• 知見

AIのコスト問題はなぜ起きるのか｜先行事例から学ぶ全社展開前の対策

全社員が毎日AIを開いて業務をしている会社が、実際に出てきています。一部の情シスや企画部門が試している段階から、日々の業務の中に入り込んだ段階へ移った会社です。そして、活用が社内に浸透した会社から順に、同じ問題が報告され始めています。コスト削減のために導入したのに、生成AIの利用料が見積もりの何倍に...

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【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

• 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時代のBIとAI ── 民主化の失敗の先に

データの民主化は、長らくBIに託されてきました。誰もが自分でデータを見て、自分で判断する——その約束に、世の中はかつて大きな期待を寄せました。ところが、約束はほとんど果たされないまま、今度はAIが同じ約束を携えて登場しています。本記事は、BIとAIを「どちらが要るか」ではなく「どのように使い分けるか...

2026/5/22