「データを整えるだけ」の常識は通用しない　BI時代から脱却する、AI時代のデータガバナンス

なぜ「データガバナンス」の再設計が必要なのか

　これまでの企業におけるデータ活用は、主にBIツールや分析基盤を用いて進められてきた。データにアクセスし、加工し、分析し、意味を読み解くのは、一定の知識を持つ担当者が中心だった。ところが生成AIは、その前提を大きく変えた。自然言語で問いかけるだけで、社内文書の要約、ナレッジ検索、レポートのたたき台作成、問い合わせ対応支援などが可能だ。データ活用の間口が一気に広がり、現場の誰もがAIを介して情報に触れ、業務にデータを活用する時代が始まっている。

　一方、この変化は新たな難しさも生む。生成AIの出力は、業務システムのように固定的ではない。誰が、どのように問い、どの情報を参照し、どのモデルを使ったのかによって出力結果が変わる。しかも、その回答はもっともらしく見えるため、誤りを見抜きにくい。

　つまり、生成AI時代の問題は「データを整備しておけばよい」では終わらない。整えたデータが、AIによってどう解釈され、どのような形で提示され、誰の判断に使われるのかまでを含めて見なければならないのである。

　さらに重要なのは、その判断を人がどのように受け取り、どの程度依存し、最終的にどのように意思決定するのかという点まで含めて設計対象となることだ。

本稿における「データガバナンス」と「AIガバナンス」の切り分け

　生成AIの活用を考える際、AIとデータをそれぞれ統制する必要があり、完全に切り離して考えることはできない。AIは、さまざまなデータや情報を参照し、それを基にして回答や文章を生成するためである。つまり、AIの使い方を考えれば、必ずデータの扱い方という問題にも行き着く。

　その上で、本稿では両者を次のように整理する。

　本稿では、データガバナンスを中心に扱うが、実務上の整理としてAIツールやAIの利用そのものに関する統制はAIガバナンスとして、データや情報に関する統制はデータガバナンスとして扱う。

　たとえば、「どの生成AIサービスを使ってよいか」といったテーマはAIガバナンスに属する。一方で、「どの情報をAIに入力してよいか」「AIに参照させる文書はどれか」「回答の根拠や履歴を後から確認できるか」といったテーマは、データガバナンスとして捉える。

　では、そのうち本稿が焦点を当てるデータガバナンスは、生成AIの登場によって何を変え、何を変えずにおくべきなのだろうか。