ポール・マッコムズ：グローバル最高情報・デジタル責任者。
人工知能（AI）は現在、ほぼすべての企業のテクノロジースタックに組み込まれている。セールスフォース、SAP、マイクロソフトなどはAIをプラットフォームの中心に位置づけ、一方で取締役会は経営陣に対してこれらの投資からの明確なリターンを示すよう求めている。しかし、一つの真実が繰り返し浮かび上がってくる：AIは、その基盤となるデータが断片化され、一貫性を欠き、またはサイロ化されていれば、価値を生み出すことができないのだ。これは私が日々の業務で強調していることである。
この断片化は日常的に表面化している。販売予測、運用計画、財務予測が乖離する—これはどのチームも間違っているわけではなく、それぞれが自分たちのデータの一部だけを基に作業しているからだ：財務は確定注文からモデルを作成し、営業はパイプラインから予測を立て、運用部門は過去の実績から計画を立てる。各視点は個別に見れば論理的だが、総合すると複数の「真実」を生み出してしまう。
そしてAIはこの不一致を解決するどころか、増幅させてしまう。明確さをもたらす代わりに、ギャップを拡大し、リーダーたちは同じ質問に対して知的システムが矛盾する回答を提供する理由に頭を悩ませることになる。
上級リーダーにとっての課題はAIを導入することではない。AIが成長、効率性、回復力の原動力となるためのデータ基盤を構築することだ。その基盤がなければ、すべてのAIイニシアチブは部分的な真実の上に成り立っているに過ぎない。
統合が重要な理由
ほとんどの企業はまだデータを機能別に扱っている：CRMは顧客を追跡し、ERPは注文を管理し、計画システムは需要を予測する。それぞれがビジネスの一部しか見ていない。孤立した環境で訓練されたAIは、一つの機能では賢明に見える提案を生み出すかもしれないが、企業全体のレベルでは有害となりうる。結果として一つの現実ではなく、複数の真実が生まれる。
以下の3つのシナリオを考えてみよう：
• 顧客の盲点：CRMから見ると、アカウントは健全に見える—AIはさらにアップセルを提案する。しかしERPは3回の出荷遅延を示し、サービスログには未解決のクレームが記録されている。顧客にとって、このアップセルは賢明ではなく—的外れなものだ。信頼が損なわれ、注文が危険にさらされる。
• 需給の不一致：S&OPデータが安定した需要を示しているため、工場は80%の稼働率で運営されている。しかし、セールスフォースには5000万ドル相当の3件の保留中の取引があり、需要を40%急増させる可能性がある。もしこれらが成立すれば、企業はコストのかかる残業や遅延配送に追われることになる；成立しなければ、何百万ドルもの資金が過剰在庫に縛られたままになる。いずれにせよ、利益率と顧客の信頼が損なわれる。
• 財務予測と運用の乖離：財務は注文とパイプラインから成長を予測する一方、運用部門は何も変わっていないかのように能力を計画している。何が欠けているのか？結果は？予測が外れ、運用部門は過小投資し、取締役会は信頼性に疑問を抱く。
これらはAIの失敗ではない。統合の失敗である。各機能は正しいデータを持っていた—しかし自分のサイロ内だけのものだった。統一された基盤がなければ、AIは複数の真実を増幅させる。リーダーたちは洞察ではなく、誤解を招く信号を得ることになる—そして企業がその代償を払うことになる。
データの基盤構築
統合は一元化についてではない。企業全体が行動できる単一の真実のバージョンを作り出すことだ。これには3つの重要な層にわたる調和が必要となる：
• メタデータ：これは企業のロゼッタストーンであり、機能を整合させる共通の定義、ガバナンス、コンテキストを含む。
• 基礎データ：これらは原子的真実（測定単位、一意のID、タイムスタンプ）である。
• トランザクションデータ：これは注文、出荷、請求書、サービスコールの日々の流れである。
キロがポンドとして記録されたり、顧客IDが不一致だったり、タイムスタンプに一貫性がなかったりする—それぞれの亀裂がAIへの信頼を損なう。
境界の拡張：外部データとリアルタイムデータ
統合は内部システムだけにとどまることはできない。最も価値のあるAIのユースケースは、企業外部からの信号—サプライヤーのフィード、IoTセンサーデータ、ESG指標、経済指標に依存している。
リーダーたちは、バッチ処理、ストリーミング、内部および外部データを一貫した全体に接続するアーキテクチャを設計する必要がある。これはITのアップグレードではない。数時間で方向転換できる企業と、数週間もつまずく企業との違いである。
戦略的展望
市場はすでにAIの基盤として統合に向けて決定的に動いている：
セールスフォースのインフォマティカ買収計画は、SaaSベンダーがデータ統合とメタデータ管理をAIの将来の中心と見なしていることを示している。さらに、モデルコンテキストプロトコル（MCP）などの新興標準は、AIシステムが企業データにアクセスするための一貫したフレームワークに依存する世界を示唆している。最後に、データファブリックとメッシュを採用する企業はスピードに対応しており、コパイロットが瞬時に洞察を生成する。
経営幹部にとって、これらのトレンドは機会であると同時にリスクでもある。統合をより早く習得した企業は、洞察のスピード、顧客体験、俊敏性で差別化できる。遅れをとる企業はAI投資から価値を引き出すのに苦労するだろう。
ITとガバナンスの戦略的シフト
統合はもはやITの配管プロジェクトではなく—競争力を形作るガバナンスの決定である。問題はもはやシステムが動作するかどうかではなく—データがそれらのシステム間で一貫して流れるかどうかである。
ITの役割はデータオーケストレーターとなり、メタデータ、パイプライン、および機能横断的な情報の整合性に責任を持つことだ。一方、ビジネス機能は孤立した情報から離れ、共有された真実に基づいて運営する必要がある。そしてグローバルサービスプロバイダーは、規模とプロセスの専門知識を持って介入し、統合を管理された能力として提供している。
リーダーにとって、この決断は戦略的なものだ：統合能力を内部で構築するか、パートナーにアウトソースするか、あるいはハイブリッドモデルを追求するか。各道筋は効率性だけでなく、企業の中核資産としてのデータの回復力と所有権を定義する。
経営幹部の要点
AIはその下にあるデータ基盤と同じだけの力しか持たない。統合とメタデータガバナンスは技術的な配管のように見えるかもしれないが、それらは投資収益率の乗数である。それらがなければ、数百万ドル規模のAIとSaaSのイニシアチブは期待通りの成果を上げられないだろう。それらがあれば、リーダーたちは機能横断的なインテリジェンス、優れた顧客エンゲージメント、持続可能な競争優位性を解き放つことができる。
真のリスクは弱いAIではなく—複数の真実である。真の機会は、企業全体が行動できる信頼できる一つの現実のバージョンである。取締役会と経営幹部は以下を問うべきだ：
• 私たちのAIシステムは全体の真実を見ているのか—それとも誤解を招く断片だけなのか？
• データ統合の責任は誰にあり、そのマンデートは十分に強いのか？
• 統合をより早く習得する競合他社より先んじるために、十分な速さで動いているのか？
問題はもはや統合に投資すべきかどうかではなく—いかに迅速に行動し、誰が責任を持ち、どのモデルが最大の価値を生み出すかである。
