データ×AI活用のつまずき処方箋
データ活用とAI活用が進まない原因を、目的設計・体制・データ基盤の観点から整理します。成果企業の共通点とスモールウィンの作り方を解説します。
登壇者紹介
本セミナーには、株式会社インティメート・マージャー 代表取締役社長の簗島亮次氏と、株式会社サンブリッジ 取締役兼COOの堀江 海志氏が登壇されました。簗島氏はデータ活用の実務と研究の双方に携わり、データとAIを掛け合わせた課題解決を幅広く支援されている立場から、現場で起きやすい課題と打ち手を整理されました。堀江氏は多数のプロジェクト支援の経験を背景に、データ活用が止まる典型パターンや、組織として前に進めるための要諦を具体的に提示されました。進行はモデレーターが担い、参加者の疑問も交えながら、現場目線で議論が深まりました。
セミナーの背景と問題意識
本セミナーのテーマは、データ×AI活用が「思ったより進まない」状況を、つまずきポイントから分解し、解決策のヒントを持ち帰ることでした。参加者として想定されていたのは、データ活用が進まない理由を整理したい方、AIを導入したいものの活用像が描けない方、ツールを導入しても定着しない方、営業やマーケティングの現場で生かせる事例を探している方でした。
議論の出発点として共有されたのは、データ活用やAI活用が「導入さえすれば成果が出る施策」ではなく、目的・体制・基盤がそろって初めて回り始める取り組みである点でした。特に近年は生成AIの普及で、分析や要約のハードルが下がる一方、使える企業と使えない企業の差が拡大しやすい状況が生まれている点も強調されました。
キーメッセージと発言ハイライト
セミナー全体を貫くキーメッセージは、目的と目標が曖昧なままデータ活用やAI活用を始めると、手段が目的化して止まりやすい点でした。堀江氏は調査データを参照しながら、データ活用の実態として「取り組み検討は増えている一方で、十分な成果に到達する企業は少数にとどまる」状況を紹介されました。ここで重要なのは、データを集める行為ではなく、集めたデータを継続的に意思決定と改善アクションへつなげる運用にある点でした。
データを活用しようが目的になると、成果が得にくくなります。改善したい目的と目標が先にあり、必然としてデータ活用が必要になる状態が重要です。（堀江氏）
この観点はAI活用にもそのまま当てはまる旨が語られました。AIを「使うこと」が目的になると現場が迷子になりやすく、何を改善したいかが明確なほどAIの強みが生きやすい流れになりました。
目的がない状態では、AI側も何をすればよいかが分かりにくくなります。目的が定まれば、結論へ到達する力はAIが非常に得意です。（簗島氏）
また、堀江氏はデータ活用を進める基本手順として、目的・目標の明確化を起点に、データ蓄積の基盤整備、活用とAIの適用、最後にPDCAサイクルの構築へ進む流れを示されました。PDCAは「Plan（計画）・Do（実行）・Check（評価）・Act（改善）」の循環であり、導入して終わらせない運用設計を指します。
この手順が崩れると、例えば「とりあえず貯める」形になり、プロジェクト終了と同時に体制が解散してしまうリスクが高まる点も議論されました。データは意図がなければ使いにくく、現場の負担感だけが残りやすいからです。
実践的な取り組みと事例
本セッションでは、うまくいかない理由を「システム・データ」「戦略・目的」「社内体制・文化」の三領域に整理し、複合的に絡み合う点が強調されました。特に多かった例として、システムが部門や拠点ごとに分断され、顧客や取引先のマスターデータが統一されないまま運用が続き、統合が難しくなる状況が挙げられました。マスターデータは顧客名や企業名などの基礎情報であり、ここがばらつくと、購買や商談などの取引データをつなぐ設計が極端に難しくなります。
さらに、トップダウンで号令が出ても、現場の強い部門が反発し、前向きな保留が積み重なって進まないケースも共有されました。ここでは、横断プロジェクトになりやすい点が論点になりました。営業の改善を狙っても、マーケティング、カスタマーサポート、情報システム、財務などが関与しやすく、部門最適では前に進みにくい構造があるためです。
横断する取り組みは、一部署だけでは回しにくくなります。経営課題として扱い、推進する体制が必要になりやすいです。（簗島氏）
投資判断の話では、ROIの組み立て方が重要なテーマになりました。ROIは投資対効果の指標であり、費用に対してどれだけ効果が見込めるかを示します。ただし堀江氏は、データ活用はROIへ直結しにくく、間の因果を丁寧に結ぶ必要がある点を指摘されました。例えば営業生産性を上げる場合でも、データが蓄積され、どの運用が変わり、どの指標が何％改善し、最終的に売上や利益へどう効くかを、仮説でもよいので筋道立てて説明する必要があります。
データ活用とROIは直接つながりにくい面があります。現状分析を丁寧に行い、どの運用がどう変わり、どの数値がどう改善するかを仮説でもつないでいくことが重要です。（堀江氏）
AI活用が進むと、データを見る主体が人からAIへ移りやすい点も議論されました。特に広告領域では、データを人が解釈して最適化するより、機械学習が動きやすい形でデータを供給し、最適化を任せる設計へ変化してきた旨が共有されました。ここでは「人がずっと数字を追い続ける」運用の限界が語られ、目的設定は人が担い、傾向抽出や最適化はAIが担う役割分担が現実的な方向として提示されました。
また、堀江氏は「うまくいかない群」を可視化し、組織文化の刷新の重要性を強調されました。ツール導入は表面の話に見えますが、根底には意思決定の覚悟、部門横断の大義、変化を受け入れる文化が必要になりやすいからです。
今後の展望とまとめ
終盤では、データ活用とAI活用の未来像が共有されました。堀江氏は海外事例として、顧客中心にデータを整理し、購買履歴や社内ナレッジをAIへ連携し、パーソナライズ提案やサポートを高度化している企業の話を紹介されました。ここで示されたポイントは、AI側の進化により、表や資料などの非構造データも扱いやすくなり、以前より活用のハードルが下がっている点でした。非構造データは、表計算のように整形されていない文書や画像などのデータを指します。
一方で、日本では少子高齢化による労働力減少が進み、生産性向上の必要性が一段と高まる見通しが語られました。人が担うべき仕事は、目的設定や意思決定のように答えが一つに定まりにくい領域へ寄り、答えが定まりやすい領域はAIが担う比重が増えやすい流れが示されました。
目的や目標を考える仕事は答えが定まりにくく、人が担いやすい領域です。目的が定まった後の最適化はAIが力を発揮しやすくなります。（簗島氏）
実務の第一歩としては、難しく考えすぎず、課題を一つに絞ってスモールウインを作り、社内に成功体験を広げる提案がなされました。スモールウインは小さな成功の積み重ねであり、現場の納得感を作る起点になりやすい考え方です。あわせて、専門用語として登場したDMPは広告配信のためのデータ基盤であり、外部データも含めてターゲティングへ生かす用途で使われます。CRMは顧客関係管理の仕組みで、顧客との接点や履歴を扱います。MAはマーケティングオートメーションで、見込み顧客へのアプローチを自動化します。BIはデータの可視化や分析のための基盤を指し、ダッシュボードは指標を一覧できる画面設計を指します。
最終的に、データ×AI活用のつまずきを越える鍵は、目的・目標の明確化、横断推進の体制づくり、データ基盤の整備、そしてPDCAで回し切る運用の四点に集約されました。導入を急ぐよりも、現状分析から一つ勝てるテーマを見つけ、因果をつないだ仮説で投資判断を行い、成功体験を社内へ展開していくことが、最短距離になりやすい内容でした。
