Gartner、AIを効果的に活用するためにデータ分析者が取り組むべき3つの指針を発表

　ガートナージャパン（以下、Gartner）は、高度なアナリティクス（AIなど）の導入を妨げる要因として、データの質の低さが2025年を通じて最も頻繁に挙げられる課題の1つであり続けるという見解を発表した。

　Gartnerが開催しているガートナー データ＆アナリティクスサミットのオープニング基調講演において、データ／アナリティクス（D&A）リーダーがAI活用を効果的に推進するための指針として、相互に関連する3つの取り組みについて解説したという。

ビジネス成果の実現を目指す取り組み

• 信頼モデルを確立する：データドリブンな企業となるためには、信頼できる高品質のデータを用いることが鍵だと同社は述べる。しかし、多くのAIの取り組みは、不十分なデータ品質が原因で成功に至っていないという。信頼モデルは、データの価値とリスクに注目し、リネージ（来歴）とキュレーションに基づいた信頼度を示す
• 生産性向上を収益化に結び付ける：総コスト、複雑さ、リスクに関連する価値と競争上のインパクトを考慮する
• データ／アナリティクスの価値を伝える：データ管理、ガバナンス、変更管理など、すべてのコストを考慮する

データ／アナリティクス能力の向上を目指す取り組み

• モジュール型のオープンなアーキテクチャを構築する：新しい要件やテクノロジーの急速な変化に対応するため、アーキテクチャのコンポーネントを更新またはリプレースする
• データをAI-Readyかつ再利用可能にする：テクノロジースタックから信頼スタックへと移行するため、FinOps、DataOps、PlatformOpsに「信頼」を組み込む
• AIエージェントの可能性を探る：アクティブメタデータを使用するAI-Readyなデータエコシステムにより、変化に適応する動的なエージェントを活用する

行動の変容を目指す取り組み

• 反復可能な習慣を確立する：データとAIリテラシーに重点を置いたトレーニングと教育を優先的に推進する
• 新しい役割とスキルを取り入れる：生成AIの変更管理要件への適応を円滑に進める役割を設置する
• 他のチームと協働する：シームレスな統合を実現するため、セキュリティやソフトウェアエンジニアリングなどの多様なチームと連携する

【関連記事】
・Gartner、「AIエージェント」と「エージェント型AI」の違いに混乱が生じていると見解を発表
・2028年までに、90％の単純作業従事者はAIなどに淘汰され職を失うか──Gartner発表
・アトラシアン「Team on Tour Tokyo」開催──AIによる新機能を紹介、満席と盛況見せる