エンタープライズAIにおけるデータレディネスの課題
AI施策が止まる主因はモデルではなく、データの意味、鮮度、正本、実行権限、成果測定が定まっていないことです。私たちはモデル選定前に、来歴、鮮度、重複、ベースライン、実行権限、成果測定の6項目を確認します。
最初の制約はモデルではない
運用を支えるのはソース、ID、定義、権限、レビュー、書き込み、フィードバックです。RANDは不適切なデータや基盤不足、事業課題との不整合を失敗要因に挙げています。Stanford AI Index 2026のEconomy章が示す導入拡大も、測定可能な成果と同義ではありません。
意思決定契約から始める
反復する判断、責任者、許可された操作、期限、根拠、成果を明記します。単なる「商品データにAI」ではなく、「承認済みレコードを上書きせず、不足属性を週次公開前に提案する」と定義します。
ゲート1：来歴
ソース、抽出時刻、キー、変換版、修正履歴を保存します。再現可能なデータ抽出は要求、応答、失敗を記録し、欠損をゼロと誤認させません。第三者が出力を再構成できれば合格です。
ゲート2：鮮度
意思決定ごとに許容年齢を定め、イベント時刻、記録時刻、利用時刻を分けます。超過時は警告、棄権、フォールバック、書き込み停止を行います。データウェアハウスと取り込み層も意思決定製品の一部です。
ゲート3：重複と同一性
同一エンティティの条件と範囲を定義し、生IDと正規ID、照合方法、信頼度を保持します。不確実な照合はレビューへ回します。運用データの完全な所有により、上流変更後も照合と再実行が可能です。
ゲート4：ベースライン
変更前にエラー、時間、レビュー工数、網羅率、例外、成果を測ります。機密データは Baseline = 100 の指数で示し、絶対値は認可環境に残します。母集団と期間を固定し、再現可能にします。
ゲート5：実行権限
参照権限は更新権限ではありません。操作ごとに正本、実行者、承認、上限、職務分離、ロールバックを定義します。read-only、recommend、dry-run、承認済みwriteの順に進め、最小権限と冪等性を徹底します。
ゲート6：成果測定
入力 → 提案 → レビュー → 操作 → 成果を安定IDで結び、棄権と却下も記録します。主要成果と、重大エラー、override、苦情、遅延、他部署への負荷移転などのガードレールを設定します。
実務的なスコアカード
| 状態 | 意味 | リリース判断 |
|---|---|---|
| Unknown | 根拠未収集 | 運用効果を主張しない |
| Defined | 責任者・定義・テストあり | オフライン評価のみ |
| Verified | 代表データで合格 | 管理された試行 |
| Monitored | 本番閾値と対応あり | 限定的に拡大可能 |
平均ではなく、重大な損害を起こし得る最弱ゲートが上限を決めます。
モデル選定前に投資順序を決める
ID、文脈、権限、ベースラインを先に整え、その後に成功率、校正、遅延、プライバシー、費用でモデルを比較します。各ゲートには責任者、監視、閾値超過時の対応が必要です。
経営層が問うべきこと
「どのモデルか」ではなく、「根拠から許可された操作、測定成果までの鎖を示せるか」を問います。再現できて初めて、施策は学習できます。