AIの性能は基盤となるデータの質に左右されます

ここ数年、企業向けAIをめぐる議論は劇的に変化してきました。 初期の議論では、大規模言語モデル、検索強化型生成、プロンプトエンジニアリング、モデル選定、生成AIに最も適したビジネスプロセスの特定に焦点が当てられました。 多くの組織は、AIが生産性を向上させ、意思決定を迅速化し、顧客体験を変革できる方法を理解しようと、新技術の実験に急いで乗り出しました。

今日、その議論は変化しつつあります。

AIモデルは急速に進化し続けていますが、多くの組織はAI導入を成功させる上での最大の障壁が、もはやモデルそのものではないことに気づき始めています。 むしろ課題は、AIシステムに正確で信頼性が高くガバナンスが確保され、ビジネスで即座に活用可能なデータへのアクセスを提供することにあります。

この変化は、アナリストの調査レポートにも反映されるようになっています。 ガートナーは、組織が実験段階から本番環境への導入へと移行する中で、AI対応のデータ、ガバナンス、およびデータ管理の実践の重要性を強調しています。 同様に業界アナリストたちは、データ管理、統合、分析、ガバナンス、AIを統合しつつ、運用上の複雑さを軽減できるアーキテクチャへのニーズが高まっていることを引き続き強調しています。

その理由は明らかです。 ほとんどの組織はデータ不足に悩まされているわけではありません。 むしろ業務用アプリケーション、データベース、クラウドサービス、データウェアハウス、データレイク、パートナーエコシステム、SaaSプラットフォーム、そして各部門のデータサイロなどに分散している断片的な情報に頭を悩ませています。 同じビジネス概念であっても部門によって定義が異なることがよくあります。 データの品質に関する課題は依然として残っています。 ガバナンス方針はシステムごとに異なります。 データ量やデータソースが増え続けるにつれ、セキュリティ対策の管理はますます困難になっています。

組織がこうした環境にAIを導入するにつれ、AIがこれらの課題を解消するどころか、かえって増幅させてしまうことに気づくケースが頻繁に見られます。

AIをめぐる期待の高まりを受けて、多くの組織がモデル、エージェント、アシスタントに注目するようになっています。 これらの技術は重要ですが、AIイニシアチブを成功させるための要素の一つに過ぎません。

AIが有意義なビジネス価値を生み出すためには正確で、最新、信頼性が高く、ビジネスの文脈の中で理解されている情報に基づいて動作する必要があります。 一貫性のある基盤がなければ、AIシステムは矛盾した回答を生成したり、データ品質の問題を悪化させたり、信頼を損なったりする可能性があります。

私たちが頻繁に直面する課題の一つは、重要な情報が数十、数百ものアプリケーションやリポジトリに分散している環境において、組織がAIの適用を試みていることです。 アナリストやビジネスユーザーは、有意義な分析を始める前に、情報の検索、検証、システム間の不一致の調整、どのバージョンのデータが正しいかの判断に、かなりの時間を費やしています。 経営陣はAIに熱意を抱いているかもしれませんが、彼らには共通の懸念があります。それは今日、同じビジネス上の問いに対して異なるシステムが異なる答えを出している状況において、明日のAIが導き出す答えをどうして信頼できるのか、ということです。

制約となるのはモデルそのものではなく、

データの基盤なのです。

この現実は、あらゆる業界でますます一般的になりつつあります。 各組織は、AIの取り組みを成功させるには、高性能なモデルだけでは不十分であることを認識しつつあります。 一貫性のあるビジネス定義、情報へのアクセス管理、メタデータ管理、セキュリティ対策、データリネージ、意味的コンテキスト、企業データに対する信頼できる理解が求められます。

端的に言えばデータ戦略なくしてAI戦略は成り立ちません。

この課題をきっかけに、企業情報に対する共通かつガバナンスの効いたビューを確立できる、最新のデータアーキテクチャへの関心が高まっています。

統合、ガバナンス、メタデータ管理、分析、AI といった個別のツールを寄せ集めるのではなく、データ管理環境を簡素化するアプローチを求める組織が増えています。 アナリストの調査によると、多くの企業が多数の専用プラットフォームに依存するアーキテクチャを見直しつつあります。背景には、こうしたアーキテクチャがもたらす複雑さや拡散により、運用上のオーバーヘッドが増大し、ガバナンス上の課題が生じ、イノベーションの遅れを招き、AI出力の精度や信頼性を低下させる不整合が生じる可能性があるという認識があります。

その目的は単にデータをより効率的に管理することだけではありません。

既存のアプリケーション、データベース、データウェアハウス、データレイク、クラウドプラットフォーム、ファイル、API、およびその他のシステムにまたがる企業情報の共通かつ信頼性の高いビューを構築することです。 この基盤を構築することで、組織は情報が複数の環境に分散する際に必然的に生じる不整合を軽減できるだけでなく、ユーザー、アプリケーション、分析プラットフォーム、AIシステムが、ビジネスに対する共通の理解に基づいて連携しやすくなります。

同様に重要なのは、統一されたアプローチにより、組織がデータエコシステム全体において、ガバナンス、セキュリティ、プライバシー、コンプライアンスに関するポリシーを一貫して適用できるようになることです。 情報は見つけやすくなり、理解しやすくなり、信頼しやすくなります。 その結果、分析や業務上の意思決定だけでなく、次世代のAI駆動型アプリケーションやワークフローにとっても、より強固な基盤が築かれることになります。

本日 InterSystems Data Studio™ AI Assistantの一般提供開始を発表できることを嬉しく思います。これはInterSystems Data Studio向けのローコード生成AI拡張機能であり、インテリジェントアシスタント、すぐに使えるエージェント、マルチエージェントフレームワークを追加するものです。 このソリューションは、組織が構造化データや非構造化データを容易に探索、分析、検索し、自然言語による対話型インターフェースを用いて結果を可視化できるよう支援することを目的としています。

AI Assistantは、組織がすでに保有しているあらゆるデータに対応するように設計されています。 InterSystems Data Studioの基盤となる機能を活用し、業務アプリケーション、データベース、データウェアハウス、クラウドサービス、その他のデータソースにまたがる情報を連携、統合、ガバナンス、管理することで、組織は、AIアシスタントがより有意義なインサイトを生成するために活用できる、統一され、一貫性があり、ガバナンスが施されたデータレイヤーを構築・維持することができます。 ビジネスユーザー、アナリスト、アプリケーション、AIアシスタントに、単一の信頼性が高くガバナンスの整った情報基盤へのアクセス権を与えることで、組織は複雑さを軽減し、AIによる洞察や回答の正確性に対する信頼を高めることができます。

AIアシスタントは、すぐに使えるエージェントと、マルチエージェントフレームワークの両方を提供します。これにより組織はカスタムデータセット、ルール、権限を用いて、複数のエージェントを連携させ、特定のドメインにおけるユースケースに対応できるカスタムアシスタントを構築することが可能になります。 単一のリクエスト・レスポンス・パターンだけに依存するのではなく、複数のエージェントが連携して、より高度な分析や推論を行うことができます。 そしてビジネスユーザーにとって、ビジネス文書やアプリケーション全体にわたって、より正確かつ直感的な方法で答えを見つけ、情報を探索できるようになります。 組織にとっては、より複雑なクエリに対応し、より正確な知見を提供し、企業全体の情報を横断して、より深い分析を可能にするAI基盤となります。

AIの取り組みの成功は、組織が選択したモデルだけで決まるわけではありません。 また、これらの組織がAIと信頼性の高い企業データをどれほど効果的に結びつけられるかによっても、その評価が決まるでしょう。

例えば金融サービス企業は、流動性リスクの調査、リスクの集中度の分析、あるいは複数の業務システムにまたがる異常なパターンの特定などを行う必要があるかもしれません。 サプライチェーンを扱う組織は、在庫の混乱、サプライヤーの制約、物流上のリスクをリアルタイムで把握する必要がある場合があります。 医療機関は、収益サイクルのパフォーマンスを最適化し、人材の活用率を向上させ、重要な資産や施設の効率を最大化しようと努める場合があります。
いずれの場合においてもAIは有用です。 しかし、その価値は基盤となる情報の品質、利用しやすさ、文脈、ガバナンスに大きく左右されます。

信頼性が高く統一されたデータ基盤と、組み込まれた生成AI機能を組み合わせることでInterSystems Data StudioおよびAI Assistantは、組織が孤立したAI実験の段階を超え、本番環境で稼働する測定可能なビジネス成果を実現できるよう支援します。

新しいバージョンがリリースされるたびに、大規模言語モデルやAIシステムは、より高性能になり、精度も向上し、実際のビジネス上の課題への応用も容易になってきています。 その結果AIアシスタントは事実上あらゆる業界で急速に導入が進んでいます。

成功する組織とそうでない組織を分けるのは、AIを導入するかどうかでなく、AIに対して、信頼性が高く、ガバナンスが確保され、業務に即活用できる情報へのアクセスを提供できるかどうかです。 断片化した企業データとAIによる洞察との間のギャップを埋めることができる組織こそが、AIから長期的な価値を引き出す上で、最も有利な立場に立つことになるでしょう。
だからこそ企業向けAIの未来は、単にモデルの性能向上だけにあるわけではないのです。 また、より優れたデータ基盤の構築も重要な要素です。
InterSystems Data Studio AI Assistantの一般提供開始により、組織は単一のプラットフォーム上で、統合データレイヤー、データ統合、ガバナンス、メタデータ管理、意味的一貫性、分析、AIを活用したアシスタントを組み合わせることが可能となり、信頼性の高い企業データを実用的な知見へと変換するのに役立ちます。

結局AIの性能は、その背後にあるデータの質に左右されるからです。

InterSystems Data Studio AI Assistantの詳細をご覧ください。