログ化が欠如しています。つまり、実際に分析に使用されているのはわずか 25％ であり、エンタープライズデータの大部分は全く手つかずのままなのです。2006 年、イギリスの数学者でありデータサイエンスのパイオニアである Clive Humby 氏は、「データは新しい石油である」という有名な言葉を残しました。Humby 氏は、真の価値を引き出すためには、AI と分析によって生のデータを精製しなければならないと指摘しています。すべてのデータに潜在的な洞察が含まれているのであれば、そのすべてを活用することを積極的に妨げるようなアーキテクチャを、なぜ許容するのでしょうか？
セキュリティ上の影響も同様に具体的です。IBM の 2025 年データ侵害レポートによると、マルチ環境での侵害による平均損害額は 500 万ドルを超え (世界平均の 444 万ドルを大きく上回っています)、現在では全インシデントの約 30％ を占めています。理由は単純です。セキュリティ侵害は統合ポイントで発生し、すべての環境境界は統合ポイントであるためです。
その答えとなるのが、統合されたポリシーレイヤーです。つまり、データ分類、アクセス制御、データリネージュ、監査、コンプライアンス対応を横断的に管理する、単一のフェデレーション型コントロールプレーンです。このモデルでは、ポリシーはデータに追随し、エコシステム全体にわたって一貫してリアルタイムに適用されます。
どこから始めるか
本番環境における AI の現実的な需要、データ主権要件の厳格化、そしてインフラストラクチャの真のコストに対する注目の高まりを背景に、組織は偶発的なハイブリッドアーキテクチャから、意図的に設計されたハイブリッド・バイ・デザインのアーキテクチャへと移行する必要があります。それを始める方法を見ていきましょう。
目的を明確にします。テクノロジーに触れる前に、収益の成長、コストの最適化、レジリエンス目標など、具体的なビジネス成果に基づいた 18 か月のロードマップを策定してください。
データグラビティの監査を実施しましょう。データが実際にどこに存在し、誰がアクセスしているか、またレイテンシーやデータ流出のリスクを把握してください。これにより、忘れ去られたワークロード、データの重複、コンプライアンス上の死角を確実に浮き彫りにします。
計画的な合理化を実行します。重複するツールを合理化し、ベンダー関係を集約し、ガバナンスを標準化して、ワークロードのポータビリティを実現するための基盤を構築します。
詳細については、Noel Yuhanna 氏との対談の録画をご覧ください。また、業界トレンドレポート『混沌から制御へ：「ハイブリッド・バイ・デザイン」がエンタープライズデータ戦略の未来となる理由 (From Chaos to Control: Why ‘Hybrid by Design’ Is the Future of Enterprise Data Strategy)』でさらに詳しく解説しています。
