ロッテ×日立システムズの女性CIOが語る「AI時代のデータ変革」と「自分らしいキャリアの築き方」

「蓄積したデータが使えなかった……」AI対応で長年の課題にメス

　データとAIをビジネスに統合していく道程には、多くのITリーダーが陥りがちな課題がある。両者はどのように乗り越えているのだろうか。

　日立システムズの吉田氏が明かしたのは、長年蓄積してきた「自社の膨大なデータが、いざ使おうとしたときにまったく使えなかった」ということだ。システムインテグレーターとして、プロジェクト管理や品質管理の厳格な社内規格を守り、ルール通りに膨大な記録を蓄積してきた同社。データこそがAIを動かす最大の武器になるはずだった。しかし、現実に直面した障壁は高かった。

　吉田氏は当時を振り返り、こう語る。「プロジェクトや品質の管理は数多くの帳票を整備して、その規格に従ってルールを守ってやっていますが、その記録がほぼExcelになっている。このExcelには成功したか、失敗したしか書いてなくて、なぜ成功したかとか、なぜ失敗したかまではそこからは読み取れないデータになっている」と吉田氏。AIに学習させ、プロジェクトの予測や品質向上に活かしたい「なぜ問題が生じたのか」「どのような意思決定プロセスを踏んだのか」という定性的なデータが、AIで処理しにくいExcelのフォーマットに埋もれ、記述自体も結果の二択に終始していたのだ。

　この教訓を経て、吉田氏は「これからは後続で使うことを意識した記録をしていく」という基本方針へと大きく舵を切った。結果だけでなく、問題発生の要因や意思決定の過程といった知見を資産として残し、AIによる分析や予測に活用できる形で蓄積することを重視している。その実現に向けて、AIを活用したデータ収集・記録プロセスの自動化を進め、現場負荷の軽減とデータ品質の向上の両立を図っている。

　一方、ロッテの丸茂氏も、社内の「言葉の意味の不一致」というデータ利活用における壁に直面していた。営業、サプライチェーン、財務会計など、各部門が業務の使いやすさに合わせて個別最適で構築してきたシステムからデータを一元的に集約した際、「売上」や「利益」といった基本的な言葉の定義が、各部門で少しずつ異なっていることが判明したのである。

　丸茂氏は、「システムの中にある、構造的に作られたデータを1つのデータベースの中に蓄積して、そこできちんと意味付けをする必要がある。というのも、営業部門やサプライチェーン部門、財務会計部門で使われる言葉の意味合いが違ったまま話をしているのが現状。それをそのまま集めてしまうと、AIエージェントが誤認識した答えを作ってしまうというリスクがある」とその危惧を語る。

　この課題をクリアするため、ロッテでは全社的な「意味付け（メタデータ管理）の標準化」に着手。この地道な取り組みは、AIエージェントの誤動作を防ぐだけでなく、人間同士のコミュニケーションにも付加価値をもたらしているという。これまで経営会議の前に各部門のデータを持ち寄り、“誰かが”そのズレを翻訳・調整していた。標準化された一元的なダッシュボードが完成したことで、余計な事前会議や準備時間を削減させることができた。丸茂氏は「一元的なダッシュボードを見ながら、みんなが同じ目線で会話ができるようになる付加価値はすごくある」と評価する。AIのためのデータマネジメントが、結果として人間にとっても意思決定がしやすく働きやすい環境の構築につながっているのだ。