このページの本文へ

ウイングアーク1stのUpdataNOW 26基調講演で見えたAI活用の現在地

トークンコスト、データ主権、コンテキスト腐敗 AI時代を生き残るためのデータ戦略とは?

2026年11月18日 11時00分更新

文● 大谷イビサ 編集●ASCII

  • この記事をはてなブックマークに追加
  • 本文印刷

中央集権型のビッグデータの終焉 今データメッシュが求められる理由

 また、SoRに関しても、今までのようにIT部門が中央集権的にデータを集約し、統一したアルゴリズムで扱おうとすると、データパイプラインの変換の過程でコンテキストが失われてしまう。しかも、集めれば集めるほど、提供側の品質責任の動機がなくなってしまうため、誰も責任を持たないデータスワンプができてしまう。

ビジネスロジックとSoRにも大きな変化が到来

 21世紀以降のデータマネジメントは、ひたすらデータを集めることが正義だった。「SoRでさばくために、大量データ、多様性のあるデータを非同期で扱うのが基本的なデータマネジメントのアーキテクチャだった。しかし、データをどこかにひたすら集めるというのは意味がなくなってきた。なぜならAIエージェントが必要としているのは、業務ドメイン特有の、熟練のオペレーターの頭にあるコンテキストが欲しいからです」と津田氏は指摘する。

 そのため、AIエージェント時代を見据えると、データはドメインごとに提供し、アルゴリズム側が参照するというデータメッシュのような分散型アーキテクチャの方が望ましい。「データも分散したまま扱えた方が、AIエージェントにとってはより信頼性の高いアクションに結びつく」(津田氏)とのことで、ドメインオーナーがデータに責任を持ち、AIエージェントに信頼できるコンテキストを提供できるデータ基盤を構築すべきだという。

 もちろん、こうしたデータメッシュの構築は、頓挫した歴史もある。2019年頃のデータメッシュは技術的に洗練されていなかった。そのため、各ドメインが自前でデータを持つと、責任が分散し、道具と形式がサイロ化してしまったという。渡すたびにコピーが増え、どれが正しいデータかわからなくなった。また、組織の壁もあり、データの責任者があいまいだったため、カタログだけが放置されることもあった。

 しかし、前者の技術的な課題に関しては、列指向のファイルフォーマットやオープンテーブルフォーマット、テナント向けのRESTカタログ、メタデータのオープン共有プロトコルなどの技術要素が揃ってきた、これにより、複数のエンジンやドメインからデータを動かさずに同じテーブルを読める環境が実現可能になった。「今、みなさんが考えなければいけないのは、トークンコストをどのように減らしていくのか、どのようにエージェントにドメイン固有の意味やルールを渡していけるのかです」と津田氏は語る。

オープンテーブルフォーマットとRESTカタログなど技術的要素が揃ってきた

主権は孤立主義ではない

 ドメイン固有の意味をセマンティックとして提供する事例として、津田氏は航空業界の「高さ」という用語について説明する。航空業界において、通常のオペレーションを行なう際は「高さ=基準海面からの高さ(標高)」になるが、航空局やFA対応する際は「高さ=地上からの高さ(対地高)」を用いる。津田氏は、「同じ『高さ』だから、見た目上は無邪気に名寄せできるが、中身のバリューが起こるから事故が起こる。でも、これをAIエージェントは理解できない。知っているドメインオーナーが、AIエージェントにコンテキストとして与えてあげなければならない」と語り、コンテキストマネジメントの重要性を説く。

 ただですら分断しがちなドメインごとにデータを保持しつつ、ドメインや産業をまたいで利活用できるコンテキストレイヤー。AIエージェントに対して、必要なコンテキストを適切に与えられるガードレールの実装。これが現在、津田氏が手がけている「Open Data Spaces」のプロジェクトで、高市政権の日本成長戦略、人工知能基本計画にも明示されているという。

 最後に津田氏が「AI時代の_リアリズム」というテーマに沿ってアピールしたのは、「主権は、孤立主義ではない(Sovereignty is NOT isolationism)」だ。「ソブリンティは『外に壁を作って、自分たちでやらなければならない』と勘違いされやすいが、主権は孤立主義ではない。技術的にはあきらかに米国の方が優れているし、これは認めなければいけない。この米国に技術的に向き合いながら、ビジネスとしてどのように差別化要因を作っていけるかが本質です」とUpdataNOWの聴衆にアピールし、講演を終えた。

再投資がなければ、AIで生産性は変わらず、コストが増加するだけに

 舞台に戻ってきた田中氏は、日本の生成AIの利用状況についてデータを元に解説する。まず全社・部門として正式に契約しているサービスは、1位はMicrosoft 365 Copilotで、続いて、法人向けのChatGPT、Google Gemini、Claudeとなった。

 AIによる業務効率化も進んでおり、1時間以上の業務時間の短縮につながっているユーザーは7割を超えた。ただ、1週間で1時間以上なので、それほど大きくないのも事実。AIを使った業務の削減時間を上司に報告しているユーザーも「聞かれれば答える程度」が5割強を占めているという。

 また、AIによって短縮した時間の活用は、「新しい企画・改善の検討」「学習・スキルアップ」「他の通常業務の処理」「より付加価値の高い業務」に当てられているものの、「残業時間の削減」や「休息や息抜き」に使われていることも多い。短縮した時間をどのように使うかは、ユーザー任せにされている実態があるわけだ。

AIによる効率化は生産性の向上ではない

 一方で、AIによる回答を確認したり、検証する時間を1~5時間程度とっているユーザーも半数を超えている。「短縮できた時間は、AIの回答を確認する時間に使われていることが多い。本来だったら時間を再投資すべきなので、あまり再投資されていない」と田中氏は指摘する。再投資されないと、生産性は変わらず、AIのコストが増加するだけになってしまう。

 「AIのコストが課題になってきている」と語る田中氏。ウイングアーク1stの調査でも8割がコストを課題だと認識し、3割はすでに見直しを始めているという。「成果が思ったほど出ていないのに、コストだけがどんどん増えている。これが日本企業の実態」と田中氏。現状は期待外の回答も多く、社内のデータを活用した分析や回答もあまり進んでおらず、企業でのデータ基盤が求められているという。

8割がコストを課題と認識しており、3割がすでに見直し始めている

 では、どのようにAIを業務に活用すべきか? 田中氏はほとんどの業務はデジタルなり、アナログなり、なんらかの定型化された業務ロジックが存在する。生成AIはこうした業務ロジックをシステム化することが可能なので、同一インプットに対するアウトプットを共通化することも可能だという。

 調査データを踏まえ、田中氏はAI時代に求められるポイントとして、「時間の再投資」「コストの最適化」「使い所の再定義」を挙げた田中氏。次のゲストであるトヨタ自動車を紹介する。

カテゴリートップへ

本記事はアフィリエイトプログラムによる収益を得ている場合があります

  • 角川アスキー総合研究所