「コストセンター」だったデータ基盤が、AIで反転する

データ基盤は、長らく「コストセンター」として扱われてきました。しかしAIの登場で、その評価は反転しつつあります。
これからの経営は、データ基盤を抜きにして語れない時代に入った——というのが本記事の中心となる主張です。

Deflagの取締役CDOとして複数の現場を見てきた立場から、その構造と、いま経営者が直面している分かれ目について述べます。

データ基盤は「集めて整える」で止まっていた

少し前まで、データ基盤は「集めて整える」ことに価値の大半がありました。
各事業のシステムからデータを抽出し、社内のDWHに統合し、分析に使える形に整える。そこで仕事の多くは終わっていたのです。

なぜ「集めて整える」で止まっていたか。
整えたデータを意思決定につなげるまでの間に、3つの壁が立ちはだかっていたからです。

1つめはSQLの壁。
データ基盤に何が入っていても、SQLを書ける人にしか引き出せない。営業も経営も、見たいデータを直接取りに行けず、間に必ず誰かが介在する状態が続いていました。

2つめはBIの壁。
BIツールを入れれば「セルフサービス分析」と謳われましたが、実際にはダッシュボードの設計や指標の定義づけにエンジニアが関与し続け、現場が自由に問いを立てるところまではなかなか到達しません。

3つめはデータサイエンス力の壁。
予測や最適化など、データを使って「実行」までつなげる仕事は、専門人材なしには動かない。
多くの会社で、貯めたデータが「分析できる」ところまでは届いても、「実行を変える」ところには届かないまま終わっていました。

この3つの壁があるかぎり、データ基盤は「貯めるだけのコスト」に見えてしまいます。
社内では「コストセンター」として扱われ、地味に貯めて、地味に整えて、ROIが見えづらく、予算を取りに行くたびに説明に追われる。
それがデータ基盤に関わってきた人たちの、長らくの景色でした。

AIが、3つの壁を取り払う

ところが、AIの登場でこの3つの壁が、ほぼ同時に崩れはじめています。

SQLの壁は、自然言語で問いを投げればAIがクエリを書く時代に変わりました。
BIの壁は、誰かが整えたダッシュボードを見るのではなく、「あの数字を、こう切って見せて」と話しかければ返ってくる方向に向かっています。
データサイエンス力の壁も、専門知識のない担当者が予測モデルを試したり、その結果を実行に組み込んだりすることが、現実的なコストでできるようになりつつあります。

経営も、マーケも、営業も、開発も、それぞれの言葉でデータに直接触れに行ける。間に、データを挟む必要がない——これがいま起きている変化の核心です。

少し前まで、経営者が「あの案件、いまどうなっている?」と聞けば、経営企画の誰かが関連情報を集め、整え、報告書にまとめて返していました。
3日で出てくれば相当ちゃんとした経営企画です。実際にはもっとかかっていた、という会社も少なくないはずです。

それが、プロンプトを投げれば、すぐに返ってくる時代に入りつつある。
経営者本人が、自分の問いに対して、自分のタイミングで答えに届ける。
データと意思決定の間にあった「翻訳の人手」が、構造として不要になっていきます。

だから今、データ基盤の価値は反転する

3つの壁が崩れることで、データ基盤の価値は反転します。

「貯めるだけのコスト」だったものが、「経営の意思決定の解像度を変える土台」に変わる。
ROIが見えづらかったものが、経営者が日々問いを立てるたびに、その精度とスピードに直接効くようになるのです。

これは経営にとって地味ではなく、むしろインパクトが連鎖する変化です。
経営者が会社の状況に深く触れられるようになると、判断の精度が上がる。
判断の精度が上がると、会社のパフォーマンスが上がる。
パフォーマンスが上がる手応えがあると、データ基盤への投資のモチベーションが上がる。
投資が増えると、もっと多くの問いに答えられるようになる。
「投資 → 解像度 → 判断 → パフォーマンス → 投資」のループが回り始めるのが、これから起きることです。

これまで「コストセンター」として扱われてきた仕事と、その成果物が、いま初めて「会社に直接利く資産」として位置づけ直される。
これは、データ基盤に関わってきた人だけの話ではありません。
経営者が「この会社のどこに、どれだけ投資すれば、どんな果実が取れるのか」を、真っ当に判断できるようになるということです。
データ基盤への投資判断が、もはや「いつかやるIT投資」の枠から、「経営の意思決定を支える本丸の投資」の枠に移っていくということでもあります。

ただし現実は、二極化している

ここまで読むと、AIの追い風で誰もが恩恵を受けるように聞こえるかもしれません。けれど現実は、二極化しています。

私はこれまで複数の事業会社の経営層と、データ×AIの活用について対話を重ねてきました。その中で、データ基盤が整っていない会社で繰り返し見てきた「景色」があります。

1つめは、経営会議の意思決定材料が作れないこと。
事業別、顧客セグメント別、チャネル別の収益や投資効率を見ようとしても、データが分散していたり、定義が揃っていなかったりして、出てきた数字に整合性が取れない。会議のたびに「この数字、合ってますか?」という確認で時間が溶けるという景色です。

2つめは、投資判断が定量化できないこと。
新規事業の意思決定、M&Aの検討、既存プロダクトへの追加投資。どれも「自社のリソースがどこにどれだけ流れていて、どこに伸び代があるか」が見えないと、定量的な根拠を伴う判断にはなりません。
仮説はあるのに、それを裏付けるデータが揃わない、という構造です。

3つめは、KPIモニタリングが手動運用で回っていること。
月次・四半期の進捗や差異分析を、毎回誰かが手で集計している。ようやく集計が終わって経営会議に出てきた時には、議論の鮮度が落ちている。
「このまま続けて誰がボトルネックになるのか」という問いが、いつも遅れて立ち上がります。

最後に、経営の問いに即答できないこと。
「あの案件、どうなった?」「あの顧客との取引、過去どんな経緯があった?」が、人に聞かないと出てこない。
しかも人ごとに答えが違う。意思決定の前提が、人の記憶と気分に依存している状態です。

これら4つは、すべてAIで解消できる課題です。けれど、AIを入れたところで、データ基盤の中身が分散していたり、整合性が取れていなければ、AIから返ってくる答えも信頼できません。
仮説は立てられても、検証するためのデータがない、という状態が続きます。

ここで起きているのは、コツコツとデータに投資してきた会社が果実を刈り取り始め、そうでない会社はAIを入れても答えに届かない、というはっきりした分岐です。
各システムがバラバラに入っていて、定義が揃っていなくて、社員番号や顧客IDが複数の系で食い違っている。
そういう会社でAIを立ち上げようとすると、議論はいつも「まずデータを揃える話から」に戻ります。
AIの進化が早ければ早いほど、それを使える土台がない会社との差は、加速度的に開いていきます。

これからの経営の前提

これから経営者が向き合うべき問いは、シンプルです。

全社のあらゆる活動が、漏れなくデータ化され、基盤に入っているか。

これがいま、AI時代の経営インフラの定義です。基幹システムにも、業務システムにも、ドキュメントにも、コミュニケーションにも、過去の意思決定の経緯にも、人の動きにも、全社のあらゆる「過去」が漏れなくデータとして残っていて、それを横断的に引き出せる土台がある。
これがあって初めて、AIが会社の問いに対して意味のある答えを返せるようになります。

逆に言えば、ここに穴がある会社は、AIを入れても、入れただけでは答えに届けません。経営の問いの一部にしか答えられないAIは、その一部の判断にしか効かない。残りの大半は、これまで通り「人の手で集めて、人の頭で繋ぐ」運用が続きます。

これからの数年で、「経営者が自分の問いに直接答えに届ける会社」と、「人の手で集めて、人の頭で繋ぐ会社」の差は、意思決定のスピードと精度の差になり、最終的に事業のパフォーマンスの差になります。

データ基盤は、もう単なるコストではありません。これからの経営の前提を支える、最も足元の土台です。
社内で「データ基盤の議論を、いつ、誰が立てるか」を、今日決める価値があります。