データ活用時代のIT資産をAIにどう活かす？　アシストの専門家3名が語る“統合基盤”の要件

AI活用に向けて、押さえておくべき基盤設計の考え方とは？

染谷氏：まず押さえておくべきことは、すべてをAIに任せようとしないことだと考えています。特に、基幹システムのレポートに代表される、多くの社員が日常的に参照する定型的な情報には、何よりも正確性と鮮度が求められます。また、利用者層は幅広く、リテラシーも多様であるため、わざわざAIに問いかけるまでもなく、ツールを意識せずに情報へアクセスできる環境を整えることが欠かせません。

　基幹システムに負荷をかけずリアルタイムにデータをDWHへ連携し、正確で鮮度の高い情報をリテラシー不問で届けられる。こうした“王道”といえるデータ活用基盤は、生成AI時代においても、むしろ生成AI時代だからこそ重要性を増しています。

　一方、フロンティアAIは目覚ましい速度で進化をつづけていますが、それにともない利用コストも高騰しています。だからこそ、定型的なデータ活用はBIで、高度な分析や予測はAIで、という適材適所での使い分けがいっそう重要になります。アシストでは、こうした信頼性・鮮度・統制が求められる定型データ活用の現実解として「aebis on OCI」というソリューションの提供を開始しています。

矢野氏：データ連携基盤では単一ツールへの集約を前提とせず、用途に応じて連携手法を使い分ける必要があります。たとえば、導入済みのEAI（Enterprise Application Integration）製品に、すべての処理を集約しようとするケースは珍しくありません。しかし、「業務システム間のデータ連携」と「AI・データ活用向けのデータ連携」では求められる要件が異なります。前者では正確性や安定性、障害時の復旧しやすさが重要であり、後者ではデータ量や活用するデータの種類が増加することに対応しながら、必要なデータを適切なタイミングで連携できることが求められます。

　とある企業では、基幹系と周辺システムの連携にDataSpiderを導入していて、Snowflakeへの連携も同じツールで実現しようとしていました。ただ、要件を整理してみると、安定したバッチ連携が必要な領域と、基幹システムの更新を速やかにクラウドDWHへ反映する領域とでは、必要な技術特性が異なっていたのです。

　そこで、業務システム間の連携には既存のDataSpiderを活用し、Snowflakeにはログベースで変更データを継続的に複製する、Qlik Talend Cloudを組み合わせる構成としました。既存資産を生かしつつも用途に応じて連携方式を使い分け、安定した業務連携とデータ活用に必要な鮮度の両立を図ったのです。

　重要なことは、単一のツールで統一することではなく、業務要件や運用体制、将来のデータ量を踏まえたアーキテクチャを設計することです。

佐子氏：その上で、生成AIを業務に定着させるためには、社内に分散するデータを利用しやすい状態に整えなければなりません。Microsoft 365 Copilotをはじめ、生成AIを業務に取り入れる企業が増える一方、「期待した回答を得られない」「必要な情報にたどり着きにくい」といった声も聞かれます。その背景には、Microsoft TeamsやSharePoint、Box、Salesforce、ServiceNow、Google Workspaceなど、社内ナレッジが複数のSaaSに分散している状況があります。生成AIを活用するためには、データを横断的に検索・参照でき、適切にアクセス制御された環境が必要です。

　特定業務のためにRAGやAIエージェントを個別開発する方法もありますが、対象業務やデータソースが増えるほど、AIモデルやコネクタの更新、権限管理、精度維持といった運用負荷は大きくなります。個別開発が適する領域を見極めながら、全社で共通利用するためのナレッジ活用基盤を整えることが重要です。

　そこで、アシストではAI検索プラットフォーム「Glean」を展開しています。Gleanでは、SaaSや業務システムと連携しながら、既存のアクセス権限を踏まえた情報を横断的に検索・活用できます。こうしたナレッジ活用基盤を整えることで、社員は組織内に蓄積された情報を業務に生かしやすくなるのです。