AI活用を支えるデータ整備の進め方

AI活用の本格化に伴い、企業はデータを収集・保管するだけでなく、業務判断や分析、自動化に活用できる状態に整備することが求められている。本稿では、データ整備が停滞する要因とともに、データマネジメントプロセスを独立したプロジェクトとして進める必要性と推進上の要点を示す。

データ整備が停滞する企業の課題

ITR Review『業務のAI自律実行を阻む暗黙知の壁』（R-226053）では、AI活用を本格化させるためには、数値、マスタデータ、トランザクションに加え、判断基準、前提条件、業務文脈を表すデータまで整備対象を広げる必要があると述べた。こうした認識は、企業において広がりつつあるが、取り組みの進捗や成果には差が生じている。

ITRが複数の企業を対象にヒアリングを実施したところ、データ整備が遅れている企業には、「何から着手すべきかわからない」「知識体系（DMBOKなど）を実務に落とし込めない」「IT部門、事業部門、DX部門などの役割が曖昧である」といった共通の課題がみられた。また、データレイクやBIなどの製品導入が先行し、解決すべき業務課題や、整備対象となるデータの範囲、品質、粒度、更新頻度が十分に定義されていないケースもみられた。さらに、データ整備を推進する人材の不足や全社横断での合意形成の難しさも、整備が停滞する要因となっている。すなわち、問題はデータそのものだけでなく、整備手順、体制、スキル、役割分担、意思決定プロセスに及んでいるといえる。