私のリーフタンクをのぞくと、このような光景が見えます。
そこには、驚くほど見事なマメスナギンチャクがあります。長年にわたり丹念に育てられたサンゴです。この世界に息づく異なる生命の美しさと、海に生きるものたちの神秘を感じることができます。
しかし、その下にあるものは目に入りません。これらの生き物が暮らす砂や岩の中には、驚くべき微生物の生態系が隠れています。それがなければ、マメスナギンチャクは繁栄するどころか、生き延びることさえできません。
また、私がどれほど注意深く環境の状態を監視しているかも、彼らには見えません。異常が発生したときに知らせてくれる、分単位、日単位でグラフ化された数値も見えません。たった1つのパラメーターが安全な範囲を下回ったり上回ったりしたときに鳴るアラームも、彼らには聞こえません。
テクノロジーの世界でも同じことが言えます。
F5が（ここでの「F5」は企業としてのF5を指します）アダプティブアプリケーションについて語るとき、それは人々の目に見える部分を指しています。
現在、ユーザーが製品の購入、料金の支払い、サポートの利用などで企業と接するとき、目にするのはユーザーエクスペリエンスだけです。そのエクスペリエンスを保護し、提供するために使われている無数のアプリケーション、インフラストラクチャ、環境、サービスが見えるわけではありません。
しかし、実際にはそれらが存在し、健全なユーザーエクスペリエンスを確保するうえで極めて重要です。
データの重要性
問題があると認識することと、その対処方法を理解することには大きな違いがあります。pHと温度の関係を理解するという単純なことでも、問題の解決につながるか、かえって悪化させるかの分かれ目になり得ます。ユーザーエクスペリエンスについても同様です。
前進するための基盤となるのは、適切なデータを確実に収集することです。残念ながら、かなりの割合の組織がそれを実践できていません。
Turbonomicの調査では、この実態が明らかになっています（強調は引用者による）：「組織がアプリケーションパフォーマンスをどのように測定しているかを回答者に尋ねたところ、60%以上が何らかの形で測定しており、期待の持てる結果となりました。しかし、最も一般的な方法は可用性の測定であり、通常は応答時間やトランザクションスループットの形式で設定されるサービスレベル目標（SLO）に基づく管理ではありませんでした。13%はアプリケーションパフォーマンスをまったく測定していません。」
測定なくして、アダプティブアプリケーションは実現できません。測定によってユーザーエクスペリエンスの健全性を把握し、その測定結果を分析することで、関係性やパターンを推測できます。最終的に、真にアダプティブなアプリケーションを実現する自動化は、測定と測定結果への理解に基づいています。私の水槽でも、状態を正確に測定し、それぞれの関係性を理解することで、対応を自動化し、水槽内の生き物にとって最適な環境をほとんど手間なく維持できます。
ユーザーエクスペリエンスに対して同じことができなければ、ビジネスに極めて現実的な影響が及びます。顧客の89%は、顧客体験が悪いと競合他社との取引を始めます。[1] その顧客に代わる新規顧客の獲得コストは高く、小売業界では顧客1人当たり平均77ドル、金融業界では顧客1人当たり250ドルを超えます。失われる可能性のある収益はさらに大きく、ロイヤルカスタマーの平均的な価値は、初回購入額の10倍に相当します。[2] 卓越したユーザーエクスペリエンスの維持は、ビジネスに有益なだけでなく、不可欠です。代替サービスを文字どおり指先ひとつで選べる今、顧客のロイヤルティを維持するには、私がリーフタンクの状態に注ぐのと同じように、ユーザーエクスペリエンスの健全性にも細心の注意を払う必要があります。
測定データを取得し、対応を自動化するための制御ポイントを確保するうえで鍵となるのが、アプリケーションの配信とセキュリティ確保を担うインフラストラクチャとサービスです。
適応型アプリケーションはデータ駆動型
ポーランドのワルシャワでは、8匹の二枚貝が、どのような技術よりも水質測定に優れていることが実証されています。「汚染に非常に敏感な二枚貝は、汚染された水を検知すると殻を閉じます。すると、殻に取り付けられた特殊なセンサーによって警報が作動します。」[3]つい最近まで、その存在は誰にも知られていませんでした。住民が知っていたのは、安全な飲料水を利用できるということだけでした。
この二枚貝のような生物は、あらゆるものを本能的に測定し、データに基づいて危険を察知することに特に優れています。しかし、その卓越した能力を単独で担う体内システムはありません。水が危険であると瞬時に判断するには、測定値を生成する数百もの体内システムの連携と、得られたデータを分析する能力が必要です。
アプリケーションを適応型にするのは、測定値、つまりデータです。明確なアクションの契機がなければ、適応する必要はありません。キャパシティと需要を把握することで、スケーリングが促進されます。悪意のあるアクティビティを特定すると、セキュリティ対策が実行されます。パフォーマンス低下を認識すると、最適化が促されます。
このデータは広範にわたり、必然的にテクノロジースタックのあらゆるレイヤーから得られる測定値が含まれます。これらのデータを集約し、ビジネスプロセス、すなわちデジタルワークフローに対応付けることで、分析が可能になり、アプリケーションが自動的に適応するために必要な情報へと変換できます。
さらに分析を進めることで、関係性、パターン、傾向を明らかにしてビジネスリーダーに提示し、アーキテクチャ、インフラストラクチャ、アプリケーションを実際のビジネス成果に整合させることができます。こうしたインサイトは、AIベースのセキュリティやAIOpsによる自動対応を可能にするほか、ビジネス部門とIT部門の関係者が十分な情報に基づいて意思決定を行ううえでも役立ちます。
アクションを実行するには、指示を受け取り、それに基づいて動作できるシステムが必要です。体内の危険な状態に反応するのは、外界とのインターフェースではありません。免疫系をはじめとする体内のシステムが、私たちに代わって働きます。デジタルの世界では、こうした内部システムに相当するのが、アプリケーションサービスとインフラストラクチャです。これらはインターフェースの背後でデータを生成し、ユーザーエクスペリエンスの保護、拡張、最適化を担うテクノロジーです。
アダプティブアプリケーションはデータ駆動型であり、その提供、セキュリティ確保、スケーリングを担うアプリケーションサービス、インフラストラクチャ、システムから生成されるテレメトリによって実現します。さらに、そのデータを分析し、実行可能かつ自動化可能なインサイトを生成できるプラットフォームを活用することで、企業はアダプティブアプリケーションの実現に向けて、確信を持ってより迅速に前進できるようになります。
1 Oracle
著者について
Lori MacVittieは、F5のOffice of the CTOに所属するDistinguished Engineer兼Chief Evangelistであり、アプリケーションデリバリ、自動化戦略、インフラストラクチャに関する深い専門知識を有しています。AIエージェントのガードレール策定、脆弱なマルチクラウドアーキテクチャの分析、スケーラブルなシステムの限界の検証など、複雑な事柄を明快にすることで知られています。アプリケーション開発、ITアーキテクチャ、ネットワークおよびシステム運用の分野で、30年以上にわたる業界経験を有しています。F5入社前は、受賞歴のあるテクノロジー編集者として活躍していました。 MacVittieはコンピューターサイエンスの修士号を取得しており、セキュリティ、クラウド、エンタープライズアーキテクチャにわたる分野で多数の著作を発表しています。また、テーブルトークゲームとビデオゲームをこよなく愛し、チーズについては遠慮なく強いこだわりを語ります。
Lori Mac Vittieのその他のブログ記事関連するブログ記事
SOAS 2025：足並みの乱れが凡庸さを招く
AI導入における方針の不一致は、非効率を招きます。セキュリティ、自動化、導入の各戦略を整合させ、AIの可能性を最大限に引き出す方法をご紹介します。
WebAssemblyが重要な理由
WebAssembly（Wasm）は、あらゆるプラットフォームで高性能なアプリケーションを実現する、ポータブルで高速かつセキュアなバイナリ命令セットです。
インフラストラクチャは依然として格好の攻撃経路
クラウドコンピューティングでは、APIやドラッグ＆ドロップ式の設定ツールを活用し、ネットワークやインフラストラクチャを敬遠する人がそれらを直接扱わずに済むようにすることで、インフラストラクチャへの対応を不要にすることが長年追求されてきました。しかし、インフラストラクチャを無視することも、攻撃の主要な標的であるという事実を見過ごすこともできません。
堅牢なデータアーキテクチャがもたらす戦略的メリット
適切に構築されたデータアーキテクチャがもたらす効果は、業務プロセスの改善にとどまりません。戦略的な業務効率の向上、より深いビジネスインサイトの獲得、隣接するビジネス機会への展開にもつながり、これらすべてをより俊敏に実行できるようになります。
デジタルワークフローにおける不正検知には、データだけでは不十分
2019年には、業界全体でクレジットカード詐欺の試みが約25万件確認されました。これは約2分に1件の割合です。今日、不正を検知するには、デジタルワークフロー上のできるだけ多くのポイントから収集したデータを相互に関連付け、手作業によるデータ処理をはるかに上回る速度で分析する能力が求められます。