「AIを入れたのに使えない」の本当の原因

「ChatGPTを社内に導入したけど、精度が出なくて結局使われていない」

「AIで月次レポートを自動化したいのに、どこから手をつければいいかわからない」

こうした声は、AI導入を検討している中小企業のあちこちから聞こえてきます。

ただ、このような状況の多くは、AIの性能の問題ではありません。原因のほとんどは、AIに渡すデータの側にあります。

AIはポテンシャルが高い新入社員のようなものです。大量の知識を持ってはいますが、御社の業務データや社内ルールは知りません。「来期の財務計画を作って」と言っても、これまでの財務資料や各事業部の実態を渡さなければ、平均的なアウトプットしか返ってきません。渡した途端に、精度は大きく変わります。

つまり、AIに「正しいデータ」を渡せる状態をつくること。それがAI活用の前提条件です。

今回は、中小企業がデータ基盤を整えるために本当に必要なことを、現場の実態に即してお伝えします。大規模なシステム構築の話ではありません。「正本・定義書・運用ルール」の3点セット。これだけ整えれば、AIは動き始めます。

 AIが詰まる3つの理由

1.データが散在していて「探せない」

AIに「先月の売上を教えて」と聞いても、データが複数のExcelファイル・会計ソフト・メールの添付ファイルに散らばっていると、どこを参照すればよいかAIは判断できません。

実際に、あるクライアント企業のファイルサーバーを確認したところ、Excelが階層10段にわたって散在していて、目的のファイルを探すだけで半日かかる、という状況がありました。「探す場所が決まっていない」という問題は、どれだけ高性能なAIを使っても解決しません。

2.定義が揺れていて「正しい答えが出ない」

「売上」の定義が、営業部門では受注確定ベース、経理部門では入金ベースで集計されている、というケースは珍しくありません。「案件数」のカウント方法が担当者ごとに違う、ということも起こります。

AIがこのデータを集計すると、部署ごとに違う数字を返してしまいます。これはAIの問題ではなく、定義の問題です。「AIの答えがおかしい」と感じたとき、実際には「社内の定義が統一されていない」という状況が多く潜んでいます。

3.更新されず「古い情報で判断してしまう」

データをある時点で整備しても、誰も更新しなければ3ヶ月後には使い物にならなくなります。特に、特定の担当者が時間をかけて手動でメンテナンスしているExcelは、その人が異動・退職した瞬間に止まります。

AIに古いデータを渡すと、自信満々に間違った答えを出します。これが積み重なると「やっぱりAIは信用できない」という判断につながりがちです。しかし多くの場合、問題はAIではなく、データの鮮度にあります。

中小企業の「最小構成」はこれだけでいい

「データ基盤を整える」と聞くと、DWH（データウェアハウス）やETLパイプラインといった大規模な構築をイメージするかもしれません。ただ、中小企業の現場で必要なのはそこまで大げさな話ではありません。

必要なのは「正本・定義書・運用ルール」の3点セットです。

最小構成1：データの「正本」置き場を決める

「このデータはここが正本」と決めること。Google スプレッドシートでも社内の共有フォルダでも構いません。場所が1つに決まれば、AIが「どこを参照すればよいか」を判断できるようになります。

最初から全部のデータを1箇所に集める必要はありません。「月次売上レポートに使うデータの正本はここ」という1ユースケース分から始めれば十分です。

最小構成2：データ辞書（定義書）を作る

「売上」「原価」「案件ステータス」など、社内でよく使う指標の定義を1枚のドキュメントに書いておきます。難しく考える必要はありません。「うちの売上は受注確定日ベースで集計する」とA4一枚に書くだけでも、後から発生する混乱が格段に減ります。

最初は10〜20項目で十分です。全部の指標を網羅しようとすると、作業そのものが止まります。

 最小構成3：更新ルールを決める

「誰が・いつ・どのように更新するか」が決まっていない正本データはすぐに劣化します。「毎週月曜の午前中に担当者が更新する」「システム連携で自動更新する」など、更新の仕組みがセットになって初めて正本が機能します。

更新担当者が1人しかいない場合は、その人が不在のときのバックアップ担当者も決めておくと、運用が止まるリスクを下げられます。

最小構成4：アクセス権を設定する

全員が全データを編集できる状態では、誰かが誤って書き換えても気づきません。最低限「読み取り専用」と「編集可」の2段階に分けておくだけで、意図しない改変を防げます。

給与情報・顧客の個人情報・取引先との契約内容など、機密性の高いデータは、アクセス権を明示的に設定することがセキュリティの基本です。

 どう進める？失敗しないロードマップ

Step1：ユースケースから逆算する

よくある失敗は「データ基盤を整えてから、AIの使い方を考える」という順番で進めてしまうことです。全部のデータを整備してからAIを入れようとすると、着手から数ヶ月〜1年が経過して現場の熱が冷めてしまいます。

おすすめの順番は逆です。「月次レポートをAIで自動生成したい」というユースケースを先に決め、「そのために必要なデータは売上・原価・案件数の3種類だ」と逆算する。この3種類だけをまず整備する、という進め方です。

Step2：必要なデータを棚卸しする

対象データが決まったら、「今どこにあるか」「最終更新はいつか」「誰が管理しているか」を一覧にします。このステップだけでも、「意外と使えるデータが社内にある」「この担当者が全部持っている」という発見が出てきます。

1ユースケース分の棚卸しであれば、半日あれば完了できます。

Step3：1本だけ整備して、AIに動かしてみる

棚卸し結果をもとに、対象データだけを整備します。最初の成果が出るまで、他のデータには手を出しません。

ある製造業（従業員140名）では、月次売上レポートに使うデータをGoogleスプレッドシート1本に統一し、定義書と更新担当者を決めることから始めました。その後このデータを生成AIに参照させたところ、月次集計作業が15時間から2時間程度まで短縮されています。

Step4：効果が出たら次のユースケースへ

1ユースケースでの手応えが出たら、同じやり方で次のユースケースに広げていきます。この段階で、API連携やクラウド移行の検討を始めると、コストとリスクを最小化しながら体制を拡張できます。

まず今日からできること

データ基盤整備というと大きく聞こえますが、最初のステップはシンプルです。

今使っている月次レポートで参照しているデータを、1枚の一覧にまとめてみてください。「どこにある」「誰が持っている」「最終更新はいつか」という3列だけ埋めるところから始めれば十分です。

この棚卸しを通じて、社内のデータの実態が見えてきます。散在しているのか、更新が止まっているのか、管理が一人に集中しているのか。それが明確になって初めて、「何を整えれば、AIが動き出すか」という判断ができるようになります。

大規模なシステムは必要ありません。「正本・定義書・運用ルール」の3点セット。1ユースケース分から始める。この積み上げが、AI活用の土台になります。

まとめ

AI活用がうまく進まないとき、原因はAIそのものではなく、データの持ち方や運用にあることが少なくありません。
大切なのは、最初から大がかりな仕組みを作ることではなく、まず1つのユースケースに必要なデータを整えることです。
正本・定義書・運用ルール。この最小構成が整うだけでも、AIはぐっと使いやすくなります。

-----------------------------------------------------------------------------------------

AIを活用した業務改善にお悩みですか？

NOVELでは、生成AIの導入から定着まで一気通貫で支援しています。まずはお気軽にご相談ください。

無料相談はこちら

次回ウェビナーに参加する