生成AIの本番運用開始、しかし使い物にならない……高精度な自社専用LLMを実現するデータ整備の勘所

各部門のKPIは達成しているのに、経営は「赤」

　講演冒頭、Quollio Technologies 取締役副社長 COOの眞田貴央氏は、企業組織における生成AI活用の課題の本質を、製造業との構造的類似から説明。製造業では、各製造工程の数値が基準内であっても、最終検査で不具合が見つかることがある。この構造は、企業のデータ活用にも当てはまるという。

　「マーケティングがリードを獲得し、営業が受注し、カスタマーサクセス（CS）が定着支援を行い、最後に経理が経営レポートをまとめる。この流れで各部門のKPIは『緑（達成）』なのに、経営レポートを開くと全体指標が『赤（不合格）』になる──これが部分最適の弊害です」（眞田氏）

　たとえば、マーケティングがリード数を前年比200％に拡大しても、質を問わないリードばかりなら後工程に歪みが生じる。営業が値引きで受注目標を達成し、CSが契約数を維持していても、裏ではサポート工数が増え、解約が増加しているかもしれない。そうすれば、LTV（顧客生涯価値）はマイナスとなり、獲得コストを回収できず、企業全体の収益最大化は失敗に終わる。

　冒頭で示した「最終工程で初めて発覚する不具合」の原因を、同氏は以下3点に整理する。

　「単変量の通過条件、つまり個別指標を縦割りに見るだけのアプローチでは、こうした多変量の相関領域に潜む真因を捉えられません。最終工程で初めて分かる不具合は、全工程のデータを横串で見ない限り真因に到達できない。これこそが、今回の講演の出発点です」（眞田氏）