企業はデータからより多くの価値を引き出すことについて語り続けているが、セールスフォースが最近発表したデータ&アナリティクス現状レポートは、まだどれだけの作業が残されているかを示している。多くのビジネスリーダーは自社のデータに自信を持っており、63%が自社はデータドリブンであると述べている。しかし、同じ割合のデータリーダーが、データへの取り組みを実際のビジネス優先事項に結びつけることに苦労していると報告している。これは特にAIの場合に顕著である。調査によると、データ&アナリティクスリーダーの84%が、AIを成功させるには組織のデータ戦略の完全な見直しが必要だと考えている。「データドリブン」であることと、実際に新技術をサポートできることの間のギャップが、企業がAIやより広範なIT近代化の取り組みをどれだけ迅速に進められるかを左右している。
その影響は現実的だ。本番環境でAIを使用している組織のほぼ10社中9社が、不正確または誤解を招く出力を経験している。技術リーダーは、自社のデータの4分の1以上が信頼できないと推定しており、データのほぼ5分の1がサイロに閉じ込められているか、使用不可能な状態にある。さらに困難なことに、最も価値のある洞察の多くは、これらの切り離された、または一貫性のないデータセット内に存在している。これらすべてが、AIは基盤となるデータが許す範囲でしか拡張できないという洞察を裏付けている。
(注:セールスフォースは筆者の会社、Moor Insights & Strategyのアドバイザリークライアントである。)
AIを可能にするためのデータ断片化の克服
ITベンダーによる最も有望な進歩に焦点を当てると、企業システムはイベント駆動型アーキテクチャとエージェント型AIへとシフトしており、そこでは知的システムが人間と協力して意思決定を行い、ワークフローをトリガーし、リアルタイムでアクションを実行する。少なくとも、それが概念的な目標である。しかし実際には、現実世界のほとんどの企業は依然として高度に断片化された環境で運営されている。セールスフォースの調査では、企業あたり平均897のアプリケーションがあり、そのうち統合されているのはわずか29%であることが判明した。これほどの断片化があると、最も高度なアナリティクスパッケージやAIエージェントでさえ、それらに供給されるデータが不完全、古い、または一貫性がない場合、持続的な成果を提供できない。これらの調査結果に沿って、ERP Todayは最近、組織の92%がAI対応データを欠いていると述べており、多くの企業は明確なデータ戦略やそれに関する明確な所有権を持っていない。
セールスフォースの最高データ責任者であるマイケル・アンドリュー氏が述べたように、「砂の上に自動化やエージェントを構築することはできない。データが信頼され、調和されていなければ、システムは常にノイズを整理するために人間に頼ることになる」。同氏は、企業が自動化の増加、相互運用性、情報の単一ビューに向かうにつれて、「データに精通」し、接続されたシステムを構築することが不可欠になったと強調した。
アンドリュー氏は、これをデータチームにとっての根本的な変化だと説明した。過去を振り返るレポート作成に焦点を当てるのではなく、ビジネスをサポートするリアルタイムのシグナルとフローを促進するデータ環境と実践を構築する必要がある。調査では、アナリティクスリーダーの81%が、自分たちの仕事が現在リアルタイムの意思決定を直接サポートしていると述べており、定期的な分析から継続的な運用支援への移行を示している。筆者の経験に基づくと、この変化は成功の測定方法も変える。ダッシュボードの使用状況やデータウェアハウスのサイズといった従来の指標は、一貫性、速度、応答性よりもはるかに重要性が低くなっている。
アンドリュー氏は、セールスフォース自体にとって、これは単一の真実の情報源を維持し、それを効果的にサポートするインフラストラクチャを運用し、クリーンでコンテキストに沿ったデータが人間と自動化されたシステムの両方に継続的に利用可能であることを保証することを意味すると付け加えた。同氏はこの考えを「データアクティベーション」と定義しており、これは適切なデータを正しい形式で取得し、実際に業務を推進できるようにすることを意味する。
非構造化データは方程式の重要な部分
組織がコアデータソースの接続を進めるにつれて、多くの企業は、必要な洞察の大部分がこれらのシステムの外部にあるデータから得られることに気づいている。セールスフォースによると、すべての企業データの80%から90%を占める非構造化ドキュメント、電子メール、その他のソースは、ビジネスで実際に何が起こっているかを説明することが多い。その情報を日常的な意思決定に取り込むことは、AIを限定的なユースケースを超えて有用にするために必要なステップになりつつある。
しかし、非構造化データは企業のデータ戦略における弱点であることが多い。企業アナリティクスは歴史的に、ERP、CRM、財務システムからの構造化データに焦点を当ててきた。なぜなら、それは一貫性があり、ガバナンスが効いており、レポート作成に信頼できるからである。そして、その基盤は依然として重要である──非常に重要だ。ギャップは、パフォーマンス、リスク、結果を説明する多くのものが、これらの記録の外部に存在することである。サービストランスクリプト、会議メモ、チャット会話、技術者ログなどのソースには、遅延、例外、個々の決定の背後にあるコンテキストが含まれていることが多いが、大規模に使用可能であることはほとんどなかった。セールスフォースがリーダーとして特定する組織は、構造化トランザクションとコンテキストデータが連携するようにシステムを接続することに焦点を当てている。
このトピックについて、セールスフォースのデータ&アナリティクス現状レポートは、筆者が顧客やベンダーから定期的に聞く内容を反映している。企業は非構造化データに価値ある洞察が存在することを知っており、これはデータリーダーの70%が最良の洞察がそれらのソースに閉じ込められていると信じているというレポートの調査結果に反映されている。しかし、それを活用することは困難である。データは乱雑で、複数のシステムに分散しており、明確な所有権やガバナンスを欠いていることが多い。単に生のドキュメントやトランスクリプトにAIを適用するだけでは、これを解決しない。適切なメタデータとコンテキストがなければ、非構造化データの使用は、解決するのと同じくらい多くの問題を生み出す可能性がある。
筆者が進歩を見ているのは、企業が非構造化データをより意図的に使用している方法である。事後的に分析するのではなく、より多くの組織が非構造化ソースを構造化記録とワークフローに接続している──セールスフォースが特定したベストプラクティスに沿って。電子メールとメモが注文や顧客ケースにリンクされている。メンテナンスログと技術者のコメントが特定の資産(フリート車両、製造設備など)に結び付けられている。顧客との会話が詳細なサービス結果に関連付けられている。これらの種類の接続が行われると、チームはなぜ何かが起こったのかをよりよく理解し、そのコンテキストを使用して意思決定を形成できる。
AIは機会と圧力の両方を高める。エージェントベースおよび会話型AIシステムは、アクセスできるデータと同じくらい効果的である。非構造化データを適切に整理し、ガバナンスを効かせる企業は、AIを使用して以前のやり取りを要約し、ワークフロー中に関連ドキュメントを表示し、見逃されるパターンを特定できる。一方、データ品質、所有権、統合に対処せずに速く動きすぎようとする組織は、一貫性のない結果と信頼の喪失を経験することが多い。
セールスフォースのレポートでは具体的に取り上げられていないが、この変化はERPに直接的な影響を与える。市場全体での筆者の会話に基づくと、SAP、Oracle、マイクロソフト、QAD、Infor、Acumatica、Epicor、Sage、IFSなどのベンダーは、非構造化データの思慮深い使用をサポートするアーキテクチャに向かっている。共有データレイヤー、ゼロコピーアプローチ、組み込みインテリジェンスにより、データを複製したり、ガバナンスを弱めたりすることなく、構造化トランザクションと非構造化コンテキストを統合することが容易になる。非構造化データをERPワークフローへの入力として扱う企業は、このアプローチに従って日常業務を自動化し、例外をより早く表面化し、より迅速で一貫性のある意思決定をサポートできる。
データ信頼がAIの進歩を定義する
セールスフォースの調査は、ツールや野心ではなく、信頼がAIの進歩と停滞するイニシアチブを分けるものであることを筆者に明確にしている。多くの組織はすでにデータプラットフォームとパイプラインに多額の投資を行っているが、データ&アナリティクスリーダーの半数未満が、自社のデータが実際にAIの準備ができていると信じている。回答者は、データ品質、システム間の統合、一貫したガバナンス、信頼できるビジネスコンテキストなどの基本に自信がないと述べている。(これらの問題は、前述のように84%がデータ戦略の完全な見直しが必要だと述べている理由も説明している。)問題はアクセスだけではない──すでに議論したサイロ化されたアプリケーションや未活用の非構造化データのように。それは組織的な信頼である。データが不完全、一貫性がない、またはガバナンスが不十分な場合、その上に構築されたモデルは信頼性が低くなるというのは、AIを駆動するコンピュータサイエンスの事実である。しかし、データ品質とデータ処理が十分でないことを人々が知っている場合、データの上に構築されたAIを信頼しないというのも、人間の判断の現実である──そして当然のことだ。
この関連性は結果に明確に現れている。セールスフォースのレポートでは、リーダーの86%がAIの結果はデータがどれだけ適切にガバナンスされ、維持されているかに直接依存すると述べており、筆者は、正式なデータ品質プロセスを持つ組織がAIから強力なROIを報告する可能性が2倍高いという関連する調査結果を見ても驚かなかった。最も高い信頼を報告している組織は、規律あるアプローチを取り、データリネージ、定期的なデータ品質チェック、明確に文書化された所有権に思慮深く投資している。これらの実践はエラーを防ぐだけでなく、AI出力を理解可能で説明可能にし──より信頼できるものにする。チームがデータがどこから来たのか、どのように検証されたのかを知っていると、システムが時間とともに信頼性を獲得するため、採用が改善される。
エージェントベース自動化への準備
生成AIとエージェントベースAIが日常業務の通常の一部に近づくにつれて、同じ基盤が成功を決定する。セールスフォースのレポートは、組織のほぼ4分の3が今後1年以内にAI駆動型業務を拡大する計画であると述べているが、多くの企業は依然として境界、監視、説明責任に関する明確性を欠いている。最も強力なパフォーマーは、AIを使用してアクションを推奨したり、コンテキストを要約したりする一方で、最終的な意思決定については人間に責任を持たせている。
明確なガードレールが重要である。AIが自律的に実行できることと人間の承認が必要なことに関する明確なポリシーを持つ企業は、不正確またはバイアスのかかった出力に関する問題が少ないと報告している。実際には、これは自動化を実験的なモデルや切り離されたデータセットではなく、検証されたデータソース、監査証跡、ガバナンスの効いたワークフローに固定することを意味する。
より規律ある形の自動化が現れている。データ品質、プロセスの明確性、所有権が整っている場合、エージェントベースシステムは運用リスクを増やすことなく効率を改善できる。これらの基本が欠けている場合、自動化は根本的な問題を解決しない。単に既存のギャップをより迅速に、より大規模に露呈するだけである。
セールスフォースのレポートは企業データの現実に関する明確性を提供
セールスフォースのレポートは、企業データの課題がいかに広範囲に及んでいるかを示す具体的な数字を提供しているため、有用である。そして、セールスフォースが問題の範囲、特にデータの断片化、品質、ガバナンスに関して非常に明確であることは心強い。多くの企業は依然として数百の切り離されたアプリケーションを運用しており、筆者のすべての経験から、苦労している企業は統合を組織全体の優先事項ではなく、一度限りのITイニシアチブとして扱う傾向があると言える。これらの環境では、データ統合、アーキテクチャの簡素化、ガバナンスプロジェクトは、チェックボックスを埋めるだけのイニシアチブではなく、真の持続的な作業を必要とする。
セールスフォースの調査結果は、データ、ビジネス、コンプライアンスチームが共有の説明責任を持って運営する場合に長期的な利益が得られることを示している──一度限りのことではなく、継続的に。これらの環境では、調整が日常的になり、明確な所有権がすべての新技術と密接に結びつくことで、結果として効率が向上する。エージェントベースの自動化に向かうことは、企業──少なくとも成功している企業──に、特にプロセスの一貫性、リスク管理、変更管理に関するギャップに正面から取り組むことを強いる。
企業がAIにより深く進むにつれて、筆者が見る最大の制約はAI自体ではない。それはデータである──そしてデータの背後にある運用行動である。真の進歩を遂げている組織は、過剰なツールを追加したり、AIパイロットプログラムを過度に拡大したりしていない。彼らは断片化を修正し、重複を減らし、所有権を割り当て、意思決定が必要なときにデータが正確で利用可能であることを確認している。その基盤が、自動化がビジネスが依存するものになるか、切り離された実験のままであるかを決定する。
