• 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

現場でメンバーがAIを有効活用するために磨くべき3つのスキルとは

プロンプト講座も、ツールの研修も、ひと通りやった。それでも「現場で本当にAIを使いこなせる人」がなかなか増えない——。AI推進や人材育成を担う方から、この相談が後を絶ちません。「使える人と使いこなせない人で、はっきり差が出る。でも、その差が何なのか、うまく言葉にできない」。そして、ご自身がその差を言...

2026/6/5

• 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

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

13万件の自分をAIに食わせたら、人脈マップまで勝手にできた

「自分が毎日、何にどれだけ時間を使っているか、正確に言えますか？」私は、言えませんでした。会議が多くて何時くらいだった気がする。コミュニケーションに追われていた気がする。そのような感覚はあります。でも「正確に何に何時間使ったか」と聞かれると、答えられない。「誰と一番仕事をしているか」も、勘でしか言え...

2026/6/19

• 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

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

個人のAIハックは、これから2つの形で「静かに死にます」

会社のなかで、誰かが個人的にAIを使った便利な仕組みを作っている。気がついたら、それが業務の流れにそっと組み込まれている。最近、こういう光景をよく見かけませんか？これは止めなくていい現象だと思っています。むしろ素敵な動きで、社内のAI活用が現場から立ち上がっている証拠です。ただ、ここからが本題です。...

2026/6/4