生成AIをはじめとするAI活用が企業に浸透してきている。今後、AIをどのように活用するかが、企業の競争力に直結する可能性も高い。しかし、個人の生成AIの利用は進んでも全社的な取り組みになっていなかったり、業務効率化ばかりで新たな価値創出につながっていなかったりする企業は少なくない。そうした課題はどうすれば解決できるのか。本連載では、AI時代を勝ち抜く実装・活用戦略のポイントを解説する。第1回となる今回は、データサイエンティストとして顧客企業のAI活用支援に加えて、講演、教育活動など多彩な取り組みを展開する日立システムズの板井 光輝氏に話を聞いた。
(聞き手:日経BP 総合研究所 大和田 尚孝)
AI活用を阻む2つの壁
「固定化されたマインドセット」と
「AI=生成AI」の誤解
大和田現在、ビジネスにおけるAI活用の重要性が指摘されており、ほとんどの企業が何らかのアクションを起こしています。一方で、AI活用による成果の創出に苦戦している企業が多いのも事実です。
板井企業が苦戦している背景には、日本の教育に起因する問題があるのではないでしょうか。原因は決して技術力の不足ではなく、組織や人の中に潜むマインドセットによるものだと思います。たいていの人は中学・高校時代に、テストでより高い点数を取ることが正しいと教え込まれます。また、会社に入ってからも、例えばP/L上の数値を闇雲に求めることを余儀なくされます。
株式会社日立システムズ
Lumada推進本部
シニア・データサイエンス・エキスパート
大阪大学招へい教授 神戸大学客員教授 人工知能学会理事
日立認定データサイエンティスト(プラチナ)
板井 光輝氏
数理・データサイエンス・AIの専門知識と実装能力を基盤に、日立システムズにおけるAIの実践活用や技術研究、データ利活用人財の育成を幅広く支援する。大阪大学招へい教授、神戸大学客員教授、人工知能学会理事としても活動し、産業界と学術界の両軸でAI時代に求められる実践力と組織力の強化に注力している。

そうした結果のみに執着する、いわば「固定化されたマインドセット」自体を完全否定するつもりはありませんが、「作れば売れる」時代であればいざ知らず、そのような考え方で結果のみを重視していては、どうしても成功の裏で積み重ねられてきた失敗の経験がないがしろにされてしまいます。そうなると、プロセスの再現性が失われ、例えば後進の育成などもうまくいきません。
この問題が、AIで成果が生まれにくい現状にも通じると私は思います。これからのAI時代に求められるのは「しなやかなマインドセット」。成果に至るプロセスの価値を認め、失敗を学びの機会として肯定する姿勢です。つまり、試行錯誤を通じてインプットとアウトプットのサイクルを回し、個々の知見を体系的な知識や教養へと高めていく。AI時代における教育の本質は、単なるスキルの詰め込みを目的とする研修ではなく、そうした自律的な学習・改善のプロセスを回せるマインドの醸成にあるのではないでしょうか。
AIを活用する際も、失敗経験も含めたプロセスをしっかりと踏まえてこそ、変化に対して柔軟に適応することができると思います。組織という観点からも、そうしたマインドを持った人材を配備していくことが、AI時代の生存戦略の重要な前提になると考えます。
大和田AI活用に関してはもう1点問題があるように思います。最近は、企業の業務の中に生成AIが深く浸透してきており、ともすれば「AI=生成AI」という誤解を生み出している側面があるのではないでしょうか。
日経BP 総合研究所
未来技術研究所 上席研究員
大和田 尚孝
SEを経て2001年日経BP入社。『日経コンピュータ』記者、副編集長、アジア事業プロデューサ、日本経済新聞社への出向を経て、2017年日経コンピュータ編集長。2019年から『日経クロステック』IT編集長を兼務。2022年4月からイノベーションICTラボ所長。2026年4月から現職。著書・編書に『システムはなぜダウンするのか』『テレワーク大全』(いずれも日経BP)など。

板井「AI活用」が「生成AIの導入・活用やプロンプトの工夫」と同義に捉えられる風潮があります。本来、ビジネスにおけるAI活用の用途は大きく3つの領域に分類されます。統計的機械学習を用いてデータの特徴を分析し、将来予測や分類を行う「予測・識別系AI」、強化学習や数理最適化を用いて、対象領域の環境における最適な行動計画を立案する「制御・最適化系AI」、そして、大規模言語モデル(LLM)をベースに、テキストや画像などの新たなコンテンツを生成する「生成AI」です。
生成AIをAI技術そのものと捉える誤認が広まった背景には、10年ほど前に「データサイエンス」が産業界や教育機関にとっての重要な取り組み課題と目されるようになったとき、プロセスを重視する数学教育や専門人材の育成の立ち遅れから、多くの企業がデータサイエンスへの対応に苦戦し、課題そのものを棚上げにしてしまったという背景があります。そうした中で突如現れたのが生成AIなのです。
生成AIはプロンプトを自然言語で入力するだけで動作するという手軽さから、「生成AIを使えば、これまで苦労してきた高度なデータ解析や最適化まで丸投げできる」と、多くの企業が勘違いしてしまいました。いわば、基礎の穴を埋めないまま上から蓋をした格好です。生成AIのみでAIエージェントを構築しても、期待したほどのROI(投資対効果)を得ることが難しく、業務変革に至らないケースが多発しているのです。
企業の競争力を高める
AI活用の3つの鍵
大和田AI活用を通じて企業が他社との差別化や競争力の創出につなげ、継続的な成果を享受するためにはどうすればよいのでしょうか。
板井端的にいえば、「自社の目的や保有するデータに即した適切なAI技術を選定し、理論通りに利用して、適切に評価する」ことです。そのためには3つのポイントが鍵になります。1つ目が、AIによる正確な推論や高度な分析インサイトを導き出す上で必要な「データの構造化」です。データの主従関係や階層構造、キーバリューを明確にして、ビジネス上意義のある形に加工・整形していく。これによって、AIが「頭脳」として適切に判断、分析していくための環境が整います。
大和田非構造化データを容易に扱える点が生成AIのメリットとして強調されるので、非構造化/半構造化データなどを放り込めば勝手に処理してくれると考えがちです。データを構造化しておくことが、判断や分析の精度という観点では重要なのですね。
板井構造化したデータを与えたほうが推論や回答の正確性が高まり、ハルシネーションの防止にもつながります。
2つ目は、AIエージェントが業務を遂行するための「身体」に相当する「実行環境の整備」です。Model Context Protocol(MCP)などを活用して、AIエージェントが社内外のデータに安全にアクセスできる仕組みを構築します。この際、ホストOSや主要システムから隔離されたサンドボックス上で実行する仕組みを構築しておくことも、セキュリティーリスクを排除するために不可欠です。
そして3つ目が、人間による合理的評価とGo/No-Go(承認/却下)判断を行うための仕組みの構築です。現状のAIエージェントによる提案や成果物は、楽観的あるいは理想論に偏る傾向があります。そのため、成果物を鵜呑みにせず、ビジネスの目的に即して人間が最終的なGo/No-Goを判断する仕組みが必要です。その際、判断理由やエビデンスをログとして記録・蓄積しておけば、AI活用にまつわる精度の向上や業務プロセスの改善につなげることも可能です。
大和田ご指摘くださった3点を実践し、継続的なビジネス成果を生み出していくには、「コンテキスト」や「オントロジー」「ナレッジグラフ」といったデータサイエンス上の概念が重要となりますね。
板井その通りです。まずコンテキストですが、単なる数値や文字列の集まりであるデータに、業務上の意味や背景情報を付与するのがコンテキスト化です。業務のコンテキスト(=文脈)を理解させなければ、AIが作成するレポートなども役に立たないものになってしまいます。データに意味付けを行うセマンティックレイヤーを通じて、業務の文脈をAIが理解できる形で保持することが重要です。
オントロジーは、AI活用にフォーカスして述べれば、「業務プロセス全体をAI向けに構造化したもの」と捉えることができます。ここでいう業務プロセス全体というのは、業務のルールやドメインナレッジ、専門用語などの関係性全般を意味します。これらを論理的枠組みとして定義することで、AIがそれに則ってロジカルな推論を展開できるようになります。
そしてナレッジグラフですが、これは定義されたオントロジーを起点に、実際の業務データを用いてその意味とつながりをグラフ構造で表現したものです。これらコンテキストレイヤー、オントロジーが構築され、ナレッジグラフが実装されることで、AIエージェントにとっての「知識の源泉」が整備され、AIエージェントは高度な業務文脈を理解した「頭脳」としての能力を獲得できるのです。
ドメインナレッジと技術力、伴走力で
「人とAIの協働」を支える
大和田AI活用によって競争力を高めて継続的な成果を上げていくためには、IT企業による支援が欠かせない面があると思います。日立システムズは具体的にどのような事業活動をしていますか。
板井当社は数十年に及ぶ事業展開の中で、1万3000社を超える多様なお客さまを支援してきました。この豊富な実績の中で培ってきたドメインナレッジと、AIやデータエンジニアリングに関する高度な技術力、そしてお客さまの課題に寄り添う伴走力を兼ね備え、生成AIの導入コンサルティングや各種伴走支援サービスを提供しています(図)。
図日立システムズが提供する生成AIサービスラインアップ

導入前の業務選定やユースケース作成といったコンサルティングから、顧客のビジネスに合わせた業種特化型のサービス提供、導入後の社内教育や定着化支援まで、一貫したサポートで生成AIによる持続的なビジネス成長を支援する
AIの進化によって大きな影響を受けている分野の1つが金融のセキュリティーです。日立グループが一体となって、金融ドメインの知見と生成AI応用技術を掛け合わせたセキュリティーへの取り組みを加速させています。当社は、過去から培ってきた脅威対策の経験から、「見通す~守る~戻す」をコンセプトに、診断、DevSecOpsなどのソリューションを展開しています。これらの詳細は今後の対談でお伝えしていきたいと思います。
また、当社のノウハウ蓄積が大きい業種の1つである製造業のお客さまには、Microsoftのクラウド上で稼働する「製造業向けアシスタントAI」を提供し、仕様書レビューや社内規格の確認など、専門業務を支援しています。さらに、その知見を企業全体へ広げるべく、Microsoftと次世代のAIアシスタントを共同開発し、個人のAI活用から、組織でAIエージェントを活用する世界をめざしています。
ビジネスでのAI活用は一筋縄ではいかず、ほとんどの企業は何らかの壁に突き当たることになります。現場のドメインナレッジに精通し、AI、データの整備から運用・保守、改善サイクルの定着まで長期的視点で共に歩むパートナーを慎重に選定することこそが、AI時代における企業変革の成否を分ける鍵となります。日立システムズでは、お客さまのそうした期待に応え、人が業務をこなす時代から、人とAIが協働する次世代の業務スタイルへの変革を支援していきます。
関連リンク
- 日立システムズ DXサービス
https://www.hitachi-systems.com/dx/index.html - 日立システムズ 板井に関するコラム記事
https://www.hitachi-systems.com/dx/column/ai-gakkai-boardmember/







