5
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

AI Readyなデータ基盤って、要はデータが整理できてるってこと

5
Last updated at Posted at 2026-09-02

最近、データ活用やAI導入の現場でよく耳にする 「AI Ready(AIが活用できる状態)なデータ基盤」 という言葉。

「とりあえず社内のデータを一箇所に集めてAIに読み込ませれば、分析や自動化ができる!」…なんて夢を見ている経営層やビジネス部門も多い感じがします。

しかし、日々システム開発の現場にいても、ふと思ってしまうのです。

「この間の現場(アジャイル開発)、そもそもドキュメントもしっちゃかめっちゃかだったけど、これで開発できるの?それ以前じゃない?」 と。

開発現場の実態と、最近流行りの「AI Ready」という言葉の理想と現実について、個人的に感じたことを書いてみます。

結論を書いてしまうと、結局のところ、企業でもシステム開発の現場でも、
「どこに、どんなデータがどんな性格を持って存在するのか」をきちんと
管理できていることが必要 、と思ったという話です。

1. 「名ばかりアジャイル」と「ドキュメントのないカオス」

アジャイル開発(スクラムなど)を採用している現場、特に受託開発に近いスタイルで動いているチームで「あるある」なのが、
ドキュメント類が全く整理されていないという問題です。

アジャイル宣言には「包括的なドキュメントよりも動くソフトウェアを」という原則がありますが、
アジャイルやスクラムを標榜していると、「ドキュメントは最低限しか作らない(=結果として誰も保守できないカオスが生まれる)」という事態に陥りがち。

そうなると、ドキュメントの管理は全体的に適当な感じになることが多い気がします。

(皮肉なことに、
「名ばかりアジャイル」で実はウォーターフォールに近いような現場のほうが、
仕様書や設計書だけは綺麗に管理されていたりします....)

結果、プロジェクトフォルダにデータはあるが、
「しっちゃかめっちゃか」な状態で溜まっている。

それらが果たしてAIに理解できるのでしょうか?

AI Readyなデータ基盤を作ろうとしていたプロジェクトで当時思った疑問です。

2. データは「人間の活動のログ」であり、文脈(コンテキスト)のかたまり

企業のシステムに溜まっているデータというのは、源泉を辿れば、
すべて 「人間が入力したり、活動したりした結果」 です。

そして、人間が入力するデータには、必ず 「文脈(背景・目的・精度etc)」 が存在します。

例えば 「原価」 というデータの例にしてみます。

部門 意識している「原価」の文脈 求められる精度
経理部門 確定した決算用・会計上の原価 最高(1円単位で正確、ただし実態は反映してないこともある)
製造現場 歩留まりや仕入れ値変動を含む現場原価 高(現場での改善目安、想定の原価)
営業部門 見積提出時の概算・予測原価 中〜低(スピード重視のざっくり値、入っていない原価もある)

同じ「原価」という項目名であっても、立場や目的によって指している数値の定義や精度、文脈はまったく異なります。
入力した人間が「どういう用途を意識して入れたか」によって、データの中身や信頼度は全然変わってくるのです。

人間同士で、現場の実態を知っていれば、
「あ、これは営業がざっくり入れた予測値ね」と暗黙の了解で
入力されたデータを使う時には最新に更新してもらうなどの補正が必要なことが想像できたりします。
が、部外者にはそれが通じません。AIなら、尚更です。

これだけなら、そうだよねと思いますが、
実際の企業内部ではERPなどに登録しているデータですら、
この手のことが起きる、というのが実感です。

これは生成AIが出始める前から普通にあったことで、
今に始まったことではありません...。

3. 「AI Ready」の正体は、過不足なく文脈を伝える「検索性」

生成AIを使うにあたっては、一度に処理できるデータ容量(コンテキストウィンドウ)に制限があります。

だからこそ、雑多に「はい、社内データ全部渡すから良い感じに分析して!」と放り込んでも、まともな回答は返ってきません。

本当の意味で AI Readyなデータ とは、単にデータが綺麗に揃っていることではなく、
「AIに過不足なく必要なデータを渡すために、検索や分類がきちんとできる状態」 のことだと思うのです。

例えば、

  • ディレクトリ構成を見るだけで、どんな種類のデータかが直感的に判別できる
  • すべてのファイルやデータに、メタ情報(タグ、作成目的、精度階層など)が付与されている
  • 「誰が・何の目的で入れたデータか」という文脈がデータ自体に紐づいている

こうした整理ができて初めて、AIは「正しくデータを読み解く」ことができるようになります。

当たり前と言えば、当たり前ですね。

4. 現場の「文脈の整理」から始める必要があるのでは?

業務で発生するデータの意味づけ・文脈や、状態を整理することなく、
上位レイヤーだけ「AI Readyなデータ基盤を作ろう!」と叫んでも、
砂上の楼閣になります。

AIに賢い仕事をさせたいなら、まずはその前段階として、
人間がデータの「文脈」を整理し、タグ付けし、正しく検索できるように構造化してあげる泥臭い作業 が不可欠です。

実際、RAGなどを使って社内ナレッジをAIで活用するようなプロジェクトの場合、
大概はエンジニアやユーザが各データにタグを振って回るような作業や、
色々なフォーマットでできているデータを整理して読み解く仕組みが裏で用意されます。

ドキュメントを蔑ろにしてきたツケは、
AI時代になって「データが使いものにならない」という形で回ってくるのかもしれません。

最近は、AIで作られたドキュメントも多いので、AIで作ったものだらけだと、
なおのこと、再利用が大変になっていく気がします。

データやドキュメントの整理を今のうちに考えておく必要があるのかもしれないなぁ
と思う今日この頃です。

システム開発の現場も、企業の内部でも、行わなくてはならないことは同じ、ということですね。
データがどんどん増えていく昨今ではゴールはないのかもしれない....。

当たり前ですが、身につまされたので、日記がわりの個人的な所感、でした。

5
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
5
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?