この記事は、2026/08/19に公開された「The Great AI Re-Architecture: Why Governance Matters More Than Ever」の翻訳です。
企業ガバナンスは長らく、コンプライアンス要件の問題、つまり組織の方針に沿うための項目を並べた ToDo リストとして捉えられてきました。 しかし、今日の AI ワークロードの規模を受けて、その議論は変化しました。
AI により、組織がデータアーキテクチャに取り組む方法の全面的な見直しが進んでいます。—つまり、Cloudera の最新の調査レポートが「AI の大規模な再アーキテクチャ」と呼ぶものです。
今や、ガバナンスの問題は単なるチェック項目から、AI を活用するうえで極めて重要な要素へと昇華されました。実際、Cloudera による「AI の抜本的な再構築」調査では、回答者の95％が、過去12か月間に、予定していた AI プロジェクトの少なくとも1つが、データガバナンス、コンプライアンス、または規制上の問題だけを理由に延期または中止になったと回答しました。
その事実を受け、組織は、AI 時代には従来のデータガバナンスのアプローチが急速に時代遅れになりつつあるという考えを認識し始めています。 同じ Cloudera の調査では、回答者の75％が、AI の統合によって自組織のデータストレージとアーキテクチャに関する取り組みに、すでに中程度または大幅な変化が生じたと回答していることも明らかになりました。
AI が組織のワークロードに深く浸透するほど、ガバナンスの全体像は複雑になります。 これは現在のガバナンスの状況、そして将来にとって何を意味するのでしょうか？ 詳しく見ていきましょう。
AI 導入時には最初から適切なガバナンスを組み込んでおく
ガバナンスはセキュリティやコンプライアンス上の考慮事項にとどまりません。 ガバナンスは、どのデータをどこで利用できるか、どのように保存されるか、そして最終的にどの AI モデルがアクセスできるかを決定する上で、重要な要素です。 また、AI ワークロードによって組織が環境間でデータをより頻繁に移動するようになる中、AI を支えるデータの品質と信頼性を当初から確保するには、適切なガバナンスの実践が不可欠です。
そのため、かなりの数の企業リーダーが、ガバナンスを大規模な AI の推進要因と捉え始めているのも不思議ではありません。 正確に言うと、 42％の企業リーダーが、データセキュリティ、ガバナンス、コンプライアンス要件を AI の主要な推進要因として挙げました。 これにより、ガバナンスは単なる制御レイヤーではなく、設計時に考慮すべき要素となります。
ガバナンスを後工程のプロセスとして位置付けると、作業がすでに始まった後に、チームがアーキテクチャ、アクセス権、またはデプロイの選択を見直さざるを得なくなるリスクがあります。
AI の成熟によりガバナンスの複雑さが増大
ガバナンスの重要性は明らかですが、それを効果的に管理することは以前よりもはるかに複雑になっています。組織のほぼ4分の3（73％）が、AI の導入によってガバナンスの維持がより困難になったと回答しました。
この課題は、データが環境間を移動する頻度が増していることにより、さらに深刻化しています。調査対象となった組織の97％が少なくとも月に1回、環境間でデータを移動しており、31％は毎日移動しています。データが移動するにつれて、組織はアクセスを継続的に管理し、機密データを保護し、セキュリティポリシーを適用して、あらゆる段階でコンプライアンスを維持する必要があります。
特にプライバシーとデータ主権に関する規制は、AI の普及におけるもう一つの大きな障壁となっており、回答者の54％が、自社組織におけるボトルネック上位3つの内の1つとして挙げています。AI の導入時には、企業データが複数の環境を横断し、地理的な境界を越えることが多いため、この複雑性がさらに増します。組織は、関連するすべての法規制を遵守しつつ、データの所在、移動、およびアクセスを追跡する必要があります。
ハイブリッドの柔軟性は一貫したガバナンスにかかっている
組織の66％が、過去1年間に少なくとも一部の AI ワークロードをパブリッククラウドからオンプレミスまたはプライベートクラウド環境に移行しています。また、回答者の3分の1（34％）は、一部ではなく多数の AI ワークロードを、過去1年の間にパブリッククラウドからオンプレミスまたはプライベートクラウド環境に移行したと回答しています。
この動きは、パブリッククラウド環境を非難するというよりも、ハイブリッド戦略へのより広範な移行を反映しています。 特に、企業が AI ワークロードを自社のニーズに最も適した環境に配置しようとしている中では。
これらのワークロードとそれらを支えるデータは、パブリッククラウド、プライベートクラウド、オンプレミス環境、さらにはソブリン環境にまたがる可能性があるため、ガバナンスはアーキテクチャ全体に及ぶ必要があります。 ハイブリッド環境が機能するのは、データとワークロードがどこへ移動しても、同じルールが適用され続ける場合に限られます。
ガバナンスがエンタープライズ AI の未来を左右する
AI の大規模な再アーキテクチャは、組織が AI ワークロードを実行する場所だけでなく、はるかに多くのことを変えています。 それは、エンタープライズアーキテクチャにおいてガバナンスが果たす役割を再定義しています。 変革の必要性はすでに広く認識されており、回答者の72％が、将来の AI 要件を満たすには現在のデータアーキテクチャを大幅に見直す必要があると回答しています。
ガバナンスはセキュリティとコンプライアンスにとって常に不可欠ですが、現在ではこれらの責務は全体像の一部にすぎません。 AI が企業全体に浸透するにつれて、ガバナンスによって、組織がデータに安全にアクセスし、環境間でワークロードを移動し、AI を本番環境へと拡大できるかどうかが決まります。
今後数年間で AI をスケールする上で最も有利な立場にある組織は、あらゆる環境においてデータが管理、移動、アクセスされる仕組みにガバナンスを組み込みます。
AI の大規模な再アーキテクチャをダウンロードして、調査結果の全容をご覧いただき、企業のリーダーが大規模なAIを支援するためにデータアーキテクチャをどのように適応させているかをご確認ください。
