「AIを使いたいけど、うちのデータって本当に使えるのかな……？」

そんな不安を感じている企業は少なくありません。ChatGPTなどの生成AIを導入しても、社内データの状態が整っていなければ、期待した答えが返ってこないことはよくあります。そこで「やっぱりAIは使えない」と判断されがちですが、実際にはAIそのものではなく、データの準備状況がボトルネックになっているケースがほとんどです。

AIは一般的な知識には強くても、自社特有の業務知識や文脈までは持っていません。たとえば、経営企画が「来期の財務計画を作って」と依頼しても、財務資料や営業担当ごとの実績データが渡されなければ、返ってくるのは”それらしい一般論”にとどまります。
つまり、AIが使えないのではなく、判断に必要な文脈が渡っていないことが問題なのです。

最近では、こうした文脈やデータをAIに適切に渡す考え方を、プロンプトの工夫により広い意味でコンテキストエンジニアリングと呼ぶこともあります。どのデータにアクセスさせるか、どんな情報を参照させるまで含めて設計できるかどうかが、AIを活用できる企業とできない企業の分かれ目になっています。

この記事でわかること

- 「AIに食わせる」目的は3種類あり、目的によって必要な準備が変わること

- AI活用に必要なデータの4条件がわかること

- 自社のデータ整備をどこから始めればよいかの考え方がわかること

「AIに食わせる」目的は3種類ある

ひと口に「AIにデータを食わせる」と言っても、何をしたいのかによって必要な準備は変わります。ここが曖昧なままだと、何を整えるべきかも決まりません。まずは、自社がどの用途を目指すのかを整理しておきましょう。 

1. 検索して答えさせたい

社内の情報をAIに聞けるようにしたいケースです。

たとえば、

- 「この取引先との契約条件は？」

- 「この手続きの申請方法は？」

- 「過去の議事録のどこに書いてある？」

といった質問に答えさせる使い方です。
最近では、ChatGPTとGoogle Driveなどを連携して、社内資料を検索させる活用を進める会社も増えています。ただし、この場合に重要なのは、マニュアルや議事録、契約書などの情報がどこにあるか明確で、しかも最新であることです。古い資料や散らばったファイルしかない状態では、AIも正しく答えられません。

2. 集計・分析させたい

データをもとにレポートや分析を自動化したいケースです。

たとえば、

- 「先月の売上を担当者別にまとめて」

- 「受注状況から来月の着地を予測して」

- 「粗利の低い案件の傾向を見たい」

といった用途です。
営業DBや売上データがきちんと整っていれば、AIが「売上の7割を上位10社が支えている」といった具体的な示唆を返せるようになります。一方で、定義が部署ごとに違っていたり、同じ顧客データが複数の場所に分散していたりすると、AI以前に分析そのものがズレます。

3. 処理を自動化させたい

定型業務をAIに任せたいケースです。

たとえば、

- 受注メールから受注票を作る

- 請求書と入金情報を照合する

- 問い合わせ内容を分類して担当者に振り分ける

といった使い方です。
この場合は、メール、PDF、帳票などのデータがある程度決まった形で扱える状態になっている必要があります。必要な情報をAIが取り出しやすい形で渡せれば、定型業務の自動化はかなり現実的になります。逆に、入力の形式が毎回バラバラだと、精度は安定しません。

なぜ「データを食わせる」必要があるのか

AIは非常の多くの知識を持っていますが、あくまで一般論に強いだけで、自社の前提までは知りません。

たとえば、経営企画が来期の経営企画を考えたいとします。このとき、財務資料や売り上げ構成、営業メンバーごとのパフォーマンスデータが渡っていなければ、AIは業界の一般論や平均的な計画しか返せません。すると、「やっぱりAIは使えない」という感想になりがちです。

しかし実際には、必要な文脈が不足しているだけというケースが多くあります。データや文脈を渡せば渡すほど、AIの出力は業務に近づいていきます。
AI活用で差がつくのは、モデルの性能差よりも、必要な情報にどうアクセスさせるかの設計部分です。

中小中堅企業でよくある「AI以前の壁」

AI活用の相談を受ける中で、100〜500名規模の企業では、共通して出てきやすい課題があります。どれも珍しい話ではなく、多くの会社で起きています。

1.野良ツールが増えている

担当者ごとにExcelやVBAで業務自動化ツールを作ってきた結果、退職や異動のたびに“誰が何を使っていたのかわからないツール”が積み上がっているケースがあります。
担当者ごとに別々のExcelを使っていて、同じ業務なのにデータの持ち方がバラバラ、という状態も少なくありません。

この状態では、AIがどのデータを参照すべきか判断できません。そもそも人間側も全体像を把握できていないことが多く、AI導入以前に「データの所在」が課題になります。

2.データが散在している

クラウド化が進んでおらず、ローカルサーバーや個人PCの中に情報が分散している会社もまだ多くあります。
たとえば、誰でもSQLでテーブルを追加できる環境のまま運用されていて、同じ顧客管理データベースが複数乱立しているようなケースです。AIからすると、どれを参照すればよいのかわかりません。これは人間が見ても同じです。

また、AIは基本的にクラウド上で使うことが多いため、個人PCの中にしかないファイルにはアクセスしづらいのが実情です。まずは必要な情報をクラウド上で扱えるようにすることが、出発点になります。

3.表記ゆれで検索が機能しない

一見小さな問題ですが、表記ゆれはAI活用にとって大きな障害になります。

たとえば、同じ顧客なのに

• 「㈱ABC」

• 「株式会社ABC」

• 「ABC社」

のようにバラバラに入力されていると、検索や集計の精度が落ちます。AIは万能に見えても、元データの揺れを完全に無視できるわけではありません。
「検索しても欲しい情報が出てこない」「分析結果に違和感がある」といった問題は、こうした細かなデータ品質の乱れから起きることが多いのです。

4.データ整理が後回しになりやすい

AIのためにデータベースを整理したり、クラウド化を進めたりする取り組みは、社内ではどうしても地味に見えがちです。新しいAIツールを導入する話に比べると、わかりやすい派手さがありません。

そのため、多くの会社ではまずChatGPTなどを使い始め、次に「社内データも検索させたい」と思った段階で初めて、
「そもそもファイルがどこにあるかわからない」
「欲しい情報が個人PCの中にある」
「形式がバラバラでつなげられない」
といった課題に気づきます。

つまり、AI活用は新しい技術の話であると同時に、データ整理の必要性に気づくきっかけでもあるのです。

AIに使えるデータの「4条件」とは？

AI活用の可否を判断するときは、難しく考えすぎなくて大丈夫です。まずは次の4つを満たしているかどうかを見ると、現状がかなりはっきりします。本ブログではこれを、

「探せる・揃ってる・更新される・安全」の4条件として整理しています。

 1. 探せる

データの場所が決まっていて、関係者が迷わず見つけられる状態です。

- どこにあるのかわからない

- 担当者に聞かないと見つからない

- 毎回「最新版どれですか？」が発生する

こうした状態では、AIも参照すべき情報にたどり着けません。

AIが使えるデータは、人間にとっても探しやすいデータです。 

建設会社の事例では、設計資料のフォルダが10階層以上に分かれており、必要なファイルを探すだけで半日かかっていました。こうした状態でも、資料を整理し、AIが参照しやすい形にできれば、探索にかかる時間を大幅に減らせます。

2. 揃ってる

定義が統一され、欠損や表記ゆれが少ない状態です。

たとえば、顧客名の表記が「株式会社ABC」「（株）ABC」「ABC社」で混在していると、同じ会社なのに別データとして扱われてしまいます。集計のたびに「この数字おかしくない？」が起きるなら、この条件が弱いサインです。

Excelや帳票の中身をそのまま置いておくだけでは、AIにとって使いやすい形にはなりません。まず必要なのは、中身をテキストとして扱えるようにし、カテゴリ分けやタグ付けを進めることです。そうすることで、AIが意味のまとまりとして情報を扱いやすくなります。

3. 更新される

更新担当、更新頻度、運用ルールが決まっていて、最新状態が保たれていることです。

AIは、古い情報でももっともらしく答えてしまうことがあります。データ自体が更新されていなければ、出力も当然ズレます。AI活用で見落とされやすいのが、この「更新の仕組み」です。

せっかく検索できるようにしても、参照先が古いままなら意味がありません。AI活用を継続的な成果につなげるには、データを更新し続ける運用もセットで考える必要があります。

4. 安全

アクセス権や持ち出しルールが整理されていて、機密情報の扱いが明確であることです。

とくに生成AIを使う場合は、

- 誰が閲覧できるか

- 外部AIに貼ってよいか

- 個人情報や機密情報が含まれていないか

を事前に判断できる状態にしておく必要があります。便利さだけで進めると、セキュリティ事故につながりかねません。

まず何から始めればいいのか

ここまで見ると、「やることが多そうだ」と感じるかもしれません。ですが、最初からすべてを整える必要はありません。

大切なのは、まず1つの業務、1つのデータに絞ることです。

たとえば、

• 契約書を検索できるようにしたい

• 売上データを分析できるようにしたい

• 問い合わせ対応を自動化したい

など、使いたい場面を1つ決めます。
そのうえで、その業務で必要なデータが「探せる・揃ってる・更新される・安全」の4条件を満たしているかを確認します。

さらに、個人PCに眠っているファイルをクラウドへ移す、Excelの中身をテキストとして扱えるようにする、カテゴリ分けやタグ付けのルールを作る、といった基本整備から始めるだけでも、AI活用の土台はかなり変わります。

まとめ

最短ルートは「1業務×1データ」から始めることです。

今回のポイントは、次の3つです。

• AIにデータを使わせる目的は、「検索」「分析・壁打ち」「自動化」の3種類に分かれる

• AI活用できるデータには、「探せる・揃ってる・更新される・安全」の4条件がある

• すべてを一度に整えるのではなく、使いたい業務とデータを1つに絞ることが重要

AI活用を進めるうえで大切なのは、最初から完璧なデータ基盤を目指さないことです。

まずは、「どの業務でAIを使いたいのか」を1つ決める。
次に、その業務で使うデータが4条件を満たしているかを見る。
そのうえで、足りない部分から整えていく。

この順番で進めれば、AI活用はぐっと現実的になります。

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

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