Autodesk の AWS 活用事例

この AWS Conversations With Leaders のビデオでは、Autodesk のアーキテクチャ、エンジニアリング、建設設計ソリューションのエグゼクティブ VP である Amy Bunszel 氏が、Autodeskの成功と、無謀ではないリスクの取り方について深堀します。このアプローチにより、職場内に実験の文化が生まれ、大規模なスケールに対応できる適切なチームを構築しながら、複雑な問題を解決することができるようになりました。

Autodesk の CIO、Prakash Kota 氏が、デジタルの未来で人とビジネスを成功させるための組織戦略とベストプラクティスについて語る様子をご覧ください。

Autodesk のシニアバイスプレジデント兼 CIO である Prakash Kota 氏が、AWS クラウドへの全社的なエンタープライズワークロードの移行にスタッフとリーダーシップを参加させることについて説明し、AWS トレーニングと認定を通じてスタッフのモチベーションを高める方法を話し合います。Autodesk の変革から学んだことは、人材に投資して継続的な学習の文化を構築することで「小さく始めて迅速に拡大する」ことが重要であるということです。

Autodesk は、Amazon SageMaker 上に構築された機械学習モデルを利用して、膨大な数のジェネレーティブデザインオプションを整理および分類できるように設計者を支援しています。オーストリアのデザインスタジオである Edera Safety は、Autodesk のジェネレーティブデザインプロセスを利用して、従来より高性能で効率的なバックプロテクターを製造しています。

Autodesk の運営チームでは、製品分析プラットフォームとして Autodesk Data Platform (ADP) を使用し、製品の使用状況データを収集および処理しています。ADP を Spark ベースの処理システムから AWS Lambda に移行することにより、Autodesk では年間のデータ処理コストを最大 90% 節約しています。現在 Autodesk では、ほぼリアルタイムでのデータ処理が可能になっています。ビジネスユーザーが製品の改善やその他のビジネスチャンスに活用できるように、タイムリーな分析を提供しています。

Autodesk では、指数関数的に増加する複雑なデータをサポートできるよう、インフラストラクチャを再考する必要がありました。プロジェクトのライフサイクル全体で、さらに速く、効果的、持続的に作業できる力を顧客に提供することが目的です。Autodesk が使用した 5 つのステップのフレームワークをご覧ください。

Autodesk は、Amazon SageMaker を使用して機械学習スキルモデルを構築しました。このモデルは、ユーザーのサポートを担当する適切なチームを選択するように設計されている点で、通常の分類モデルとは異なります。案件のトピックを予測し、そのトピックからルーティングしようとする多くのモデルとは対照的です。

Autodesk では、Community Match と呼ばれるフォーラムの新しいバージョン用に機械学習モデルを構築し、迅速にデプロイするために、AWS ソリューションを選択しました。このモデルでは、フォーラムメンバーの専門知識と、フォーラムで投稿された質問のマッチングを行います。つまり、特定のテーマのエキスパートであるコミュニティメンバーに、Autodesk ソリューションに関する内部的な知識を共有してもらうという考え方です。以前であれば、顧客は問題のトラブルシューティングを行うためだけに Autodesk のサポートをご利用になることがほとんどでしたが、現在は、共有コミュニティ内の知識を活用し、Autodesk ソフトウェアをより効果的に使っています。

顧客の財務指標を全体的に構築することにより、組織は会計チームの戦略に受身的に対応するのではなく、積極的な意思決定を行うことができます。ただし、顧客データは多種多様なソースに格納されていることが普通であり、ID、アカウント名、その他のフィールドをマッピングしてメトリクスを統合するには、多大な労力が必要になります。これらのデータは表示形式が競合する可能性や、レコード数が一般的なデータツールで処理できる数を超えている可能性もあります。Autodesk では Trifacta on AWS を活用して、効率的なデータパイプラインプロセスを作成し、包括的な顧客分析の提供を自動化しています。

Autodesk は、レンダリングに著しい計算能力を要する設計ソフトウェアを作成しています。Autodesk の場合、総支出で測定すると、Rendering-as-a-Service (RaaS) のワークロードが突出していました。同社では現在、Amazon EC2 スポットインスタンスを利用し、RaaS 機能に関する大幅なコスト削減を実現しています。

Autodesk での AWS の導入にはメリットがありましたが、新規 AWS アカウントを設定することは、同社の AWS オペレーションチームの 2 人にとって難題でした。アカウント設定を手動で処理していたため、新規アカウントリクエストの処理には 2 週間を要し、ヒューマンエラーが発生するリスクもありました。そこで Autodesk では、サーバーレスアーキテクチャを使用し、インフラストラクチャ管理に必要な時間とコストを最小限にするソリューションを構築しました。このソリューションにより、Autodesk のデベロッパーがオンラインフォームを送信して新規アカウントをリクエストすると、API でアカウント作成処理をトリガーできるようになりました。アカウント番号、E メールアドレス、または IP アドレスによるアカウント照会もサポートされる、このソリューションの開発と立ち上げには、わずか 1 か月しかかかりませんでした。

Autodesk では、物理ハードウェアをレンタルする代わりに Amazon WorkSpaces を使用してゼロクライアントの仮想ワークステーションをホストすることで、設定の効率化と二酸化炭素排出量の削減を実現しています。Autodesk University のイベントでは、AWS を使用して 450 台のワークステーションのセットアップとデプロイを行うことで、1 週間近くの作業時間と数千ドルを節約しています。

AWS Support は、Autodesk が基本的な AWS のサービスの設計に貴重な時間を費やすことなく、コアビジネスに専念できるように支援しています。Autodesk では、AWS Support を Autodesk 内の 1 つの部門かグループであるかのように捉え、同社の仮想インフラストラクチャサポートチームであるとみなしています。事前通知などを行うことなく急に連絡しても、必要なレベルのサポートを受けることができるためです。

Autodesk は、視覚的類似性に関する機械学習モデルを迅速に設計、トレーニング、およびデバッグしました。 Autodesk は、SageMaker デバッガーを使用して、Fusion 360 のパフォーマンスを改善し、時間と計算コストの両方を節約しました。

Autodesk Shotgun Private Cloud は、AWS で動作するクラウドベースの VFX プロジェクト管理アプリケーションです。そのアーキテクチャをご紹介します。Autodesk Shotgun を使用すると、クリエイティブプロジェクトの管理を簡素化し、視覚効果 (VFX)、アニメーション、ゲームに携わるあらゆる規模のチームを統合できます。Shotgun は、わずか数人から数千人のユーザーをサポートできるスケーラブルなオンデマンドプラットフォームであり、世界中の 1,000 以上のスタジオで、毎日数百万のタスクを追跡するために使用されています。 このウォークスルーでは、AWS が最も厳しいセキュリティニーズにさえも対応する堅牢な SaaS アプリケーションの構築をどのように支援するか説明しています。

Autodesk は、最小限のダウンタイムでミッションクリティカルなデータベースを移行しました。この移行は、Autodesk SSO サービスの管理と回復機能の合理化、コストの最適化、インフラストラクチャメンテナンスのオーバーヘッド削減につながりました。このブログでは、移行前のアーキテクチャ、移行戦略、移行手順ついて詳しく説明し、パフォーマンスも比較しています。

Autodesk は、ソフトウェアの構築、実行、デプロイの手順を標準化するエンドツーエンドのエコシステムを作成しました。Autodesk では 1 つの Amazon ECS クラスターを使用して、Linux と Windows の両方のワークロードを実行できます。