観測可能性の向上とAIによるメディア運用の強化

メディアやエンターテインメントの ような業界を含む 人工知能（AI）の採用増加が、世界のAIOps市場を牽引している。 2023年には117億米ドルを占め、早ければ2028年には320億米ドルを超え、CAGR 22.7%で成長すると推定されている。

AIの導入は、顧客体験の向上から反復タスクの自動化まで、さまざまな方法で組織の成果を高めるのに役立つ。

同時に、ハイブリッド、コンテナ化されたデプロイメントの増加やデータ量の増加により、データの観測可能性を維持することがますます難しくなっている。AIプラットフォームは、ITインフラやソフトウェア・コンポーネントから生成される膨大な（そして増え続ける）データを活用することができる。ノイズをフィルタリングして、アプリケーションの可用性、カスタマー・エクスペリエンス、パフォーマンスに影響する問題に関連する発生やパターンを特定することで、スポーツのライブ中継など、時間的に重要なビデオ・ストリーミング業務の処理強化に大きく貢献する。

今日のメディアとエンターテインメントにおけるAIの応用は、リアルタイム分析、インフラ管理、ネットワークとセキュリティ管理、アプリケーション・パフォーマンス管理に及んでいる。 DevOpsプラクティスとの強固な統合、プロアクティブな問題解決への新たなフォーカス、ユーザー・エクスペリエンス・モニタリングの強化、予測的洞察のための高度なアナリティクス、ハイブリッドおよびマルチクラウド管理、コンテキストを考慮したインシデント管理によって、採用のパラダイムが拡大している。

メディア/AIOps市場の主要企業は、AI、機械学習（ML）、アナリティクスを採用した新しいプラットフォームや洗練されたソフトウェアソリューションの開発に積極的に取り組んでおり、運用の自動化やIT/SRE/SRO担当者の効率向上を図っている。IT/SRE/SROは、監視・観測ツール、構成管理データベース、アプリ・パフォーマンス監視サービス・マップ、クラウド・オーケストレーション・システムなど、多様なソースから膨大な量のデータを収集・分析することに長けている。

ここ数年の観測性における最大のトレンドは、間違いなく、OpenTelemetry のような遠隔測定収集・分析ツールの採用の増加だ。また、MuxData、Conviva Ops Data Platform、Telestream、Touchstreamプローブ、Zabbix、DataDog等のAIOpsソリューションのようなビデオストリーミングに特化したテレメトリーツールの台頭も見られます。これは、ユーザージャーニー、エクスペリエンスパラダイム、プローブアラート、アプリケーションとデバイスのログ、メトリクス、トレースを含む、ビデオストリーミングとITインフラ観測可能データタイプの標準化されたテレメトリー収集定義への道筋を確立します。このことが意味するのは、特定のユースケースに合わせた新しい革新的な観測可能性ツールの台頭である。

私たちの経験によると、今後数年間、先進的な企業は、分析、メトリクス、プロファイルを収集するだけではなくなります。AIを積極的に活用し、これらのデータ・ストリームを、システム・パフォーマンス、欠陥パターン、予測可能性、効率性についての、相互接続された、文脈的で全体的なビューのソースとして扱うようになるだろう。

このような観測可能性の向上へのシフトは、堅牢なオープンソースのツールやソリューションの利用可能性が高まる中、順調に進行している。その結果、エンジニアリング企業が新しいツールやフレームワークを開発し、現在の観測可能性エコシステムにおけるギャップを埋めるための未開発の機会があることは明らかだ。

AIと機械学習技術は、ログ、メトリクス、トレースなどの観測可能性技術に加えて、より優れた洞察とアルゴリズム予測によって、メディア・エコシステムのハードウェアとソフトウェアのパイプラインの内部で何が起こっているかを正確に把握することで、観測可能性を前進させる。 したがって、メディア・オペレーションにおいてAIの恩恵を十分に受けるためには、観測可能性と AIを結びつけることが 極めて重要である。ソフトウェア開発、DevOpsライフサイクル、その他ITの多くの分野で行われているように、アプリケーションやメディア運用パイプラインの設計の一部として実際に行われるように、左遷する必要がある。

今後、メディア・オペレーションは、問題が発生してから修正するというリアクティブなモデルから、問題が顕在化し、視聴体験に大きな影響を与える前に予測し、解決することができるプロアクティブなアプローチへと移行していくと考えています。ここでの重要な成功要因は、LLMベースの分析、予測分析、高度な機械学習モデルの最新動向を活用して潜在的な障害を予測し、運用効率を最適化してダウンタイムを削減することです。

このアプローチを採用する企業は、混乱を最小限に抑え、ユーザー・エクスペリエンスを向上させることで、大きなアドバンテージを得ることができる。