• 知見

オントロジーとは｜AIにデータの意味を渡す取り決めと、類似概念との違い

AI活用のために社内のデータ基盤を調べ始めた方は、どの資料も最後は同じ結論に行き着くことに気づいたかと思います。データが存在するだけでは足りず、AIがそのデータの意味と文脈を理解できる状態になっていなければ使えない、という結論です。ここまでは納得できても、次の一歩で手が止まります。では意味と文脈をど...

2026/8/6

• 知見

AIと業務システムをつなぐ方法｜MCP・API連携・データ基盤

「社内でAIを使えるようにしたので、次は顧客管理システムのデータも見られるようにしてほしい」。AI活用がある程度進んだ会社では、こうした要望が現場から上がってくるようになります。ところが、いざ検討を始めると手が止まります。つなぎたい相手ははっきりしているのに、つなぐ方法にどんな種類があって、それぞれ...

2026/7/31

• 知見

AI活用のための社内データ検索｜RAGの精度を上げる検索方法

社内にたまっている資料をAIに扱わせたい。そう考えて調べ始め、RAGという言葉に行き着いた方も多いかと思います。そこからもう一歩進めると、キーワード検索、ベクトル検索、ハイブリッド検索といった検索方式の名前が次々に出てきます。それぞれが何を指すのか、なぜAIに社内の資料を読ませるために新しい検索方式...

2026/7/31

• 知見

GraphRAGとは｜RAGとの違いと使い分け

社内のデータをAIで扱えるようにしたい。そう考えて調べ始めると、まずRAGという言葉に行き着きます。社内文書を検索して、その結果をAIに読ませて回答させる仕組みです。そこからもう一歩調べを進めると、今度はGraphRAG（グラフラグ）という言葉が出てきます。ここで手が止まった方もいるのではないでしょ...

2026/7/31

• 知見

データ鮮度管理とは｜AI活用で「いつの情報か」を設計する

社内の情報をAIに聞くと、古い情報と新しい情報が区別なく混ざって返ってくる。心当たりのある方もいるかと思います。「最近の状況を教えてください」と聞いているのに、返ってくるのは半年前や1年前の資料に基づいた回答です。担当者は「これはいつの話なのか」「本当に今の状態なのか」と一つひとつ疑わなければならず...

2026/7/29

• 知見

オブザーバビリティとは｜監視との違いとAI活用で見る4つの要素

「AIをやろう」という号令のもとで準備を進めていくと、「Observability（オブザーバビリティ）」「可観測性」「監視システム」といった言葉に次々ぶつかります。ところが調べてみると、出てくる解説はメトリクスだ、トレースだ、分散システムだと専門用語が並び、「結局これは何なのか」「今までの監視と何...

2026/7/29

• 連載

「データ×AI」を読み解くための用語集｜【ガバナンス・セキュリティ編】

AIの活用を進めようとすると、「データ基盤」「セマンティックレイヤー」「RAG」「ガードレール」といった言葉が次々と登場します。なんとなく意味は分かるものの、改めて問われると説明に詰まる。そんな用語が並んでいるのが、データ×AI領域の特徴です。本記事では、連載「なぜAIの話は、いつも『データ』の話に...

2026/7/31

• 連載

「データ×AI」を読み解くための用語集｜【AI編】

AIの活用を進めようとすると、「データ基盤」「セマンティックレイヤー」「RAG」「ガードレール」といった言葉が次々と登場します。なんとなく意味は分かるものの、改めて問われると説明に詰まる——そんな用語が並んでいるのが、データ×AI領域の特徴です。本記事では、これまで公開してきた連載「なぜAIの話は、...

2026/7/22

• 連載

「データ×AI」を読み解くための用語集【データ編】

AIの活用を進めようとすると、「データ基盤」「セマンティックレイヤー」「RAG」「ガードレール」といった言葉が次々と登場します。なんとなく意味は分かるものの、改めて問われると説明に困る。そんな用語が並んでいるのが、データ×AI領域の特徴です。本記事では、連載「なぜAIの話は、いつも『データ』の話にな...

2026/7/14

• 連載

AIで成果を出すためのデータ整理｜ただ集める・ただ整えるでは通用しない

AI時代に必要なデータの意義と知識を紹介する連載、なぜAIの話は、いつも「データ」の話になるのか。連載の第1回では、AIで成果が出るかどうかは、AIの性能よりも手前の「自社データの状態」で決まる——という連載全体の流れをお話ししました。第1回：なぜAIの話は、いつも「データ」の話になるのか第2回から...

2026/6/15

• コラム

「何に困ってますか」と聞いても、AIの使い道は出てこない

AI活用を進めるとき、多くの会社が最初にやることがあります。現場への困りごとヒアリングです。何に困っていますか、どの業務に時間を取られていますか。アンケートを配ることもあります。自分も同じことをやりました。新規事業の検証で顧客に話を聞くときも、業務フローを整理するために現場に入るときも、やり方は同じ...

2026/8/24

• コラム

BigQueryのDWHを非構造化データへ拡張する：データレイクハウスの全体像

BigQueryでDWH（データウェアハウス）を構築すると、売上・顧客・広告といった構造化データを統合して分析できるようになります。そこに「議事録や過去の戦略資料からも示唆を出したい」という要望が来ることがあります。PDFやPowerPoint、音声はBigQueryのテーブルには入りません。本記事...

2026/8/12

• コラム

AI-native時代のデータ人材は、意思決定のガードレールを設計する人になる

AIがSQLを書き、分析し、グラフやレポートまで出してくれるようになった時代、巷では、「データ分析者の仕事はなくなる」とも言われています。これまで人間がやってきた、そして多くの人が内心やりたくないと感じていた作業、たとえばビジネス側の依頼に応じてSQLを書いてデータを抽出したり、他の人が書いたSQL...

2026/7/17

• コラム

データレイクハウスを自分で作って分かった、AI-Ready化の本当の難所

前に、散らかった会社の情報をAIが読める形に束ねた話を書きました。「あの案件、どうなってたっけ」を探す時間を消すために、会社の情報をまるごと一つの土台にした話です。関連記事：散らかった会社の情報を、AIが「Deflagのやり方」で考える土台にした話今回は、その続きです。どう作ったかを詳細に書きました...

2026/7/17