カンファレンス・シーズンが一段落した。筆者はその大半を出張に費やし、数え切れないほどの基調講演に立ち会った。そのほぼすべてに共通する、一つの言葉があった。ベンダーたちが口を揃えて語っていたのは「コンテキスト（文脈）」だ。
その理由はこうだ。AIモデルは、自社のビジネスについて十分に把握していなくても、流暢かつ自信に満ちた回答を出力してしまう。そのギャップを埋めるのがコンテキストである。コンテキストとは、システムがアクションを実行する瞬間に集約する情報のことだ。例えば、返金を承認しようとしているサポートAIエージェント（特定のタスクを自律的に実行するAIシステム）には、返品ポリシー、顧客の履歴、対象製品の情報、および例外を許可するルールが必要になる。間違った情報が1つでも混ざれば、AIはもっともらしい誤答を堂々と返してくる。生成AIを単なる文章作成にしか使っていない多くの人々にとって、これは少し厄介な問題という程度で済むかもしれない。しかし、返金の実行や売上予測の更新といった権限を与えられた自律型のエージェントの場合、その誤りは企業に多大な損失をもたらす可能性がある。
そのため、データ、アナリティクス、AI分野のほぼすべてのベンダーが、信頼できるコンテキストの提供を約束しており、自社の製品やプラットフォームこそがそのコンテキストを保持すべき場所だと主張している。ベンダー各社が投じている巨額の資金が、その本気度を裏付けている。IBMは自社のエージェントにリアルタイムデータを提供するため、Confluent（コンフルエント）の買収に約110億ドル（約1兆7900億円）を支払い、Salesforce（セールスフォース）は自社のエージェントの下に統制されたデータ基盤を構築するために、Informatica（インフォマティカ）の買収に約80億ドル（約1兆3000億円）を費やした。これらは、最近起きた数々の買収劇のうちの大きな2つの例にすぎない。
問題は、コンテキストという言葉が曖昧であることだ。曖昧であるがゆえに、ストレージ、データベース、ビジネスインテリジェンス（BI）、オブザーバビリティ（可観測性）、データ保護、ガバナンス、セキュリティ、業務アプリケーションの各領域で事業を展開する企業が、いずれもそれを売っていると主張できる。難しいのは、彼らが皆、真実を語っている点である。だが、実際にどのようにコンテキストを生み出しているのかを尋ねると、すぐに道は分かれる。彼らはそれぞれ異なる問題を解いているからだ。
同じ言葉を売り込むライバル陣営
あるベンダー陣営は、AIが動き出す前にそれを定義することでコンテキストを得るのだと主張する。用語の意味を決め、それを中央の場所に書き留めることで、すべてのツールが同じ定義を参照できるようにする。最も確立された形がセマンティックレイヤー（データのビジネス上の意味を定義する仮想レイヤー）であり、「アクティブ顧客」や「純売上高」といった用語に、ダッシュボードごとに散らばる5つの矛盾した定義ではなく、合意された1つの定義を与えるものだ。Qlik（クリック）、Strategy（ストラテジー）、ThoughtSpot（ソートスポット）、Domo（ドーモ）といったアナリティクス大手、セマンティック領域の専門企業であるAtScale（アットスケール）、そして大手クラウドプロバイダーは、長年にわたり何らかの形でこれを提供してきており、今ではそれをAI向けのコンテキストとしてアピールしている。
セマンティックレイヤーをさらに推し進めると、オントロジー（ビジネス全体のつながりを示す概念マップ）に到達する。これにより、ソフトウェアは推測に頼ることなく、顧客から注文、製品、契約へと続くつながりをたどることができる。この領域は比較的新しく、多くのベンダーにとっては、いまだ製品に実装されておらず開発ロードマップ上の段階に留まっている。例外はPalantir（パランティア）だ。同社はオントロジーに基づいてビジネスを構築し、企業の全業務をモデル化してからAIを投入している。そのメリットは信頼性だ。定義された意味を参照するシステムは推測を行わないからである。デメリットは、ビジネスを手作業でモデル化することは常に時間とコストがかかり、予算が逼迫した際には真っ先に削減対象となる項目の一つであることだ。
もう一方は、事前のモデル化は時間がかかりすぎると考え、代わりにAIモデルの能力に賭ける「リトリーバル（検索）」陣営だ。ドキュメント、サポートチケット、ログなどのデータをAIに読み込ませ、関連性がありそうな情報を自動的に取得させる。これが、今や広く知られるようになったRAG（検索拡張生成）の基本的なアプローチである。今年、エージェントがいつ、何を閲覧するかを設計する「コンテキストエンジニア」という新しい役割が登場したのも、このためだ。このアプローチの魅力はスピードである。1年もかかるようなモデル化プロジェクトは不要で、データに向けて稼働させるだけでよい。
問題は本番環境で表面化する。質問に似たテキストを取ってくるモデルは、依然としてビジネスがどう組み合わさっているかを理解しているわけではない。存在しない繋がりを平然と捏造するし、素朴な一発検索は、タスクに複数のステップが必要になると途端に苦戦する。より新しいエージェント型やグラフ型の検索がこの問題に対処しつつあるが、それは構造を後付けで戻すことによって行われている。日常的な用事をAIに手伝ってほしい消費者であれば、応答を確認し、誤りに気づける限り、検索でおおむね事足りる。だが、企業にとっては単体では次第に売り込みにくくなってきている。
これら2つのアプローチは、いずれもデータがすでに手元にあることを前提としている。ストレージやインフラのベンダーは、さらに一歩手前の、データが物理的に存在するレイヤーで自社の優位性を主張する。Dell（デル）、NetApp（ネットアップ）、そして最近社名を変更したEverpure（エバーピュア）は、意味を定義したり推論したりする前に、データを検出し、ラベルを貼り、高価なチップをフル稼働させ続けられる速さでモデルに転送する必要があると主張する。Dellはまさにそれを実現するために、AIデータ関連のスタートアップであるDataloop（データループ）を傘下に収め、Everpureは今年初めにPure Storage（ピュア・ストレージ）の名を廃止したのと同じ週に、データインテリジェンス企業である1touch（ワンタッチ）を買収した。
これらのベンダーが強みとするのは、データに関するデータである「メタデータ」だ。先述した返金処理の例で言えば、購入日、決済方法、保証ステータスなどは、データそのものではなくとも、そのデータを説明するのに役立つ。この記述的なメタデータのレイヤーこそが、あらゆるレコードを検索可能にし、安全に使用できるようにするものだ。適切なデータをモデルに迅速に転送することは必要な作業だが、メタデータだけでは不十分だ。注文日、決済方法、保証ステータスがわかっても、その顧客がアクティブとみなされるか、返金が純売上高から差し引かれるか、あるいはエージェントがどのルールに基づいて承認できるかは、モデルには判断できない。そうした意味は、セマンティックレイヤーやオントロジーのように、あらかじめ用語を定義しておくことで初めて得られるものであり、どれだけメタデータがあっても生み出すことはできない。
ガバナンスやデータ品質を重視するグループの懸念は別にある。Collibra（コリブラ）、Alation（アレーション）、Atlan（アトラン）に加え、Acceldata（アクセルデータ）やMonte Carlo（モンテカルロ）などのデータオブザーバビリティ（データの可観測性）企業は、AIが保証できないコンテキストはリスクでしかないと主張する。エージェントが、古くて不正確なデータや、特定のユーザーに許可されていないデータに基づいて行動する場合、モデルの処理速度が速ければ速いほど、悪い結果をより早く招くだけだ。彼らは、データのリネージ（履歴・追跡可能性）、品質、権限こそが、そのコンテキストに基づいて行動しても安全かどうかを決定づけると強調する。エージェントが単なる提案から実行へと移行するにつれ、この主張の説得力は増すばかりだ。Informaticaはこれに注力しており、他社のAIスタックの下に位置する「信頼できるデータレイヤー」として自社をアピールしている。データ保護やセキュリティのベンダーも同様の主張を展開している。エージェントがアクセスできるデータは、信頼できるコンテキストとみなされる前に、復旧可能であり、適切な人物がアクセス可能でなければならない。
データプラットフォームが優位に立つ理由
最大手の企業は、これらのアプローチから1つだけを選ぶ必要はない。すべてを自社でホストできるからだ。Snowflake(スノーフレイク)、Databricks（データブリックス）、Oracle（オラクル）、およびGoogle、Microsoft、AWSのデータエンジンは、すでに自社で保存しているデータの上に直接コンテキストを構築する。これに対し、他社はまずそのデータにアクセスし、それを最新状態に保つ必要がある。この先行者利益を、他の企業は連携や買収を通じて追いかけている。
プラットフォームベンダー各社が構築を急いでいるのは、すでに保有しているデータの上に構築される、ビジネス全体のマップであるオントロジーだ。現在稼働しているのはナレッジグラフ（実体とそれらの関係性を示すライブネットワーク）であり、エージェントが実際にクエリ（問い合わせ）を実行する対象となる。Snowflakeは、顧客が定義したコンテキストと、プラットフォームが自律的に導き出したコンテキストを分離することで、これに対応しようとしている。Databricksは自社のツール「Genie」の下にナレッジグラフを配置した。Microsoftは自社バージョンを「Fabric IQ」と名付けている。Google Cloudは、現在「Agentic Data Cloud」および「Knowledge Catalog」と呼ぶものを通じて、同様のコンセプトを組み込んでいる。これらの製品のほとんどはまだプレビュー版であり、すべてのエージェントが企業の定義をそのまま継承するという約束は、現在の実態というよりも、これらの製品が目指す将来像に近い。これらを実際の企業に導入すれば、最初に浮き彫りになるのは、既存の定義がいかに一貫性を欠いているかということだろう。
この競争には、別のタイプのプレイヤーも参入している。アプリケーションベンダーだ。彼らはデータが意味する内容ではなく、会社がどのように運営されているかに関するコンテキストを販売している。Microsoftは「Copilot（コパイロット）」を通じて、社員、ファイル、会議のつながりをマッピングする。Salesforceは顧客データを自社のエージェントの直下に配置し、ServiceNow（サービスナウ）も同様のことを自社のワークフロー内で行っている。ServiceNowがデータカタログおよびナレッジグラフの企業であるdata.world（データ・ワールド）を買収したのもそのためだ。彼らの売り文句は利便性だ。「日々の業務はすでに当社のシステム上で行われているため、コンテキストのスイッチを入れるだけでよい」というものだ。しかし、落とし穴は、AIを役立たせるための基盤となるレイヤーが、自社ではなくベンダーに帰属してしまうことだ。
ベンダーに構築させても「意味」は自社で管理する
これらすべてを売り込まれる立場の企業テクノロジーリーダーは、どうすればよいのか。誰を選ぶべきか。ストレージベンダー、データプラットフォーム、アナリティクスツール、ガバナンススイート、アプリケーションスイート、それぞれが「コンテキストの居場所は自社である」と主張する。ここに挙げたどのベンダーの背後にも、同じ主張をする10社が控えている。しかし彼らのほとんどは正直な答えを口にしない。その正直な答えとはこうだ──単一のベンダーで全領域をカバーすることはできない。あなたのコンテキストはそれらすべてのシステムに散らばっており、実務上、複数から引き出すことになる。そして、それぞれが独自の版を組み立てれば、必然的に「真実の複数バージョン」を抱えることになる。10年前に人々がダッシュボードを信じなくなった原因と同じ不整合が、再び生じるのだ。
あらゆるプレゼンに、たった一つの問いを持ち込んでほしい──「それを誰が構築するにせよ、コンテキストの下にある意味は依然として自社が所有できるのか?」と。真実の複数バージョンから身を守るのは、用語の意味を定義する層をあなた自身が支配することだ。そうすれば、どのシステムが応答したとしても、データを保管するのが誰であれ、同じ定義に基づいて答えることになる。競合他社に顧客リストを渡さないのと同じように、その層はベンダーが構築したとしても自社の所有物として扱い、契約にはポータブルな形式でエクスポートする権利を必ず含めるべきだ。この課題への対処こそが、Snowflakeが招集したベンダー連合が「Open Semantic Interchange」というオープン標準を提唱した理由でもある。これを委員会の産物として一蹴する人も少なくないが、その真の価値はポータビリティにある。厄介なのは、あなたの意味が宿る層の所有権を争っているプラットフォームが、それを解放するはずの標準を形作っている同じ顔ぶれだ、ということだ。だからこそ、エクスポートの権利は自社の契約に必ず盛り込む必要がある。
そのエクスポート権を握っているからこそ、その層の構築を特定のプラットフォームに賭けることが可能になる。もし今日その賭けをするなら、筆者は、既に自社のデータの上に座っており、その地図を安価に構築・維持できるプレイヤーを支持する。これは、単機能のツールというより、大手プラットフォームの方向性に近い。検索のみに依存しているチームが、もっとも危うく見える。ただしこの見立ては緩やかに保っている。オントロジーを安価に構築可能にしうるAIモデルの進化そのものが、いくつかを不要にしてしまう可能性もあるからだ。
これらの議論は、最も難しい部分を解決していない。ある地点を超えると、コンテキストが増えるほど答えは悪くなるという問題である。重要な事実はノイズに埋もれ、追加されるトークン（AIがテキストを処理する最小単位）はリクエストのたびにコストと時間を増やす。この市場の勝者は、適切なコンテキストを安価に、そして毎回同じ方法で組み立てる企業になるだろう。より多くのコンテキストを集めることは簡単だ。適切なコンテキストを集めるという問題を解き明かす企業は、今日配管を売っている企業よりも、はるかに大きな価値を持つ可能性が高い。
