IBM z/OSのトランザクションAIでビジネスに関するインサイトを大規模に加速させましょう。
トランザクションAIプラットフォーム
Machine Learning for IBM z/OS（MLz）は、IBM z/OS上でネイティブに動作するトランザクション向けのAIプラットフォームです。Webユーザー・インターフェース（UI）、各種アプリケーション・プログラミング・インターフェース（API）、Web管理ダッシュボードを提供します。ダッシュボードには、モデルの開発とデプロイメント、ユーザー管理、システム管理のための強力で使いやすいツール群が付属しています。
IBM z17™およびIBM Telum IIと併用して、トランザクションAI機能を実現します。毎秒あたり最大28万2,000件のz/OS CICSクレジット・カード・トランザクションを、4ミリ秒の応答時間で処理します。それぞれのトランザクションでは、ディープラーニング・モデルを利用した内蔵オペレーションで不正アクセス検知推論を行います。1
推論リクエストとアプリケーションを併置して、ネットワークの待ち時間による遅延を最小限に抑えます。このオプションは、平均60ミリ秒のレイテンシーがあるx86クラウド・サーバーと比較して、応答時間を最大20倍短縮し、スループットを最大19倍向上させます。2
モデルのドリフトをリアルタイムで監視しながら、説明可能性などの信頼できるAI機能を活用します。z/OS上でトランザクションAIモデルを開発し、デプロイして、自信を持ってミッションクリティカルなトランザクションとワークロードを実現します。
モデルを簡単にインポート、デプロイ、監視して、すべてのトランザクションから価値を実現し、運用サービス・レベル契約（SLA）を維持しながら企業の新しい成果を促進します。
特集
ML for IBM z/OSの新しい強化版では、改善されたスコアリング性能、新バージョンのSpark、Python機械学習ランタイムが備わり、GUIガイド付き構成ツールなどを提供します。
- リアルタイム推論：CICS、IMS、およびBATCH COBOLアプリケーションのためのネイティブCICSおよびWORAインターフェースとRESTfulインターフェースを介したトランザクション内スコアリング
- さまざまなエンジンのサポート：SparkML、Python、PMML、IBM SnapML、Watson Core Time Series
- モデル・ライフサイクル管理：ガイド付きUI、RESTfulサービス
- Telum II：ONNXおよびIBM SnapMLモデル
- 信頼できるAI：説明可能性とドリフト監視
共有JupyterHub環境を使用すると、複数のデータサイエンティストがz/OSプラットフォーム上で一緒にモデルを構築およびトレーニングできるため、コラボレーションと生産性が向上します。
監視の強化と説明可能性の成果のより明確な視覚化により、本番環境での使用中もモデルがオープンで信頼性が高く、解釈しやすい状態を維持できます。
MLzは、Snap MLを通じてIBM z SystemsのオンチップAIアクセラレーターを使用することにより、高性能なマルチクラス分類スコアリングをサポートし、モデル推論の速度と効率を向上させます。
MLzは、Web UI、API、SparkおよびPythonツールキットとの統合によるモデル開発、デプロイメント、管理のための安全なエンタープライズ・グレードのプラットフォームを提供します。
技術的な詳細
Machine Learning for z/OSは、IBMの独自技術とオープンソース・テクノロジーの両方を使用し、事前にハードウェアおよびソフトウェアが必要となります。
- z17、 z16、またはz15
- z/OS 3.2、3.1、または2.5
- IBM 64-bit SDK for z/OS Java Technology Editionバージョン8、11、または17
- IBM WebSphere Application Server for z/OS Libertyバージョン22.0.0.9以降
- Db2 13 for z/OS以降（リポジトリーのメタデータ・データベースとしてDb2 for z/OSを選択した場合のみ）
関連製品
運用上の問題を特定し、ログとメトリック・データの両方の異常を検出することでコストのかかるインシデントを回避します。
今日のAIおよびMLワークロードをサポートする、関連するオープンソース・ソフトウェアのライブラリーにアクセスできます。
IBM Zの制御とセキュリティーの下で高速データ分析を実行して、リアルタイムのインサイトを取得します。
AIがどのように有用性と運用パフォーマンスを向上させ、IBM Db2システムの正常性を維持するかを説明します。
脚注
1 免責事項：性能成果は、6 CPおよび256GBメモリーで構成し、z/OS 3.1を実行するIBM z17 LPAR上で実施したIBM社内テストから推定されたものです。テストでは、相対ネスト強度が低いCICS OLTPクレジット・カード取引ワークロードと、Integrated Accelerator for AIを活用した合成クレジット・カード不正アクセス検知モデル（https://github.com/IBM/ai-on-z-fraud-detection で入手可能）に基づく推論オペレーションを組み合わせて使用しました。ベンチマークは、推論オペレーションを同時に実行する32個のスレッドを使用して実行されました。推論は、Libertyサーバー（v22.0.0.3）にホストされているMachine Learning for IBM z/OS（v3.2.0）を使用して実行されました。また、Machine Learning for z/OSでは、バッチ・サイズ8の推論オペレーションでサーバーサイド・バッチ処理を有効にしました。結果は異なる場合があります。
2 免責事項：性能の成果は、IBM z16上で実行されるIBM内部のCICS OLTPクレジット・カード・ワークロードとトランザクション内の不正アクセス検知を伴うフレームワークに基づいています。測定は、Integrated Accelerator for AIを使用した場合と使用しなかった場合で行われました。12 CP、24 zIIP、256 GBメモリーで構成された z/OS V2R4 LPARを使用しました。推論は、WebSphere Application Server Liberty 21.0.0.12上で動作するMachine Learning for z/OS 2.4で、偽装クレジット・カード不正アクセス検知モデル（https://github.com/IBM/ai-on-z-fraud-detection）を使用して行われました。Machine Learning for z/OSでは、バッチ・サイズ8の推論オペレーションでサーバーサイド・バッチ処理を有効にしました。結果は異なる場合があります。