• 知見

データレイクハウスとは｜データウェアハウス・データレイクとの違いと、AI活用を進める会社が選ぶべき理由

経営者がAIに「一番多い失注要因はなにか」「あの時期に売上が落ちた要因は何か」と尋ねる。ところが返ってくるのは、社内の商談履歴でも議事録でもなく、どこかネットに転がっていそうな一般論を混ぜ合わせた、当たり障りのない答えです。経営者は「ChatGPTも、結局この程度か」「うちにはまだ早いな」と、静かに...

2026/6/19

• 知見

AI業務自動化を事業部主導で進めるための分業設計｜個人で動かせる「点」、開発が要る「線」

「商談の評価も、問い合わせの一次対応も、レポート作成も、AIで自動化したい。」 事業部でAI活用を任された推進担当者の方から、こうした相談をよく聞くようになりました。特徴的なのは、やりたいことのイメージがかなり明確に描けている、という点です。 たとえば「問い合わせフォームに届いた内容が自動で記録され...

2026/6/12

• 知見

AI導入の有無が生む差｜データと歴史で読む競争力格差

ChatGPTは触ったことがある。成功事例の記事も読んだ。市場が伸びていることも知っている。それでも、「では、入れないとどうなるのか」という問いに、自社の業務に引きつけて即答できる経営者の方は、意外と多くないように感じます。 多くの場合、危機感の出どころは「競合が使い始めたらしい」「取引先や投資家か...

2026/6/12

• 知見

MCPとは何か｜AIと業務システムをつなぐ接続規格を、どの業務から試すか

AI推進を任され、自分でも情報を集めはじめると、どこを見ても「MCP」という三文字に出くわす。そんな方は多いのではないでしょうか。解説記事を読むと「AIと外部システムをつなぐ規格らしい」までは理解できます。ところが、自社で何にどう使うのか、最初の一歩は何かとなると、持ち帰れる記事は多くありません。仕...

2026/6/2

• 知見

「AI導入、まず何から」の前にある本当の障壁——業務プロセスを見直す余白がない

「AI導入、まず何から始めればいいか」——この問いへの答えは、実のところ多くの担当者がすでに知っています。目的を整理し、業務プロセスを見直し、小さく始める。どれも正論で、頭では理解しているはずです。それでも動き出せない、というのが実際のところではないでしょうか。動き出せないのは、知識が足りないからで...

2026/6/2

• 知見

個人で動いたAIが、組織で動かないのはなぜか——生成AIの仕組みから読み解く「ツール化・商品化」の設計差と人材要件

ある担当者が、自分の業務に合わせてプロンプト（生成AIへの自然言語の指示書）を磨き込み、提案資料のたたき台や定型レポートの下書きを「動くもの」として作り上げる。社内で評判になり、上司や経営層から「それ、部門全員で使えるようにしてくれないか」「商品として外販できないか」と声がかかる。ところがいざ組織展...

2026/6/1

• 連載

データとAIが生み出す企業の成長サイクル｜AI-Readyな企業とは

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。前回の連載：第6回では、整ったデータを保ち続けるための役割の明文化と形骸化しないための工夫に関してお話しました。前回の記事：整えたデータを保ち続ける組織のつくり方｜データオーナーとデータスチュワード今回...

2026/6/19

• 連載

整えたデータを保ち続ける組織のつくり方｜データオーナーとデータスチュワード

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。前回の連載：第5回では、整ったデータを安心してAIに渡すためのガバナンス：データ分類・アクセス制御・ガードレール・リネージと監査ログに関して解説しました。前回の記事：整ったデータを安心してAIに渡すため...

2026/6/19

• 連載

整ったデータを安心してAIに渡すための4つの打ち手

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。前回の連載：第4回では、非構造化データをAIが使えるようになるための打ち手と構造化データとの統合管理に関して解説をしました。前回の記事：非構造化データをAIが使えるようになる4つの方法｜統合管理のための...

2026/6/19

• 連載

非構造化データをAIが使えるようになる4つの方法｜統合管理のための3レイヤー

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。前回の連載：第3回では、売上や顧客数、在庫といった、表形式の数値データ——構造化データを整える4つの定石を見てきました。 本回は、第3回(構造化データの打ち手)に続く「打ち手編2本目」にあたります。前回...

2026/6/19

• 連載

AIが使えるデータ基盤の作り方｜構造化データを整える4つの定石

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。前回の第2回では、データが整っていないとAIが実際どう困るのかを、9つの失敗パターンとして見てきました。前回の記事：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第3回から第6回...

2026/6/19

• 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

「データドリブン」の前に、守破離の「守」を

「AIネイティブ」「データドリブン」は、土台を飛ばした言葉だ「AIネイティブ」「データドリブン」という言葉が、データを扱う人の新しい必須条件のように語られています。これらを使いこなせれば、過去の地道な技術はもう要らない、という空気さえあります。ですが、これらは基礎を積んだ先に見える応用の景色であって...

2026/6/19

• コラム

暗黙知を書く仕事

「先週の売上は？」に答えられないAIエージェントAIエージェントに「先週の売上は？」と聞いたら経理が締めた数字と違う値が返ってきた、という失敗談があります。エージェント導入の現場でよく語られるもので、米国のベンチャーキャピタルa16zもデータエージェントの典型的なつまずきとしてこの例を挙げています。...

2026/6/17

• コラム

全員アナリストの時代と、これからのデータ組織

これまでのデータ組織が引き受けてきた役割「データ組織」「データ分析チーム」「アナリティクスチーム」。社内でこういったデータ専門の組織を置くとき、多くの会社で、その役割や組織の作り方は似ていました。マネージャーがいて、その下にデータアナリスト、データエンジニア、データサイエンティストが並ぶ。BIチーム...

2026/6/8

• コラム

AI時代に対面が最高位の仕事になる理由

ある日、久しぶりに連絡をくれた知人にランチに誘われた。特に議題はない。ただの近況報告と食事。「この時間、もったいないかな」と正直思っていた（笑）。でも実際に会ってみたら、話があちこちに飛ぶうちに3つの新しいビジネスのヒントが出てきた。そのうちのひとつは、いま本当に動き始めている。AIがどんどん仕事を...

2026/6/4

• コラム

「AI活用」をゴールにした会社が失敗する理由

AIを活用しないと、あなたの会社は潰れます——。最近、こんな言葉をセミナーのタイトルやSNSの投稿で頻繁に見かけるようになりました。不安を煽るフレーズに引き寄せられ、数十万円を払って勉強会に参加する経営者が増えています。AIの進化スピードが上がるほど、その隙を突くビジネスも増えていく。これは情報商材...

2026/5/28

• コラム

会社でAIエージェントを動かす前に、書いておきたい「禁止リスト」の話

AIエージェントの導入相談を、ここ最近よく受けます。「うちでも何か使えますか」「具体的に何を任せるといいですか」と聞かれて、ありがたいなと思いつつ、私はいつもその前に確認することがあります。「やらせてはいけないこと」もう書きましたか、という話です。ほとんどの会社でまだ書かれていないんですが、これを書...

2026/5/22