• 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

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

• 知見

生成AIは業務の「補助」、AIエージェントは業務の「代替」──国内事例から見る今、AIエージェント導入を判断する理由

「競合もやっているんだから、うちもAIエージェントを早く導入しよう」経営会議で出た、このひと言。しかし議論の流れを少し巻き戻すと、その直前まで話していたのは「Claude（生成AI）を全社展開して業務を効率化しよう」という、まったく別のテーマではなかったでしょうか。生成AIとAIエージェントが、同じ...

2026/6/1

• 知見

生成AI利用ガイドラインの作り方（後編）｜生成AI活用のセキュリティ対策【テンプレート付き】

前回の記事では、生成AI利用ガイドラインを整備するうえで最初に揃えるべき3つの軸——「データを3つに分類する」「ツールごとのデータ取り扱いを整理する」「業務・部門ごとに判断軸を定める」を、比較表とテンプレートの章構成とともに整理しました。経営層がルールより先にAIを使い始めている、という変化に対する...

2026/6/1

• 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

• 連載

なぜAIの話は、いつも「データ」の話になるのか

「そろそろ、AIを本格的に使おう」そう動き出した会社で、よく起きることがあります。AIの話をしていたはずなのに、いつのまにか、データの話になっている。こんな経験はありませんか。自動化したいことを相談すると「それで、自社のどのデータから引っ張ってくるんですか?」という疑問が出てくる。現場からは「うちに...

2026/6/12

• 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

自社のあらゆる業務を、どこまでAIに渡せるか試した結果

私たちDeflagは、企業の営業や日々の業務にAIを組み込む「AIインテグレーション」をサービスとして提供しています。ただ、その仕組みを顧客に届ける前に、決めていることがあります。まず、自社のあらゆる業務で人柱になる。私はもともと、ゲームやSaaSの開発と運用をやってきました。どちらの世界でも、ずっ...

2026/6/12

• 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の事故は、たぶん静かに進みます

会社でAIエージェントを動かすときの怖さって何だと思いますか？ずっと「禁止リスト」が先だと思っており、前回の記事でもそれを書きました。やらせてはいけないことを先に決める戻せる状態を確保する漏れる場所を塞いで、戻せない操作は人間が承認するこの3本柱を最初に固定しておけば、ある程度の事故は防げます。ただ...

2026/5/28

• 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

AIエージェント時代、価値を出し続けるマネージャーの型は2018年から決まっていた

「結局のところAIエージェント時代に “生き残るマネージャー” って、どんな人なんですか」登壇のあと、お客様との会食、社内の壁打ち。最近、いろんな場面で、この問いをもらうことが増えてきた。正直に言うと、この答えは私自身も日々考えていますが、この問いを受けるたびに、2018年頃の風景を思い出している。...

2026/5/22