1973年、モトローラのエンジニアであるマーティン・クーパー氏は、携帯型ハンドヘルド携帯電話から競合のベル研究所の同僚に対し、史上初の公衆通話を行った。これはテクノロジー史における画期的な瞬間だったが、携帯電話がレンガのような単一目的のデバイスから、今日私たちが依存する強力なスマートフォンへと進化するまでには、それでも数十年を要した。携帯電話とは異なり、AI（人工知能）ははるかに速く進化し、数十年分の進歩をわずか数年に圧縮し、それに伴う急速な普及を実現している。実際、筆者の会社であるProsper Insights & Analyticsによる最近の調査によると、経営幹部や事業主の54%が現在、ChatGPTやCoPilotなどの生成AIアプリケーションを使用している。
基本的なタスク自動化は、人間のようなテキスト、画像、コードなどを生成する高度なアプリケーションへと急速に進化した。大規模言語モデル（LLM）、クラウドコンピューティング、データ可用性の進歩は、イノベーションをさらに加速させている。無数のアプリケーションが今後登場する中、ビジネスリーダーたちは、ワークフローの自動化、意思決定の改善、新たな収益源の発掘といったAIの潜在力から利益を得ようとしている。
しかし、この変革の表面下には、拡大する多面的な課題が潜んでいる。AIの導入が加速するにつれ、それが生成するデータの量と複雑さも増大している。世界のデータ生成量は2026年に220ゼタバイトを超えると予測され、AI生成コンテンツは人間が作成するコンテンツを上回る勢いにある中、企業は生成している全てのデータを効果的に活用するのに苦労している。ガートナーの調査は、AIの野心と現実の間のこのギャップを浮き彫りにしており、AI責任者の30%未満しか、CEOがAI投資のリターンに満足していると報告していない。
データサイロの隠れたコスト
AIが適切に機能するのは、組織にデータ全体の可視性を提供する場合のみである。それが実現すれば、より優れた洞察を提供し、よりスマートな自動化をサポートし、戦略的優位性を生み出すことができる。しかし、あまりにも頻繁に、構造化データと非構造化データが、異なる事業部門や製品グループによって、別々のサイロに保存されている。このデータが断片化され、不完全で、アクセス不可能な場合、AIモデルは意味のある洞察を提供するために必要なコンテキストを持つことができない。
そして、サイロ化されたデータの影響は企業全体で感じられ、AIライフサイクル全体に摩擦を生み出している。データサイエンティストは、モデルを構築するよりも、データセットの特定、クリーニング、調整に多くの時間を費やしている。ビジネスリーダーは、部分的または一貫性のない情報に基づいている場合、AI出力を信頼するのに苦労している。ITチームは、コストがかかり、スケールが困難な、広範で複雑なストレージ環境の管理に苦労している。
「データサイロは紛れもなくAIイノベーションの敵である」と、クラウドソフトウェア企業Domoのチーフデザインオフィサー兼フューチャリストであるクリス・ウィリス氏は述べる。同社は、チームがデータを統合し、ワークフローを自動化し、統一されたプラットフォームで分析を提供することを支援している。「その影響は、AIイニシアチブの低パフォーマンス、時間の浪費、機会損失に直接つながる可能性がある」
言い換えれば、データサイロは組織がAIの取り組みから価値を生み出すことを妨げている。当然ながら、Prosper Insights & Analyticsの最近の調査では、経営幹部や事業主の約40%が、AIが「幻覚を見ている」、または誤った情報を提供していることを懸念していることが判明した。
AIの成功はデータの再考から始まる
組織は一般的に、まずユースケースを特定し、次にツールを展開し、最後に結果を期待することでAIイニシアチブを開始する。このアプローチは、特に反復的なタスクの自動化に関しては、成果を上げることができる。
しかし、AIの長期的な価値は、企業全体にわたる洞察を生み出すことを必要とする。それには、アクセシビリティ、統合、ガバナンスを優先し、データがシステム、チーム、環境を越えて流れることを保証する、データファーストのマインドセットが必要である。この基盤がなければ、最も高度なAIツールでさえ期待外れに終わるだろう。
Domoは、企業がデータ管理に苦労し、企業全体でAIを一貫して活用していないことを直接理解している。同社のプラットフォームは、ユーザーがデータジャーニー全体にわたるソリューションを提供するエンドツーエンドのデータ製品を準備、可視化、自動化、配布、構築することを可能にする。数百のDomo顧客のAIユースケースは、モデルがよりスマートになったときにAIが価値を持つようになるのではないことを明らかにしている。それはビジネスに接続され、アクションのシステムになったときに価値を持つようになる。ユーザーにデータ製品を構築する能力を提供することが、ビジネスに測定可能な価値を生み出すものである。
統合インフラストラクチャの必要性
AIから真の利益を達成するために、組織は断片化されたアーキテクチャを超えて、統合されたデータインフラストラクチャに投資しなければならない。これは、オンプレミスシステム、クラウドプラットフォーム、エッジ環境全体のデータを1つのまとまったエコシステムに統合することを意味する。
統合インフラストラクチャは、いくつかの重要な利点を提供する：
- データアクセシビリティの向上：チームは、必要なときに、必要な場所で、必要なデータにアクセスできる。
- データ品質の向上：集中化されたガバナンスは不整合を減らし、AIモデルが信頼できるデータセットでトレーニングされることを保証する。
- 洞察までの時間の短縮：統合されたデータパイプラインは、リアルタイム分析とより迅速な意思決定を可能にする。
- コスト効率：冗長なストレージを排除し、データ管理を合理化することで、運用コストを削減する。
統合がすべて
データ量が増え続ける中、統合はAIの成功にとってさらに重要になる。アプリケーション、プラットフォーム、環境全体でデータを接続できる組織は、投資から最大の価値を得るだろう。
「成功裏にスケールする組織は、統合を優先し、それを配管ではなく基盤として再考している」とウィリス氏は述べる。「これまで以上に、それは共通のパターン、共有所有権、チームがリスクを導入することなく動くための柔軟性を含む、統合への共有アプローチを採用することを意味する」
最新のデータ統合ソリューションは、構造化データと非構造化データを統合し、データパイプラインを自動化し、システム全体で一貫性を維持することで、これを可能にする。これらは、孤立したユースケースを超えてAIイニシアチブをスケールするために不可欠な機能である。
セキュリティとガバナンス
組織がデータサイロの解消を優先する際、セキュリティとガバナンスも考慮しなければならない。堅牢なデータガバナンスフレームワークは、データがアクセス可能で、安全で、コンプライアンスに準拠し、責任を持って使用されることを保証するために不可欠である。これには、すべての環境にわたるデータアクセス、暗号化、ライフサイクル管理のための一貫したポリシーの実装が含まれる。
AIはまた、機密性の高いトレーニングデータの保護や、モデルが情報をどのように使用するかの透明性の確保など、他の考慮事項も導入する。これらの問題に対処できない組織は、財務的損失だけでなく、評判の損傷のリスクも負う。
戦略的優位性としてのデータ
データサイロの解消が簡単な偉業ではないことは明らかである。それには、IT、データチーム、ビジネスリーダー間の連携、そしてレガシープロセスとシステムを再考する意欲が必要である。しかし、その見返りは相当なものになり得る。
データを統合し、管理することに成功した組織は以下を獲得する：
- AIの導入とイノベーションの加速
- より優れた洞察による意思決定の改善
- 運用の非効率性とコストの削減
- より強力なデータセキュリティとコンプライアンス
最も重要なことは、彼らはデータを断片化された負債から、時間とともに進化できる戦略的資産へと変革できることである。
前進への道筋
疑いなく、AIは競争環境を再構築しているが、テクノロジーだけでは成功を保証するのに十分ではない。真の差別化要因は、組織がデータをどのように管理し、活用するかにある。
データ量が増え続ける中、リードする組織と取り残される組織の間のギャップは広がるだろう。最新のデータ管理に投資し、サイロを排除する企業は、AIの完全な価値を実現するためのより良い位置にいるだろう。そして、そうしない企業は、データに溺れ、意味のあるROIを提供できず、競争に追いつくのに苦労していることに気づくかもしれない。
開示：上記で言及された消費者センチメント調査は、筆者の会社であるProsper Insights & Analyticsによって実施された。これは、全米小売業協会が使用しているのと同じデータセットであり、Amazon Web Services、ブルームバーグ、ロンドン証券取引所グループから経済ベンチマーキングのために入手可能である。
