登場以来、世界中で驚きをもって迎えられている生成AI。インターネット上の情報を学習しただけのバニラ（オリジナルのまま）のサービスでも、ごく自然な会話が行えることに衝撃を受けた人は多いだろう。

　その力を自社ビジネスに取り入れるためには、自社の業務やサービスに組み込むことが必要だ。「それには生成AI活用に適したデータ基盤を整備することが不可欠です。自社の業務やサービスに関わるデータを収集・蓄積し、生成AIに学習させることで、価値を自社ビジネスの強みに変えられるようになるからです」とジールの瀧澤 祐樹氏は説明する。

　とはいえ、まずは自社の生成AI活用がどの段階にあるのかを把握しておくことが、データ基盤の整備に向けた前提になる。同社によれば、生成AI活用のロードマップは大きく次の4つのフェーズで構成されるという。

　第1フェーズは概要確認フェーズだ。IT部門などの有識者が生成AIのワーキンググループを立ち上げ、PoCを行いながら導入スケジュールやサービスの選定、費用や効果の算定などを実施する。

　第2フェーズではバニラモデルを社内展開する。自社環境に生成AIをデプロイし、ビジネスチャットなどに組み込む。ユーザーへのヒアリングも行い、ユースケースの一層の検討と具体化を進めていく。

　「ここまではデータ基盤がなくても進められます。必要になるのは次の第3フェーズからです」と瀧澤氏。具体的には、RAG（取得拡張生成）などを使って大規模言語モデル（LLM）のグラウンディングを行う。グラウンディングとは、AIによる生成内容を特定の情報源で裏付けることだ。つまり、生成AIに社内データを検索・活用させることで、自社の業務やサービスにより即した回答を得られるようにしていくのである。

　そして第4フェーズでは、データ分析や特定業務を自動もしくは半自動で行う段階に入る。ここでもデータ基盤へのアクセスは必須条件になるという。

　それでは、第3フェーズ以降の生成AI活用を具現化し、大きなビジネス価値を生むためにはどのようなデータ基盤が必要なのか。

　例えば従来のデータ基盤は、基幹系システムのRDBなどのデータソースからETLでデータをデータウエアハウス（DWH）へ抽出し、DWHに蓄積されたデータをダッシュボードやレポートなどのアプリケーションで利用する仕組みが一般的だった。これは構造化データの利用を前提とした仕組みといえる。

　一方、LLMの場合はドキュメントやテキスト、プレゼンテーション、画像などの非構造化データを利用するほうが一般的だ。

　「構造化データを扱うデータ基盤は、既にある程度の企業が構築・活用していると思います。しかし、今後はそのほかに非構造化データも含めて扱えることが重要になります。当然、容量や処理性能への要求が高まるほか、次々登場する最新テクノロジーを柔軟に取り込めること、将来的に新たなニーズやユースケースが登場した場合に即応できる基盤であることも、条件となるでしょう」と瀧澤氏は説明する。

　そこでジールは、図1のような構成のデータ基盤を提案している。最大のポイントは、構造化・非構造化を含めたあらゆるデータを蓄積する「データレイク」を中心に据えることだ。

あらゆるデータをデータレイクに蓄積し、必要に応じた形で抽出して利用する。マイクロサービス化により、それぞれの要素を疎結合な状態に保つこともポイントだ

　組織内外の多様なデータソースから、それぞれに適した方法でデータを取り込んでデータレイクに蓄積する。ただし、蓄積した生データはそのままでは使えないため、利用時にはSQLやPythonなどで正規化・加工して抽出する。その後は用途に合わせた各種データベース／DWHなどにデータを格納し、活用していく。このような仕組みを構築することで、生成AIをはじめとする多様なデータ活用ニーズに対応できるようになるという。

●本記事のセミナー動画はこちらから視聴可能です

　「また図1内の各要素は、マイクロサービス化によって疎結合な状態にしておくこともポイントです」と瀧澤氏は続ける。そうすることで、テクノロジーの進化やニーズの変化があった場合にも、全体への影響を抑えつつ一部を入れ替えられるからだ。

　さらに、スモールスタートして段階的に拡大できることもこの仕組みの特徴といえる。まずは特定のユースケースを想定したデータの流れを構築し、後からデータソースやインテグレーション方法、データレイクへのデータアクセス方法などを順次追加していけるだろう。「最初からすべてをそろえるのは、手間や費用を考える上でも現実的ではありません。求めに合わせた最適な仕組みを実現することが可能です」と瀧澤氏は強調する。

　実際の活用に当たっては、早期に成果を出すことが肝心だ。小さくてもよいので、まずは成功事例をコツコツと積み重ねていく。その過程で手法や仕組みを見直しながら、自社にとってベストな生成AI／データ活用の在り方を探っていくのである（図2）。

まずは早期に成功事例をつくりつつ、実績を積み重ねながら手法や仕組みを改良していく。十分な拡張性を備えたデータ基盤がその土台になる

　「どのように着手すべきか分からないというお客様には、データ活用コンサルタントが計画フェーズから伴走する構想策定支援サービスも用意しています。社員約500人の全員がデータのプロである当社の知見もぜひ利用しながら、まずは最初のユースケースを成功させていただきたいと思います」（瀧澤氏）

　生成AIを自社の力に変えられるか否かは、これからの企業の成長を大きく左右するだろう。ジールの提案を基に、最適なデータ基盤を構築することが、持続的成長に向けた第一歩になるはずだ。