アーキテクチャが重力と戦うとき、運用にはコストが伴う

重要なポイント 所要時間：6分

- - - ストレージ組み込みスタックは、データがそのネームスペースに集まることを前提としています。しかし、企業資産に作用する力は、そうはならないことを示しています。
    - 「統合ネームスペース」という提案は、データの3つの形態に逆らう賭けです。
    - アーキテクチャコスト（パイプラインの所有、データ照合の負債、スキーマ結合、ガバナンスダブルブックキーピング、コストの不透明性）は構造的なものです。
    - 外部の要因（規制、アプリケーションの結合、契約、所有権）は、コストを一時的ではなく恒久的なものにします。
    - 連邦型のコントロールプレーンは、データが存在する場所で動作し、データを移動させることが正解である場合に限り、移動させます。

AIデータプラットフォームの評価にあたっては、見積書に記載されている項目だけがコストではないことに留意してください。実際のコストは、構築が必要なパイプライン、パイプラインを維持するために割り当てた従業員、データを使えるものにするためだけに移動が必要になるたびに諦めるオプション性にあり、これらは後から明らかになります。

データにはグラビティ（重力）があり、実際の企業資産にはデータを所定の場所に保持している歪みがたくさんあり、「データ」自体は1つの物質ではないのです。それぞれが異なる特性と要件を持つ3つの形態（データ、メタデータ、ベクトル）です。この記事では、アーキテクチャでそうした法則が適用されないと見える場合に何が起こるかについて説明します。

すべてのストレージ組み込みスタックのアーキテクチャの前提条件

ストレージ組み込み型AIスタックは、VAST AI OSが最もよく見られる例ですが、ある単一のアーキテクチャの想定の上に構築されています。つまり、AIサービスは、プラットフォームにすでに到達しているデータに対して実行されるということです。データはプラットフォーム内に存在する必要があります。ネームスペースの外にあるものは、プラットフォームの観点からは見えません。^1、4

そのため、プラットフォームには、データを取り込むためのツールが付属しています。データを一元化することで運用がシンプルになるということを前提としています。統合UIが含まれているため、デモでは、資産全体が1つのクリーンなものに見えます。

このストーリーは、内部的には一貫しています。また、実際の企業資産に作用する構造的な力に対する賭けでもあります。

この3つの形態は、重いデータを移動する必要がないことを示しています

企業が「データ」と呼ぶものは、実際は次の3つの異なるものです。

- データ — 重い。その場に留まります。ファイル、レコード、画像、ビデオ、テレメトリー、規制対象テーブル。
- メタデータ — 軽い。低コストで伝播できます。あらゆるAIが、どこからでもすべての資産を認識できるようにします。
- ベクトル — 局所依存。データ自体は運ばずに、意味を資産全体に運びます。

3つすべてを同じ物質として扱うアーキテクチャでは、そのままでは、すべてを移動させる、という間違った回答になります。この3つを別個に扱うアーキテクチャでは、重いデータはそれが存在する場に置いたまま管理し、資産全体にメタデータを伝播させ、ベクトルによってAIが実際に必要とするクロス環境推論を行うことができます。

統合ネームスペースは、唯一の認識可能な形態がデータである場合、一貫性のある回答となります。メタデータとベクトルを第一級の要素として受け入れた瞬間に、統合ネームスペースは適切ではなくなります。

資産を内側に引っ張るアーキテクチャコスト

データは、AIがデータに触れる前に到着している必要があるという前提に基づいてアーキテクチャを構築すると、企業内のすべての外部要因が、運用上の義務となります。

- パイプラインの所有権。Snowflake、SharePoint、S3、Kafka、サードパーティー製ストレージ、SaaSなどのあらゆるソースに同期作業が必要です。¹ すべての同期ジョブには、その背後に人がいます。
- データ照合の負担。コピーはすべて、ソースからずれていきます。ソースフィールドの長さが変更され、誰にも何も通知されなかった場合には、スキーマのドリフト、地域的レイテンシーのスパイク、サイレントトランケーションが発生します。そのずれの検出と修正を、誰かが永続的に行わなければなりません。
- スキーマ結合。ソースシステムが変わると、下流のコピーが壊れ、そのコピーに依存するAIサービスも、コピーとともに止まります。
- ガバナンスダブルブックキーピング。アクセス制御、保存ポリシー、規制上の保留、監査証跡は、ソースとコピーの2つに維持する必要があります。
- コストの不透明度。FinOpsチームは現在、データの移動、ストレージの重複、データの出口の追跡を、統合システムとして販売されたアーキテクチャ全体で行っています。

いずれも、悪意をもった隠ぺいはされていません。これは構造的なものです。これは、閉じたストレージ組み込みモデルが、分散したオープンなデータ資産に出会い、その資産を内側に引き込もうとするときに起こります。^1、4

ここでは、販売側の言葉が重要になります。「同期エンジンは無料です」と「同期は無料です」という文は、同じではありません。同期ジョブは1回限りの移行ではありません。これは、スキーマの変更、ネットワークイベント、権限の変更、保存ポリシー、規制上の保留、さらにはどちらか一方の一時的な障害に対して、一貫性を維持し続けなければならない2つのシステム間の恒久的な関係です。⁴ これを、AIワークロードが接続するすべてのソースシステムに当てはめてみると、アーキテクチャが簡素化されていないことが分かります。その下に、ベンダー固有の新しいコピープレーンを追加しました。¹

外的要因によって恒久的になるコスト

このコストが時間の経過とともに減らない理由は、それを生み出す力が過渡的なものではないからです。これらは企業の構造的な特徴です。

- 規制上および主権上の制約。GDPR、HIPAA、データレジデンシー法、輸出規制。一部のデータは、そのデータが存在する場所で処理する必要があります。主権の境界を超える同期ジョブは、コンプライアンスインシデントになる同期ジョブです。
- アプリケーション要件。ERP、CRM、EHR、トランザクションシステムなど、信頼できる情報源となるアプリケーションは、その所有者と結び付けられます。ベンダーのネームスペースにフィードするようには設計されていません。これらは、ビジネスを運営するために設計されています。
- 契約上の摩擦。データを抽出するコストは、ハイパースケーラーのデータ出力料金と独自の形態により、そのまま置いておくより高くなります。データを引き出して別の場所に置くというのは、CFOが最終的に見つけるコストラインです。
- 組織のダイナミクス。同じデータを要求する2つのビジネスユニット、一晩で減少する買収された会社の資産、ガバナンスを手放さない管理者など、組織の在り方が、アーキテクチャの理想を日常的に無視しています。
- 不明またはカタログ化されていないデータ。既知のデータは存在しますが、カタログ化できません。見つからないものを同期することはできません。同期できないものは、少なくともストレージ組み込みモデルではAIによって認識できません。

これらの要因はすべて、実際の企業が運用する環境の永続的な特徴です。それに依存しているアーキテクチャがなくなると、コストが恒久的に発生します。

統合代替案

DellのAIデータプラットフォームは、まったく異なる前提で構築されています。Dellのアプローチは統合型であり、使用する前に、ベンダーが管理するネームスペースにデータをコピーするようお客様に依頼することはありません。PowerScale、ObjectScale、サードパーティー製ストレージ、ウェアハウス、SaaS、パブリッククラウドのどこにあるかでデータを操作し、データの移動時にはデータを移動するだけのコントロールプレーンが、正しい答えとなります。^4、5

この単一の設計上の決定には、3つのデータ形態というフレームワークを直接適用したものです。

- データは、すでにそれを管理しているチームによって管理されている場所に留まります。
- メタデータはあらゆる場所に伝播されるため、選択したすべてのAIが、場所を問わずすべての資産を認識します。
- ベクトルは、資産全体に意味をもたせるので、AIはまずデータを再配置することなく、データを推論できます。

フェデレーションアーキテクチャがデータを移動しないというわけではありません。理にかなっている場合は移動します。ただし、データ移動がプラットフォームから価値を得るための前提条件になるわけではありません。また、そのアーキテクチャの選択1つで、上記の運用上のコストのほとんどが排除されます。なぜなら、このコストは、AIがデータに触れる前にデータを再配置する必要があるという前提に基づいてアーキテクチャを構築した場合にのみ存在するからです。⁴

また、CFOが最も重視しているオプション性も保持しています。連邦型のコントロールプレーンは、ベンダーのネームスペース内のデータ資産をトラップしません。資産は、既に存在する場所に置いたままにし、すでに管理しているチームによって管理され、所定の場所でAIに役立てられます。^2、4

独立系アナリストは、これをダイナミックアウト（動的出力）と呼ぶようになっています。最近の記事の1つでは、VASTがオープンスタンダードをサポートしているにもかかわらず、その「統合アーキテクチャは、将来の移行を困難にする依存関係を生み出す可能性がある」と指摘していました。これは、同期するデータが多いほど、離れ難くなるという丁寧な言い方です。² 別の調査では、VASTのアプローチは「ハイパーコンバージドインフラストラクチャモデルにさらに類似しており、VASTがエクスペリエンス全体を制御する緊密に統合された独善的スタックを提供している」と述べています。³ HCIは、そのモデルが大規模な異種性を満たした場合に何が起こるかを業界に教えました。ここでも同じ教訓が適用されます。

署名する前に尋ねるべき3つの質問

これらはRFPに直接入力されます。

1. 通常、ネームスペースに対して実行されるであろうパイプラインはいくつありますか？グリーンフィールドを中心に構築されたリファレンスアーキテクチャではなく、ご自身がお持ちのようなデータ資産に基づいて現実的な推計をしてください。それを、規制とアプリケーションを組み合わせた資産にマッピングします。
2. ソースシステムの変更に伴う調整の責任は、誰に帰属しますか？「あなたのチームで、私たちのツールを使用して」という答えなら、これはあなた方の運用コストです。価格を設定しましょう。
3. 3年目にソースの同期を停止したい場合は、どうなりますか？答えは、どの程度のオプション性を諦めているかを直接測定し、アーキテクチャが出口を中心にどの程度の摩擦を生み出すかを直接読み取ったものになります。

要するに、購入したと言われていないものに支払いをすべきではない、ということです。

次のステップ

次の投稿では、再びデータセンターのフロアについて説明します。その理由は、このアーキテクチャコストの結果はFTEだけの問題ではないからです。これは、GPUの経済性の問題です。データが先に来なければコンピューティングを処理できない場合、AIインフラストラクチャで最も高価な項目は、コストが生じる項目です。

¹ VAST Data、「DataSpaceおよびSyncEngine」製品ドキュメント。

² DataPro.news、『VAST Data: Revolutionary AI OS or Silicon Valley Hyperbole?』、2025年6月。/p>

³ NAND Research、『How to Think about VAST Data』、2026年2月。

⁴ Prowess Consulting、『Architectural and Operational Comparison: Dell AI Data Platform vs. VAST AI OS』、Dellの委託による、2026年4月。

⁵ Dell Technologies、『デル・テクノロジーズ、「Dell AI Data Platform with NVIDIA」の機能強化を発表　先進的なデータオーケストレーションとストレージイノベーションでエンタープライズAIを加速』、PR Newswire、2026年3月。