[Sponsored]

ビジネス全体を俯瞰する“言葉の地図”、概念データモデルが切り拓く人とAIの協働による新世界とは？

2026年4月24日(金)

リスト

AI活用でより大きな成果を創出するためには、高品質なデータの整備が不可欠である。しかし、企業内には類似しながらも意味が異なるデータが多数存在し、全社横断で管理されているため、その整備は容易ではない。
2026年3月11日に開催された「データマネジメント2026」（主催：日本データマネジメント・コンソーシアム〈JDMC〉、インプレス）のセッションに、データ総研の小川康二氏と、Quollio Technologiesの道方一希氏が登壇し、状況打開の鍵となる「概念データモデル」と「メタデータ」の整備の意義と重要性について解説した。
提供：株式会社データ総研／株式会社Quollio Technologies

AIの使いこなしに向けた人の役割とは？

　生産年齢人口の減少が続く中で、企業は業績の維持・向上に向けて、さまざまな領域でDXを推進している。その過程で多くの企業が直面しているのが、業務のデジタル化に伴う社内データの爆発的な増加と、それらの「処理」に多大な工数が費やされ、本来の目的である「データによる新たな価値創出」という「仕事」に十分な時間を割けないという課題である。

　この状況を打開する手段として期待されているのがAIである。データ入力や集計、レポート作成といった従来人手で行っていた「処理」をAIに代替させることで、人は課題設定や意思決定といったビジネス判断を伴う、より付加価値の高い「仕事」に専念できるようになる。

　ただし、「留意すべきは、AIは会社固有の常識や現場の文脈を理解していない『優秀だが世間知らずの新人』である点です」と指摘するのは、データ総研代表取締役社長エグゼクティブ・シニアコンサルタントの小川康二氏である。

株式会社データ総研代表取締役社長エグゼクティブ・シニアコンサルタント小川康二氏

　「だからこそ、人がAIの賢い暴走を抑制し、正しく機能するように監督、指導していく必要があります」（小川氏）

　その際に人が担うべき重要な役割が、AIに対する「高品質なデータ」の提供である。「Garbage in, Garbage out」の言葉通り、低品質なデータからは価値は生まれない。全社統一ルールのもとで管理され、常に最新かつ正確な状態が維持され、意味が的確に定義されたデータの整備が不可欠である。加えて、データの背景となる「業務の文脈」や、判断に必要な経験や勘などの「暗黙知」もあわせてAIに教える必要があるという。

データの「認識のズレ」を是正する概念データモデリング

　もっとも、高品質なデータの準備は想像以上に難易度が高い。その最大の要因として小川氏が挙げるのが、現場で生じているデータの「認識のズレ」である。例えば、同一の企業に対して部門ごとに異なるコードを付与して管理していたり、同一企業を扱っているにも関わらず、部門ごとに法人・部門・口座など管理対象の粒度や視点が異なっているケースが挙げられる。

　こうした認識のズレにより、企業内には「似て非なるデータ」が乱立し、結果としてデータ品質の低下を招いている。この状態を放置したままでは、データから大きな価値を創出することは困難である。

　この課題に対する解決策として小川氏が提示するのが、データ総研が約40年前から提案している「概念データモデリング」である（図1）。概念データモデリングとは、言葉が指す対象の粒度や範囲を明確化し、業務として管理すべき情報を整理・分解したうえで、データ構造を定義するアプローチである。

図1：データ総研が約40年前から提案する、言葉の認識のズレの是正法が「概念データモデリング」だ。人間とAIが、同じ言葉の意味の地図を共有するためのAI Ready Dataだという
拡大画像表示

　例えば「得意先」や「仕入先」といった業務用語は、実際には物理的な「得意先マスタ」「仕入先マスタ」に依存して定義されていることが多い。そのため、同一企業であってもシステム上は別企業として扱われてしまう。これに対して概念データモデルでは、これらを上位概念である「取引先」として統合し、その中の役割として得意先・仕入先を位置付ける。これにより、異なるマスタが分散した同一企業の特定が可能になるという。

　「概念データモデルは、ビジネス全体を俯瞰する『意味の地図』です。AIにとっては、ビジネス構造や用語の意味、対象間の関係性を理解するためのメタデータでもあります。人とAIが同じ言葉の意味を共有するためのAI Ready Dataと位置づけています」（小川氏）

理解が広がり始めたメタデータマネジメントの重要性

　概念データモデルを整備することで、AIはデータの正確な意味や複雑な関係性、さらには適切な利用文脈を理解できるようになる（図2）。その結果、「業務用語ベースでのAIとの対話が可能となり、さらに概念データモデルを基盤として、システム間の不整合や既存データ項目の不備をAIが指摘することも可能になる」と小川氏は笑顔で語る。

図2：概念データモデルにより、AIがビジネスを理解することが可能になり、業務の言葉での人とAIの対話が実現する
拡大画像表示

　「データがどのような目的や意味で管理されているかは企業ごとに異なります。そのため、AIにも新入社員と同様に、自社のルールや業務の実態をデータおよびメタデータを通じて正しく教育する必要があります。これを実現する基盤が概念データモデルです」（小川氏）

　さらに小川氏は、将来的な姿として、AIがシステムを自動巡回し、取得した最新情報を基にレポートなどの成果物を自動生成し、人間がそれを責任を持って確認・修正することで、常に最新の知を企業として蓄積・活用していく世界を描く。この実現に向けては、AIと人が協働しながらデータ活用を推進するための「次世代データ基盤」の整備が不可欠であると指摘する（図3）。

図3：AIが自律的にレポートなどの各種成果物を作成し、それを人間が確認・修正して最新化した知を一元管理するためにも、次世代データ基盤の整備を小川氏は推奨する
拡大画像表示

　一方で、データによる成果創出の成功要因として、「データマネジメント」と共に、データを活用できる状態にする「メタデータマネジメント」の必要性を訴えるのはQuollio Technologies 事業開発本部執行役員 VP of Business Developmentの道方一希氏だ。ビジネスでのAI活用シーンの広がりを背景に、ビジネスメタデータの整備を優先する企業がここ数年で急速に増えているという。

　道方氏は、「ビジネスメタデータはAI活用のいわば土台です。最優先に取り組むとともに、常に最新の状態を維持できるようにその整備をオペレーション化すべきです」と訴える。

株式会社Quollio Technologies 事業開発本部執行役員 VP of Business Development 道方一希氏

メタデータやコンテキストの整備／維持を多角的に支援

　Quollio Technologiesは、ビジネスメタデータやコンテキストの整備・管理の支援に向け、各種ツールやサービスを提供する。その最新版として、近くリリースを予定しているのが、ビジネスメタデータやAIコンテキストの登録から公開までの業務フローを設計・可視化して、メタデータやコンテキストのライフサイクル管理を支援する機能だ。「社内に存在する多数のメタデータの管理者／保有者がデータごとに登録と更新、公開までの審査承認をUI上で簡単に行えるようにし、その整備を効率化することがリリースの狙いです」と道方氏は概要を説明する。

　Quollioでは、エンタープライズ向けメタデータ運用基盤SaaS「Quollio Data Intelligence Cloud」や、データ／AI活用のための戦略策定から体制の構築、実装、運用の定着、AIユースケースの検証までの専門チームによる伴走型の支援サービス「Quollio INTEGRAL」なども提供する（図4）。