AI意思決定者の72%、原因はデータ基盤

AI事業が期待に届かなかった際、その根本原因として脆弱なデータ基盤を挙げたAI意思決定者は72%でした。ソフトウェア企業Collibraがハリス・ポール(Harris Poll)に依頼し、データ管理・プライバシー担当者およびAI意思決定者300名を対象に実施した調査結果で、2026年9月に公開されました。

調査は何を示しているか

調査によると、意思決定者たちはその結果を受けて、知能とデータガバナンスを整合させるべく運用モデルを再構築しています。項目別の数値は以下の通りです。

• 意思決定者の53%は、AI機能の報告ラインをデータ組織により近づけています。
• 企業の58%は、AI成果物に対する社内の責任所在を明確にすることに注力しています。
• 意思決定者の87%は、所属チームがAIエージェントが使用する文脈情報の正確性と鮮度を定期的に点検していると回答しました。
• 回答者の半数以上は、社員がAIエージェントの成果物を人が確認・修正するために何時間も費やしていると答えました。

エージェントはデータの使い方がどう異なるのか

Collibra共同創業者兼CEOのフェリックス・ヴァン・デ・マール(Felix Van de Maele)氏は、どのエージェントが稼働しているか、誰がそのエージェントを所有しているか、どのデータやシステムにアクセスできるか、何を行う権限を与えられているかを企業が把握すべきだと述べました。そうした可視性がなければ、ガバナンスの隙間は事故が起きて初めて発覚するというのです。

同氏は、企業データはこれまで人がダッシュボードを読み、分析を行うことを前提に設計されてきたと説明しました。データがおかしいと感じれば人が疑問を呈し、データ自体には表れない文脈を補ってきました。エージェントはその前提を変えます。定義が曖昧であったり文脈が欠けていたりしても、エージェントは答えを出し、その答えに基づいて自信を持って行動します。

そのため必要なのは、データをさらに整備することではなく、このデータが何を意味するのか、今信頼できるのか、このデータで何をしてよいのかを、機械が理解し利用できる形にしておくことだと同氏は述べました。具体的な方法としては、事業全体で定義を統一すること、そしてエージェントが行動する時点で確認できるようポリシーをコードに落とし込むことを挙げています。

アクセス範囲そのものも制約になります。Google CloudとMIT Technology Review Insightsが8月に発表した報告書によると、現在AIがアクセスできる企業データは平均45%にとどまり、AIエージェントの成果物が適切かつ正確だと信頼している組織は半数にすぎませんでした。

規制対応についても調査で取り上げられています。Collibraとハリス・ポールの調査では、ビジネスリーダーの10人中9人が米国および世界のAI規制に積極的に備えていると回答し、企業リーダーの51%はデータリネージ(data lineage)と文書化に投資していると答えました。

韓国企業へのAXへの示唆

この調査が示すボトルネックは、モデルの性能ではなくデータの定義と権限です。エージェント導入を検討するなら、パイロットを拡大する前に確認すべきことがあります。

• 同じ指標名が部署ごとに同じ定義で使われているか
• エージェントがアクセスできるデータとシステムの範囲が文書で定められているか
• 成果物が誤っていた場合に誰が修正し誰が責任を負うのかが組織上明確になっているか

稼働中のエージェント一覧と、各エージェントの所有者・アクセス範囲・承認された行動を一枚にまとめてみることから始めてください。その一枚が埋まらないのであれば、データ整備より先に整理すべきは責任所在です。

出典: AI failures often trace back to poor data foundation: survey