人工知能は新たな運用段階に入ろうとしており、多くの企業は、その基盤が追いつかないほどのスピードで前進している可能性がある。
過去2年間、各組織は生成AIモデルやコパイロット、生産性の向上に重点を置いてきました。しかし、企業向けAIの次の波は根本的に異なります。エージェント型AIシステムは、ワークフローの自動化、意思決定の調整、下流のアクションのトリガー、そして企業システム間での相互連携を、ますます自律的に行い始めています。
これにより、企業のリーダーがデータ基盤に求める要件も変化することになります。
もはや問題は、AIがインサイトを生成できるかどうかという単純なものではありません。より重要なのは、AIが、自身が処理するデータの背後にあるビジネスコンテキストを真に理解しているかどうかという点です。
その文脈が欠如していると、組織は、企業システム全体や顧客体験において、一貫性の欠如や業務の複雑化を拡大させてしまうリスクを負うことになる。
企業のリーダーたちからますます多く提起されている疑問は、次の通りです：
「顧客が当社のカテゴリー内で検索した際、なぜChatGPTは当社の製品を推奨しないのか？」
その答えは、多くの場合、AIシステムの基盤となる企業データの品質、一貫性、そして信頼性に帰着します。
AIエージェントがユーザーや組織に代わって推奨や意思決定を行うようになるにつれ、信頼できるビジネスコンテキストの重要性はますます高まっています。
先日、エージェント型AIに関するポッドキャストの一環として、Microsoft Fabricのプロダクト担当シニアディレクターであるロイ・ハッソン氏と対談する機会を得て、信頼できるビジネスコンテキストが、エンタープライズAIの導入準備と長期的な拡張性にとってなぜ基盤となっているのかについて探りました。
この対談では、以下のことがわかります：
-
生成AIからエージェント型AIへと焦点を移す際にCIOが直面する新たな課題
-
AIシステムにとって「ビジネスコンテキスト」が実際に何を意味するのか
-
AI導入に向けた準備において、マスターデータ管理がなぜ重要になりつつあるのか
-
AIエージェントがデータエンティティ間の信頼関係にどのように依存しているか
-
AIエージェントを大規模展開する前に、企業のリーダーが考慮すべき点
企業のAIにおける課題は、もはやデータ量の問題ではない
大半の大企業は、すでに効果的に管理しきれないほどのデータを保有している。そのため、AIに目を向けている。
真の課題は、ビジネス上の意味がシステム、チーム、ワークフローの間に断片化されていることにある。
顧客レコードはアプリケーションごとに異なります。製品の定義は地域や事業部門によって異なります。サプライヤーとの関係、運用ルール、コンプライアンス要件は、多くの場合、ガバナンスモデルが統一されていない、相互に連携していないシステムに分散して管理されています。
通常、人間は経験や組織の知見を通じて、こうした不整合を補うことができます。
AIエージェントにはそれができません。文脈がなければ、不可能です！
AIエージェントは、製品とサプライヤーの関係、顧客と地域の関係、ポリシーとコンプライアンス要件の関係、そして企業全体で運用ルールがどのように適用されるかを理解する必要があります。
信頼できるビジネス基盤とセマンティックデータモデルがなければ、AIは複雑さを解消することはできません。むしろ、それを増幅させてしまうのです。
だからこそ、先進的な組織は、次のような問いかけから脱却しつつあるのです：
-
「当社のAIモデルはどれほど高度か？」という問いから、
-
「当社のAIは、安全かつ賢明に行動できるほどビジネスを十分に理解しているか？」
企業が実験段階から実運用段階へと移行するにつれ、この区別はますます重要になってきています。
AIエージェントにとって、信頼できるビジネスコンテキストが重要な理由
従来の生成型AIシステムは、主に人間の生産性を支援するものでした。エージェント型AIでは、AIシステムが組織に代わって行動を取り始めているため、これまでとは異なるレベルの責任が求められます。
AIエージェントは近い将来、次のようなことを行うようになるかもしれません：
-
ワークフローの承認を自動化する
-
業務上の意思決定を提案する
-
システム間の連携
-
下流のビジネスプロセスを起動する
-
アプリケーションやチーム間のタスクを調整する
しかし、自律型システムは、信頼性が高く、ガバナンスが確立されたビジネス環境下で運用されて初めて、その効果を発揮します。
顧客データに一貫性がなければ、AIによる推奨事項にも一貫性が失われてしまいます。
システム間で製品の定義が異なると、AIによる自動化は信頼性を失うことになる。
ガバナンスが分断されていると、組織はAIによって生成された行動や意思決定を説明したり、信頼したりすることが困難になる可能性があります。
こうした状況において、セマンティックデータモデルを用いたマスターデータ管理の戦略的重要性は格段に高まります。
従来、多くの組織はマスターデータ管理をバックオフィスのIT整備の一環と捉えていました。しかし今日では、それはエンタープライズAIの基盤となる機能へと進化しつつあります。
信頼性の高いマスターデータの基盤は、組織全体にわたって顧客、製品、サプライヤー、拠点、およびそれらの関係性を一貫して表現します。この基盤は、多くの経営幹部が現在「ビジネスのデジタルツイン」と呼ぶものを確立するのに役立ちます。
AIシステムにとって、そのデジタルツインは、企業環境全体で一貫した推論を行うために必要なビジネスコンテキストを提供します。
AIエージェントは、共有されたビジネスコンテキストに依存しています
企業がワークフローやアプリケーション全体でAIエージェントを導入するにつれ、信頼性の高いビジネスコンテキストの重要性はますます高まっています。
ポッドキャストの中で、ハッソン氏は、課題はもはや単にモデルやツールだけにとどまらないと強調した。Copilot、Copilot Studio、Fabric Data Agentsといった技術により、エンタープライズAIはより利用しやすくなっている。次の課題は、AIシステムが適切なビジネスコンテキストを把握し、知的な意思決定を行えるようにすることである。
AIエージェントが孤立して動作することはほとんどありません。あるシステムが顧客情報を取得し、別のシステムがアクションを推奨し、さらに別のシステムが下流の業務プロセスをサポートする場合もあります。もしこれらのシステムが、一貫性のない製品定義、断片化された顧客レコード、あるいは連携されていない企業データに依存している場合、AIによる成果の信頼性は低下してしまいます。
だからこそ、エンタープライズAIの成功は、単にモデル選定だけにかかっているわけではないのです。
エージェント型AIの導入を準備している組織は、以下の点を優先すべきです：
-
信頼性の高いビジネス定義
-
連携された企業データ
-
一貫性のある顧客および製品情報
-
システムやワークフロー全体でのコンテキストの共有
-
中核となるビジネスエンティティと関係性の可視化
議論で明らかになったように、エンタープライズAIの将来は、生のデータ量に左右されるというよりは、AIシステムがビジネスの実際の運営状況を理解できるかどうかにかかっている。
経営幹部が得るべき3つのポイント
-
エージェント型AIは企業データの役割を変える： 生成AIとは異なり 、AIエージェントは行動を起こし、意思決定を行う。そのため、信頼性の高い企業データの重要性がますます高まっている。
-
信頼できるビジネスコンテキストは、AIがより賢明な意思決定を行うのに役立ちます：マイクロソフトやStibo Systemsが論じたように、AIシステムにはモデルだけでは不十分です。効果的に機能するためには、正確で文脈に沿ったビジネスデータが必要です。
-
マスターデータ管理は、スケーラブルなAIの基盤構築に寄与する： 顧客、製品、サプライヤー、および運用データの一貫性が確保されていれば 、AIシステムは企業全体のワークフローや顧客体験において、より信頼性の高い推論を行うことができる。
エンタープライズAI変革の次の段階は、単にモデルの大規模化や自動化の高速化だけで定義されるものではありません。
その成否は、企業がAIが責任を持って、一貫性を持って、かつインテリジェントに大規模に稼働するために必要な、信頼性の高いビジネス基盤を構築できるかどうかにかかっているのです。
だからこそ、AIをめぐる議論は、データの量からビジネスへの理解へとシフトしつつあるのです。
結局のところ、AIが発揮できる知性は、その基盤となる土台が持つ知性以上のものにはなり得ないからです。
詳細はこちら
エージェント型AIやビジネス対応型のAI体験において、信頼性が高く文脈に沿ったエンタープライズデータがなぜますます重要になっているのか、マイクロソフトとStibo Systemsの見解をご覧ください。
