ネットワークエッジにおけるAI推論に関する企業の戦略

319名のIT専門家を対象としたEMAの最新調査によると、企業が遠隔地、支店、倉庫、工場などでAI推論を実行するために、ネットワーク、DNS、DHCP、およびIPアドレス管理をどのように整備しているかが明らかになりました。

主なポイント要点はAIの支援により生成されています。自動生成された要約には、時折誤りがあったり、重要な文脈が抜け落ちたりする場合があるため、完全な情報を得るには、必ずブログ記事の全文をご参照ください。

An EMA survey of 319 IT professionals reveals how enterprises are preparing their network infrastructure—specifically DNS, DHCP, and IP address management (DDI)—to support AI inference workloads at the edge, including remote offices, branch locations, warehouses, and factories. The research demonstrates that while 43% of organizations report complete success with their edge AI inference strategies, only 40% of IT professionals are fully confident their networks can support edge AI, with 98% indicating they need to upgrade some aspect of their infrastructure. BlueCat's integrated DDI solution addresses this gap by providing unified DNS, DHCP, and IP management under a single authority, enabling automated scaling and policy-driven security as organizations deploy inference workloads across distributed edge sites.

  • 97% of surveyed organizations are strengthening their DDI stack to support edge AI inference, positioning DDI management solutions as the primary platform for integrating control plane functions.
  • Organizations prioritize edge AI infrastructure enhancements including scalability (54.2%), automated IP address management (53.3%), and distributed DNS resolution using edge resolvers (44.2%) to reduce inference workload latency.
  • 77% of organizations reporting complete edge AI project success demonstrated full confidence in their network readiness, compared to only 40% across all respondents, indicating direct correlation between network infrastructure preparation and project outcomes.

AIはデータセンターから離れ、実際に業務が行われる現場へと移行しつつあります。エッジAI推論では、学習済みのモデルをデータが生成される場所の近くで実行するため、クラウドとの往復通信を経るのではなく、リアルタイムで意思決定が行われます。これにより、ネットワークには新たな負荷がかかります。

Enterprise Management Associates(EMA)の調査によると、エッジ推論戦略が完全に成功したと報告している企業は43%に過ぎず、自社のネットワークが準備万端であると完全に確信している企業は40%にとどまっています。大半の企業は単一の場所に依存しておらず、64%がワークロードをエッジサイトとクラウドまたはデータセンターの間で分散させています。 ほぼすべての企業が、変化の量とスピードに対応するためにネットワークの複数の層をアップグレードしており、97%がDDI(DNS、DHCP、IPアドレス管理)スタックの強化を進めています。この重要な基盤により、すべての新しいワークロードにアドレスと名前が割り当てられます。

この調査結果は、ある共通の課題を抱えるネットワーク、インフラ、セキュリティ、AIのリーダーたちにとって重要な意味を持ちます。それは、「AIの信頼性は、それを支えるネットワークの信頼性に左右される」ということです。

調査が明らかにしたこと

多くの企業でエッジAIが本番環境へ移行しつつありますが、その成果にはばらつきが見られます。EMAが319名のIT専門家を対象に行った調査によると、大半の企業が推論ワークロードをエッジサイトとクラウドまたはデータセンターの間で分割しており、ネットワークの準備状況が、プロジェクトの成功と停滞を分ける決定的な要因となっていることが明らかになりました。

サイト設計を標準化し、ネットワークチームとAIチームの間で連携を図っている組織は、サイトごとに個別にカスタマイズしている組織よりも良好な成果を報告しています。セキュリティ、シャドウAI、データ主権が、最も大きな懸念事項として挙げられています。この状況に対応するため、ほぼすべての企業がネットワークの複数のレイヤーをアップグレードしています。

EMAが指摘する技術の中でも、単一の統合型DDIスタックは、コントロールプレーンを統合するための主要なプラットフォームとして際立っており、多くの企業がDNS解決を、それに依存するワークロードの近くに配置するようになっています。

主要な調査結果

43%

の企業が、エッジ推論戦略の完全な成功を報告しています

40%

IT専門家のうち、自社のネットワークがエッジAIに対応できると完全に確信している人は

64%

推論ワークロードをエッジサイトとクラウドまたはデータセンターの間で分割することです

97%

エッジ推論をサポートするためにDDIスタックを強化している

icon used for automation

53.3%

エッジAIの変更の量と速度に対応するためには、自動化されたIPアドレス管理が必要です

44.2%

推論ワークロードのレイテンシを低減するために、エッジリゾルバを用いた分散型DNS解決を望んでいる

主な調査結果

エッジ推論における目標と実績のギャップは、ネットワークに端を発しています。完全な成功を報告した回答者のうち、77%が自社のネットワークの準備状況に完全な自信を持っていました。また、98%の組織が、クラウド間接続やWAN接続からネットワークセキュリティ、エッジスイッチングに至るまで、ネットワークの少なくとも一部をアップグレードする必要があると述べています。

しかし、その自信は組織全体で均一に共有されているわけではない。経営幹部は現場のエンジニアよりも状況が順調に進んでいると捉える傾向があり、EMAはこの認識のズレを警告サインとして指摘している。ここでも、両者の足並みを揃えることが重要だ。ネットワークチームとAIチームの連携が非常に良好であるとする回答者のうち、61%が自社のネットワークをAIを強力に推進する要素であると評価している。

エッジにおける真の敵は複雑さである。遠隔拠点は、スペース、電力、接続性、人員配置がそれぞれ異なるため、標準的な設計を適用することは難しい。しかし、単一の標準を堅持している組織が最良の結果を報告している一方で、拠点ごとのカスタマイズはエンジニアリングチームの負担を増大させている。 またEMAの調査によると、経営幹部は技術スタッフよりも標準化が進んでいると認識しており、これは隠れた例外が蓄積されていることを示唆しています。EMAは、この複雑さが、高度に分散化された企業が、ワークロードをローカルでホストできない拠点をデータセンターやパブリッククラウド上のワークロードでカバーしている主な理由である可能性が高いと指摘しています。

こうしたプレッシャーが集中するのがコントロールプレーンです。新しいワークロード、エージェント、デバイスにはそれぞれIPアドレス、DNSレコード、ポリシーが必要ですが、手動のプロセスではそのペースについていけません。企業はさまざまなテクノロジーのアップグレードを進めており、97%がアドレス指定と命名における重要な基盤であるDDIスタックの強化に取り組んでいます。 約半数(49%)が、複数のコントロールプレーンを単一のプラットフォームに統合する計画を立てており、EMAはDDI管理ソリューションを主要な選択肢として挙げています。

最も成功している組織は、コントロールプレーンの集中化と、その機能の一部をエッジへ展開するという2つの取り組みを同時に実施しました。

しかし、セキュリティ面でのリスクは高まっています。63%が、承認されていないエージェントがセキュリティ上の脆弱性を生み出すことを懸念しており、DNSベースの制御と継続的なモニタリングを用いてデータ主権を徹底した組織ほど、成功率が高いことが報告されています。

データが示すこと


図9 — 企業が異種混在のエッジサイトに対してどのような設計を行っているか

エッジサイトにおいて単一の標準的なフットプリントの実現に向けて取り組んでいる企業は、わずか41%にとどまっています。 30%近くが、サイト階層を少数に限定した「Tシャツサイズ」方式を採用しており、24%は各サイトを個別にカスタマイズしています。しかし、カスタマイズされたサイトが1つ増えるごとに、少人数のチームが深夜2時に追跡、文書化、修正しなければならない例外が1つ増えることになります。結論として、標準化は成功につながり、カスタマイズは失敗につながります。


図16 — 企業がネットワーク制御プレーンの拡張をどのように計画しているか 

ネットワーク制御プレーンの拡張において、クラウド管理型プラットフォームが57.7%で首位を占め、次いで変更の自動化(51.7%)、制御プレーン管理の一元化(48.9%)が続きます。さらに40.1%は、エッジでDNSリゾルバー、DHCPサーバー、またはポリシー適用ポイント(PEP)を運用する計画です。 この戦略は、ワークロードの近くで実行を行いながら、一元的に管理することを目指しています。しかし、EMAは、スタッフの採用や研修によってIPアドレス管理(IPAM)を拡張する組織は、スプレッドシートなどの手動による方法に依存している可能性が高いと警告しており、代わりにエンタープライズクラスのIPAMの導入を推奨しています。


図18 — エッジAIのために企業が必要とするDDIの機能強化 

必要なDDI機能強化のリストでは、スケーラビリティ(54.2%)と自動化されたIPアドレス管理(53.3%)が上位を占め、次いでエッジリゾルバーを用いた分散型DNS解決(44.2%)が続いています。 DNS ベースの推論トラフィックのステアリング(35.7%)と、DNS ベースのデータ主権ポリシーの適用(32.9%)が優先事項を締めくくっています。DDI には、単にアドレスを割り当てる以上の役割が求められています。DDI は、エッジ AI がどのように機能し、コンプライアンスを維持するかの一環となりつつあります。

ネットワークおよびITリーダーにとっての意味

エッジAIプロジェクトの成否は、ネットワークがどれだけ追従できるかにかかっています。その背後にあるネットワーク、インフラ、またはセキュリティを運用している場合、EMAの調査は5つの優先事項を指摘しています。

  • 複雑さとその場限りのカスタマイズを削減するためのエッジサイトの設計標準化
  • 最初の障害発生後ではなく、導入前にネットワークチームとAIチームを連携させる
  • コントロールプレーンを統合し、IPアドレス空間、DNS、DHCPを一体的に管理する
  • スプレッドシートを含む手動のIPAMを、AIワークロードに合わせて拡張可能な自動化に置き換える
  • DNSを活用して、ワークロードの近くに解決を行い、トラフィックを誘導し、セキュリティおよびデータ主権ポリシーを適用する

EMAの調査によると、最も成功している組織は遠隔サイトの大部分に推論機能を導入しているのに対し、成功率が低い組織はパイロット段階から抜け出せない傾向にある。最初からネットワークをAI計画の一部として位置づけている組織ほど、その移行を成功させるための有利な立場にある。

BlueCatの見解

この調査は、エッジAIがその基盤となるコアネットワークサービスに依存しているという単純な現実を浮き彫りにしています。推論が支店、倉庫、工場へと移行するにつれ、新しいワークロード、エージェント、デバイスにはそれぞれ、アドレス、名前、およびポリシーが必要となります。 EMAは、DDI管理ソリューションをコントロールプレーンを統合するための主要なプラットフォームとして位置付けており、回答者の97%が準備としてDDIスタックの強化を進めています。

BlueCatは、分散型企業がその基盤を構築するのを支援します。当社の統合型DDIソリューションは、DNS、DHCP、IPアドレス管理を単一の権威あるソースの下に統合し、AIの導入に合わせてアドレスやワークフローの変更を自動的に調整します。ポリシー主導型のDNSセキュリティは、コアからエッジまで拡張され、チームが推論ワークロードの接続先を一貫した方法で制御できるようにします。拠点ごとにエッジAIを展開するチームにとって、これは管理すべき例外が少なくなり、プロジェクトの進行に逆らうことなく、プロジェクトに合わせて拡張できるネットワークを実現することを意味します。

調査について

BlueCatのために作成されたこのEMA調査レポートでは、エッジAI推論に積極的に取り組んでいる企業のIT専門家319名(北米59%、欧州41%)を対象に調査を行いました。 回答者は、従業員数1,000人以上の企業に勤務しており、その内訳は製造業(24%)、小売・卸売・流通業(15%)、医療・ヘルスケア業界(15%)が中心でした。全員が、エッジ推論を支えるインフラやネットワークの評価、構築、または管理に直接携わっていました。

EMAのリサーチレポートをダウンロード

企業がエッジAIに向けてネットワークをどのように整備しているかをご覧ください

このレポートで学べる内容:

  • 企業がエッジAI推論のワークロードを各拠点、クラウド、データセンターにどのように配置しているか
  • 企業が優先しているネットワーク、セキュリティ、DDIのアップグレード
  • 企業がエッジにおけるシャドウAI、セキュリティ、データ主権のリスクをどのように管理しているか
各メールに記載されている配信停止リンクをクリックすることで、マーケティングメールの受信を停止できます。お客様は、ご自身および所属企業の代表として、当社のプライバシーポリシーに従ってデータが処理されることに同意するものとします。

よくある質問