AIに浮足立つ今こそ考えたいデータマネジメントの意義──“当たり前にデータを使える状態”を整えるには

AI投資を拡大する企業に見られるデータマネジメント「3要素」

　データドリブン経営を掲げてから長らくテクノロジーに投資をしてきた日本企業。「これからはAIだ、AIエージェントだ」と盛り上がるのはよいが、果たしてどれほどの企業が理想的な活用が実現できる環境を整えられているだろうか。多くの企業が意欲的にPoCに取り組むものの、ほとんどのプロジェクトがその後の本番稼働、そして大規模展開に漕ぎ着けられないといった悩みを聞く機会も増えていることから、その道のりは決して平たんではないことがうかがえる。

　とはいえ、どの部署でもAI活用を自分ごととして捉えているのは、ポジティブな変化といえるだろう。クラウドETLの「TROCCO」の提供で知られるprimeNumberの山本健太氏は、多くの顧客との対話から見えてきたデータ活用先進企業の特徴として、以下の3つを挙げる。

1. CDO（Chief Data Officer）のようにビジネス観点で意思決定ができる責任者がいること
2. 会社としての優先順位が明確であること
3. 施策を実行まで落とし込めるスキルを持った人材が現場にいること

　この3つがそろっている企業は、データ基盤やデータマネジメントの重要性を理解しており、AI投資をスケールさせるポテンシャルがあると山本氏は話す。「事業のトップラインを伸ばすためには何をすべきか」「攻めの目標を定め、それを実現するためにはどのような守りが必要か」といった“メリハリを付けた投資”ができることは、経営層からリーダーに裁量が与えられている証でもあるためだ。

　また同氏は「AI-Readyなデータ環境の条件を掘り下げて解釈してみると、『データ品質が高く維持されていること』『メタデータが充実していること』『安心してデータを使えるガバナンスが担保されていること』の3つがそろっている」と指摘する。

　1つ目の条件となる「データ品質が高く維持されていること」について、品質が低くなる要因を掘り下げてみる。まず人間がAIをつかうとき、人間だけではなくAIも「データユーザー」になる。常に最新のデータにアクセスできればよいが、更新処理のタイミングによっては、古いデータを参照する可能性があるだろう。経験豊富なデータアナリストであれば、ダッシュボードを確認して「処理中のデータが古いのではないか」と勘を働かせ、データソースを確認しての修正に対応できるかもしれない。しかし、企業規模が大きくなればなるほどデータアナリストの目が行き届かなくなるため、このような修正は難しくなっていく。

　加えて、AIがデータエンジニアリングプロセスに関与するようになれば、問題はさらに複雑になる。状況や前後の文脈を理解できないAIは、古いデータをそのまま参照し、一見すると妥当に見えても実際には役に立たない結果を出力してしまう。たとえAI導入を組織全体に拡大しようと計画している企業がいたとしても、このように精度の低い回答結果が出されているようでは「これ以上の投資は難しい」と判断してしまうのは当然だろう。AIの出力結果を制御するためには、AIが参照するデータの品質を、人間が意識することなく維持できる水準に引き上げることが重要なのだ。