AI時代、データ基盤の整備が企業の競争力を左右する

はじめまして。キカガク CTO 室 Data チームの矢ヶ崎です。
普段はデータ基盤の設計・運用を担当しながら、社内のAI活用を推進する取り組みに携わっています。

データ基盤に日々向き合う中で、最近あらためて感じていることがあります。それは、AI活用が広がるほど、問われるのは AI そのものだけではなく、その土台になるデータ基盤の整備だということです。

これまでデータ基盤は、人が分析し意思決定するための基盤として捉えられてきました。しかし、AI が業務の中でデータを参照し、提案や判断に関わるようになり、その役割が変わりつつあります。

データ基盤の整備が、これからの企業の競争力を左右する。
今回は、その理由について書いてみたいと思います。

データ基盤の"役割"が、変わりはじめている

データ基盤の役割というと、これまではデータを収集・蓄積・加工・分析し、データドリブンな意思決定を支えるためのインフラでした。AIが業務に本格的に組み込まれるようになった今、その役割はAI活用のインフラへと変化しつつあります。
そして、AI 活用の差は、実は AI そのものではなく、この「インフラ」で決まると考えています。

これまでのデータ基盤は、「人が見るため」のものだった

ダッシュボードで売上の推移を確認する。月次レポートで KPI を振り返る。異常値を検知して担当者がアクションを取る。これまでデータは、人の目と判断を通して活用されていました。

そのため、表記揺れや欠損、属人化があっても、大きな支障にはなりませんでした。「このデータはあの担当者に聞けばわかる」「先月のこの数字はシステム移行の影響だから除外して考えよう」「この定義は事業部によって少し違うけど、だいたいこういう意味だ」と、人間が文脈を読んで暗黙的に補完できたからです。（これはこれで問題ではありますが…）

データの曖昧さは、人間の柔軟さで吸収されていました。

AI の登場で、データの「使い方」が変わる

AI が業務に入ってきたことで、データの使い方が変わり始めています。

① 判断のタイミング（週次・月次 → 常時・リアルタイム）
人が週次・月次でデータをレビューしていた世界から、AI が常時データを参照し判断を下す世界へ。これまで「月次で振り返る」ことが前提だったPDCA のサイクルが、AI によって日次・時間単位へと縮まる可能性があります。

② 処理できる量と範囲（人の限界 → 膨大・横断的）
人が処理できるデータの量と範囲には限界があります。一人の担当者が同時に見られるデータソースは限られ、分析できる粒度にも上限があります。AIはその限界を大きく超え、膨大なデータを横断的に処理できます。これまでリソース不足でカバーできなかった領域が、初めて視野に入るようになります。

③ 分析の主体（人が能動的に分析 → AIが分析し、人は判断を受け取る）
これまでデータ分析は、人が能動的に「見に行く」ものでした。問いを立て、データを引き出し、解釈する——その全工程を人が担っていました。AIが介在することで、分析だけでなく、次に取るべき判断や改善の提案までをAIが担い、人はその設計と監督に専念する方向へシフトしつつあります。PDCA を回す役割そのものが、人からAIへと移り始めています。

AI の登場によって、PDCA の回転速度は桁違いに上がり、これまでリソース不足で手が届かなかった領域にも取り組める可能性が生まれます。将来的には、こうしたサイクルの一部を AI が自律的に回していくことも現実味を帯びてきます。

その可能性を引き出すために、データ基盤に求められること

この可能性を引き出すためには、データ基盤が「AI-Ready」な状態、つまりAI が使えるデータが整っていることが前提です。

では、データ基盤における AI-Ready な条件とは何でしょうか。
さまざまな要素がありますが、まず押さえたいのは大きく3つです。

① AI がデータを参照できる
例えば API や MCP サーバーなどを通じて、AI が BigQuery のようなデータ基盤に接続し、必要なデータを取得できる状態がこれに当たります。どれだけ重要なデータが整っていても、AIがそこへ到達するための手段を持っていなければ活用できません。

② AI がデータの意味を理解できる
例えば「売上」という指標を一つ取っても、AI が正しく理解するには何を売上とみなすのか、どの期間で集計するのか、どのデータを元に算出するのかが、AI から参照できる形で整理されている必要があります。

③ AI がデータの出どころと加工過程を把握できる
AI が参照する値について、どのシステムから集約し、どのような加工や集計を経て今の値になっているのかが辿れることです。数字だけが切り出されていて、その出どころや加工経路が見えなければ、AI は結果だけを見てもっともらしい解釈をしてしまいます。人なら業務を通じて得られる背景情報も、AI には明示的に渡す必要があります。

これらの条件自体は、AI 登場以前から重要だったものと大きくは変わりません。変わったのは、その条件を「AI が満たせるか」という視点で問う必要が出てきたことです。

キカガクが目指すデータ基盤の姿

キカガクのデータ基盤が目指しているのは、データが蓄積されるだけでなく、AIによって次の判断や改善へと自然につながっていく基盤です。

営業、学習行動、顧客対応、プロダクト利用など、日々の活動から生まれる情報が一箇所に集まり、文脈を失わないまま扱えるようになる。そこに AI の力が加わり、日々の活動で起きている変化をこれまでより早く捉え、次に何をするべきかをすばやく考えられるようになります。

一つひとつのアクションがそのまま新たなデータとなり、次の改善の材料になります。その循環が繰り返されることで、PDCA はこれまでと比べてより細かく、より速く回るようになります。さらに、これまで追いきれなかった小さな変化や、リソース不足で手が届かなかった領域にも、継続的に向き合えるようになります。

こうした違いは、変化を捉える速さや、打ち手を試す速さ、改善を積み重ねる力の差として現れてきます。AI 時代の競争力は、単に AI を導入しているかどうかではなく、こうした改善サイクルを支えられるかどうかで決まっていくはずです。

この土台が整うことで、AI は単に分析を支援するだけでなく、変化を捉え、次の打ち手を提案し、改善サイクルの一部を自律的に回していく存在になっていきます。

つまり、AI 活用を支える土台としてデータ基盤を整備できるかどうかが、競争力を大きく左右すると考えています。

いまは、その道を構想している段階

ただし、この世界観の実現はまだ少し先の話です。
AI が PDCA を自律的に回せる状態にするには、乗り越えるべき課題が多くあります。

AI-Ready の条件を大きく3つお伝えしましたが、必要なことはもちろんそれだけではありません。そのうえで、まずは AI がデータを参照できること、意味を理解できること、出どころと加工過程が追えることが重要だと考えます。

そして、AI に任せきりにするのではなく、人が適切に介入できる仕組みも必要です。どこをAIに委ね、どこで人が判断するか——その設計を丁寧に行うことが、信頼できる改善サイクルのにつながります。

キカガクはいま、その道筋を構想している段階にあります。
私たちは、AI 活用を支えるデータ基盤のあり方を、実務の中で磨きながら、企業の競争力につながる価値として届けていきたいと考えています。

さいごに

今回は AI 時代のデータ基盤について書いてみました

株式会社キカガクでは、このように AI 活用を支えるためのデータ基盤整備を進めています。

エンジニアに限らず全職種で AI を使ったデータ分析や、AI を活用した組織づくりなど、AI を前提とした組織での働き方に興味のある方は、ぜひ以下の求人を覗いてみてください！

▼ 採用情報はこちら
キカガク 採用ページ