DataRobotとNVIDIA:本番環境対応AIアプリとエージェントへの最速パス

組織はAIエージェントの時代へと進むことを切望していますが、依然としてAIプロジェクトを開発から本番環境へ移行することが課題となっています。AIエージェントアプリのデプロイには複雑な構成と統合が必要となることが多く、価値実現までの時間を遅らせています。

エージェントAIデプロイにおける障壁
  • 監視とメンテナンス
    堅牢な監視がなければ、パフォーマンス、更新、システム互換性の確保は複雑であり、困難です。
  • どこから始めるべきか
    構造化されたフレームワークがなければ、ツールを接続しシステムを構成するのに時間がかかります。
  • 効果的なスケーリング
    スケーラブルなインフラストラクチャがなければ、パフォーマンス、信頼性、コスト管理がリソースの浪費につながります。
  • セキュリティとコンプライアンスの確保
    多くのソリューションは、権限が付与され、テスト済みのデータやモデルではなく、制御されていないデータやモデルに依存しています。
  • ガバナンスとオブザーバビリティ
    AIインフラストラクチャとデプロイには、明確なドキュメントとトレーサビリティが必要です。

DataRobotはNVIDIA AI Enterpriseがすでに組み込まれており、AIエージェントを開発・提供するために最速の方法を提供します。

完全に検証されたAIスタックにより、組織はオープンソースツールやDIY AIのリスクを減らしつつ、複雑さを増すことなく、意味のある場所でデプロイできます。これにより、AIソリューションはビジネス上の問題に合わせてカスタマイズされ、そうでなければ不可能だった方法で最適化されます。

本ブログでは、AI実務者がDataRobotとNVIDIA AI Enterpriseを使用して、ゼロからソリューションを構築する場合と比較して、いかに迅速にAIエージェントアプリケーションを開発できるかを探ります。また、倉庫管理者がリアルタイムで意思決定するために必要な、AIを活用したダッシュボードの構築方法についても順を追って説明します。

ユースケース:リアルタイム倉庫最適化

あなたが倉庫管理のマネージャーで、上流での出荷を保留すべきかどうかの判断が必要な状況を想像してください。もし倉庫がいっぱいなら、在庫を効率的に再編成する必要があります。もし空なら、リソースを無駄にしない判断が必要です。また、あなたのチームには他の優先事項・業務があります。

しかし、倉庫の容量を手動で追跡するのは時間がかかり、単純なAPIでは不十分です。コーディングを必要とせず、ワークフローに適合する直感的なソリューションが必要です。

AIチームは、AIアプリを手動で組み立てるのではなく、DataRobotとNVIDIA AI Enterpriseを使用して迅速にソリューションを開発できます。その方法は次のとおりです。

  • AIを活用したビデオ分析
    ビデオ検索と要約のためのNVIDIA AI Blueprintを組み込みエージェントとして使用し、倉庫棚の空き状況、空いているスペースをリアルタイムで特定します。
  • 予測在庫予測
    DataRobot の予測AIを活用して、入荷する在庫量を予測します。
  • リアルタイムのインサイトと対話型AI
    対話型AIインターフェースを備えたダッシュボードに、現状のインサイトを表示します。
  • 簡素化されたAI管理
    NVIDIA NIMとDataRobotの監視機能により、モデル管理を簡素化します。

これは、AIチームがDataRobotとNVIDIAを使って、より迅速にエージェントAIアプリを構築できる一例に過ぎません。

AIエージェントの構築とデプロイにおける最も困難な障害の解決

AIエージェントアプリケーションの構築は、統合、パフォーマンス、および適応性のバランスを取る必要がある反復的なプロセスです。成功の可否は、LLM、検索システム、ツール、ハードウェアをシームレスに接続し、それらが効率的に連携することを保証できるかにかかっています。

しかし、AIエージェントの複雑さは、デバッグや最適化のサイクルの長期化、デプロイの遅延につながる可能性があります。

課題は、終わりのない反復に陥ることなく、AIプロジェクトを大規模に提供することです。

NVIDIA AI EnterpriseとDataRobotがAIエージェント開発をいかに簡素化するか

NVIDIA AI BlueprintsとDataRobotのAIアプリ による柔軟な開始点

NVIDIA AI BlueprintsまたはDataRobotのAIアプリのいずれかを選択して、AIアプリケーション開発を迅速に開始できます。これらの事前構築されたリファレンスアーキテクチャは、構築するための構造化されたフレームワークを提供することで参入障壁を低くし、セットアップ時間を大幅に短縮します。

ビデオ検索と要約のためのNVIDIA AI Blueprintを統合するには、DataRobot環境より直接NVIDIA NGCギャラリーのブループリントをインポートするだけで、手動でのセットアップは不要です。

Nvidia1

RAPIDSとDataRobotによる予測AIの加速

予測AIを構築するために、チームはRAPIDSデータサイエンスライブラリとDataRobotの予測AI機能の全スイートを活用して、モデルのトレーニング、テスト、比較における主要なステップを自動化できます。

これにより、チームは特定のユースケースに最適なモデルを効率的に特定できます。

Nvidia2

NVIDIA NIMとDataRobotのLLM PlaygroundによるRAGワークフローの最適化

DataRobotのLLM Playgroundを使用すると、チームはNVIDIA NeMo Retrieverテキスト再ランキングNIMやNVIDIA NeMo Retrieverテキスト埋め込みNIMなどの異なるモデルをテストすることでRAGワークフローを強化し、異なる構成を並行して比較できます。この評価自体にも、NVIDIA LLM NIMを評価者として使用して行うことができますし、必要に応じて人間の入力で評価を補強することも可能です。

このアプローチは、プロンプト、埋め込み、その他の戦略の最適な組み合わせを特定し、特定のユースケース、ビジネスコンテキスト、およびエンドユーザーの好みに合わせて最高のパフォーマンスを発揮する構成を見つけるのに役立ちます。

Nvidia3

オペレーションの準備を確実に

AIのデプロイはゴールではなく、ほんの始まりにすぎません。一度本番環境に出たエージェントAIは、一貫性を保ちながら現実世界の様々な入力に適応していく必要があります。継続的なモニタリングは、性能の劣化(ドリフト)、バグ、速度低下を捉えるのに役立ち、そのためには強力なオブザーバビリティツールが不可欠です。さらに、スケーリングは複雑さを増大させるため、効率的なインフラと最適化された推論が求められます。

AIチームは、新しいソリューションの開発と既存のソリューションの維持とのバランスを取ることにすぐに圧倒されてしまう可能性があります。

当社のAIエージェントアプリの場合、DataRobotとNVIDIAは、高いパフォーマンスとセキュリティを確保しながら、管理を簡素化します。

  • DataRobotのモニタリングとNVIDIA NIMは、ユーザー数が100人から1万人、そして1000万人に増えても、パフォーマンスを最適化し、リスクを最小限に抑えます。
  • NeMo Guardrailsを含むDataRobotのガードレールは、データ品質、バイアス検出、モデルの説明性、およびデプロイメントフレームワークに対する自動チェックを提供し、信頼できるAIを保証します。
  • 自動化されたコンプライアンスツールと完全なエンドツーエンドのオブザーバビリティは、チームが進化する規制に先行して対応するのに役立ちます。
Nvidia4

必要な場所へのデプロイ

AIエージェントアプリケーションを長期にわたって管理するには、絶え間ない介入なしにコンプライアンス、パフォーマンス、効率性を維持する必要があります。

継続的なモニタリングは、ドリフト、規制リスク、パフォーマンスの低下を検出し、自動評価は信頼性を保証します。スケーラブルなインフラストラクチャと最適化されたパイプラインはダウンタイムを削減し、運用を中断することなくシームレスな更新とファインチューニングを可能にします。

目標は、適応性と安定性のバランスを取り、手動による監視を最小限に抑えながらAIが効果的に機能し続けるようにすることです。

NVIDIA AI Enterpriseによって加速されるDataRobotは、自己管理型のオンプレミス、DataRobotが管理するクラウド、さらにはハイブリッドデプロイメントを含む多様な環境において、ベンダーロックインなしにハイパースケーラー級の使いやすさを提供します。

このシームレスな統合により、デプロイされたモデルは、デプロイメントの選択に関係なく、同じ一貫したサポートとサービスを受けられます。これにより、AIインフラストラクチャを手動でセットアップ、調整、または管理する必要がなくなります。

AIエージェントの新時代

NVIDIAが組み込まれたDataRobotは、モデル、アプリ、エンタープライズレベルでプロセスを簡素化することにより、AIアプリとエージェントの開発とデプロイを加速します。これにより、AIチームは複雑な多段階ユースケースを解決し、エンドユーザーのAIとの連携方法を変革するAIエージェントアプリを迅速に開発・提供できるようになります。

Realize Value from AI, Fast.
Get Started Today.