--- title: AI との対話でデータ活用はどう変わるのか tags: author: [岩尾一優](https://docswell.com/user/kazumasa-iwao) site: [Docswell](https://www.docswell.com/) thumbnail: https://bcdn.docswell.com/page/4EZLR34M73.jpg?width=480 description: AI との対話でデータ活用はどう変わるのか by 岩尾一優 published: July 23, 26 canonical: https://docswell.com/s/kazumasa-iwao/ZDM3NW-2026-07-23-181227 --- # Page. 1 ![Page Image](https://bcdn.docswell.com/page/4EZLR34M73.jpg) AI との対話で データ活用はどう変わるのか KPI の誤読を防ぐ生成 AI 時代の「意味設計」 © MBK Digital co., Ltd. All Rights Reserved. 1 # Page. 2 ![Page Image](https://bcdn.docswell.com/page/Y76WRX357V.jpg) 会社概要 会社名 株式会社 MBKデジタル （MBK Digital Co.,Ltd.） ミッション データと AI の力で「志」をカタチに 設立 2025 年 4 月 1 日 所在地 〒 101-0047 東京都千代田区内神田 2 丁目 3-4 S-GATE大手町北 2F 株主 三井物産株式会社（ 100%） 代表者 代表取締役社長 芹澤 新 従業員数 88 名（2026 年 4 月現在） 事業内容 • 企業のデータ活用 / AI 活用を支援 • AI 時代のデータ活用・対話型データ分析の支援実績も多数 © MBK Digital co., Ltd. All Rights Reserved. 2 # Page. 3 ![Page Image](https://bcdn.docswell.com/page/G75M8XLG74.jpg) 独自のビジネスフィールド 三井物産の子会社ならではの幅広い事業領域でのチャレンジ MBK デジタルが取り組むデータ活用・ AI 活用テーマ 消費財 ● ● ● 自社 EC 事業の拡大 科学的な根拠に基づく IP コラボレーション 生成 AI を用いた社内 FAQ の精緻化 インフルエンサー（ファーストピン）分析 マルチモーダル分析に基づく広告出稿高度化 大規模分析用データ基盤構築 モビリティ ・運輸 ● ● ● 自社アプリの利用促進分析 配送ルートの最適化 トレーディングロジックの規定 小売り契約プランの収益性検証 レポーティング業務の自動化 教育機関・ 自治体 ● ● 施設訪問者数予測モデル構築 エンロールメントマネジメント 流通・小売 ● ● プライベートブランド商品の開発支援 在庫最適化、販売数需要予測 エンタメ ● ● ● インフラ・ エネルギー ● ● © MBK Digital co., Ltd. All Rights Reserved. 3 # Page. 4 ![Page Image](https://bcdn.docswell.com/page/9J29KXLDER.jpg) AI との対話における「意味設計」を、データエンジニアの視点からお話しします 尾﨑 勇太 岩尾 一優 Engineering Manager 執行役員 CTO Data Engineer Data Engineer © MBK Digital co., Ltd. All Rights Reserved. 4 # Page. 5 ![Page Image](https://bcdn.docswell.com/page/DEY4N8QMJM.jpg) 目次 Chapter 1 AI データ活用の現在地 Chapter 2 AI が直面する「意味の壁」 Chapter 3 Semantic Layer の価値と限界 Chapter 4 正しい指標から、正しい判断へ Chapter 5 定義した意味を BigQuery のエージェントで使う Chapter 6 明日からのアクション © MBK Digital co., Ltd. All Rights Reserved. 5 # Page. 6 ![Page Image](https://bcdn.docswell.com/page/VJNYXQK378.jpg) 本日お話すること AI との対話でデータを活用するには、 AI に業務の意味を教える必要があります。 本日は、 前半で なぜ必要なのか / どこに壁があるのか を、 後半で 何を整理し、Google Cloud でどう実装するのか を お話します。 © MBK Digital co., Ltd. All Rights Reserved. 6 6 # Page. 7 ![Page Image](https://bcdn.docswell.com/page/YE9P8DVPJ3.jpg) Chapter 1 AIデータ活用の現在地 導入 ©MBK MBKDigital Digital co.,co., LTD.Ltd. All Rights All Rights Reserved. Reserved. 7 # Page. 8 ![Page Image](https://bcdn.docswell.com/page/GE8D83PXED.jpg) Speaker（前半パート） オザキ ユウタ 尾﨑 勇太 株式会社 MBK デジタル Engineering Manager Lead Data Engineer Jagu’e’r、DATA Saber AIデータ活用の現在地から意味設計 の課題を解説します。 DATA Saber(since 2025/06) Master of DATA Saber(since 2026/02) データパイプライン講座の運営 © MBK Digital co., Ltd. All Rights Reserved. 8 # Page. 9 ![Page Image](https://bcdn.docswell.com/page/LELMRV1N7R.jpg) 2026年最新潮流：データ活用「 8%の壁」の現在地 昨年よりむしろ拡大している 『エージェントが自律的に動き出す時代だからこそ、 機械に仕事を「任せる」前に 人間側が事前にデータの「意味」を設計し、共通認識を整える 必要がある』 参考リンク(8%の壁)：Gartner、日本企業のデータ活用に関する最新の調査結果を発表：全社的に十分な成果を得ている組織の割合は8% © MBK Digital co., Ltd. All Rights Reserved. 9 # Page. 10 ![Page Image](https://bcdn.docswell.com/page/4JMYRGWQJW.jpg) データ活用の成果格差は、生成 AI でさらに広がる これからの成果格差は、 AI を導入したかではなく AI に正しい意味でデータを使わせられるかに左右される。 © MBK Digital co., Ltd. All Rights Reserved. 10 # Page. 11 ![Page Image](https://bcdn.docswell.com/page/PJR9RZYK79.jpg) さまざまな意味の壁 その理由・歴史的背景・実際の解決策をここから整理してお答えします 理由 歴史的背景 実際の解決策 ・ AI がどこで誤読するのか ・過去から何を揃えてきたのか ・ 言葉/データの繋がり /判断 ・何が新たな壁なのか ・なぜまた今意味が重要なのか ルールで 意味設計を整理する © MBK Digital co., Ltd. All Rights Reserved. 11 # Page. 12 ![Page Image](https://bcdn.docswell.com/page/PEXQR9G5JX.jpg) Chapter 2 AI が直面する「意味の壁」 課題提起 ©MBK MBKDigital Digital co.,co., LTD.Ltd. All Rights All Rights Reserved. Reserved. 12 # Page. 13 ![Page Image](https://bcdn.docswell.com/page/3EK9RP4RED.jpg) さまざまな意味の壁 AI が直面する意味の壁は、単なる用語定義の問題ではない 業務意味を構成する「 複数のレイヤーが未定義 」なことが問題である。 © MBK Digital co., Ltd. All Rights Reserved. 13 # Page. 14 ![Page Image](https://bcdn.docswell.com/page/L73W8XLG75.jpg) 自然言語の問いは曖昧さのかたまり 問いが自然でも、意味は一意ではない AI は「どの解釈で答えるべきか 」を判断できない。 © MBK Digital co., Ltd. All Rights Reserved. 14 # Page. 15 ![Page Image](https://bcdn.docswell.com/page/87DKM2NNJG.jpg) データは正しくても、問いの誤読は生まれる 誤りが自然文に包まれるため、見抜きづらい 必要なのは答えを出す仕組みだけでなく、誤答を見抜く仕組みである。 BI時代：数字の不一致が問題 © MBK Digital co., Ltd. All Rights Reserved. AI時代：意味の誤読が問題 15 # Page. 16 ![Page Image](https://bcdn.docswell.com/page/VJPKR15NE8.jpg) 意味の壁は前段階で起きている AI 時代の誤答は、問いの読み違いから始まっている 誤読のまま、もっともらしい答えを返してしまう。 インプット © MBK Digital co., Ltd. All Rights Reserved. 暗黙の補完 誤答 16 # Page. 17 ![Page Image](https://bcdn.docswell.com/page/2EVVRYPYEQ.jpg) 判断の前提をそろえる AIが「知らないこと」が問題なのではない AIが知らない部分を、暗黙的に補完してしまうことである。 AIが補完する前、判断の前提を明示する © MBK Digital co., Ltd. All Rights Reserved. AIが補完後では遅い 17 # Page. 18 ![Page Image](https://bcdn.docswell.com/page/57GLM9PWEL.jpg) どのように事前補完するのか？ AI が答えて良い問いを設計する = AI が「答えてよい問いかどうか」を判断できる状態を作る。 © MBK Digital co., Ltd. All Rights Reserved. 18 # Page. 19 ![Page Image](https://bcdn.docswell.com/page/4EQYRW2QJP.jpg) Chapter 3 Semantic Layer の価値と限界 解決策: 指標をそろえる ©MBK MBKDigital Digital co.,co., LTD.Ltd. All Rights All Rights Reserved. Reserved. 19 # Page. 20 ![Page Image](https://bcdn.docswell.com/page/KJ4W8KLY71.jpg) 理由 歴史的背景 実際の解決策 ・ AI がどこで誤読するのか ・過去から何を揃えてきたのか ・ 言葉/データの繋がり /判断 ・何が新たな壁なのか ・なぜまた今意味が重要なのか ルールで 意味設計を整理する © MBK Digital co., Ltd. All Rights Reserved. 20 # Page. 21 ![Page Image](https://bcdn.docswell.com/page/LE1Y2XLN7G.jpg) データ活用における意味設計の変遷 意味設計は過去から現在にかけても繰り返し議論されてきた。 © MBK Digital co., Ltd. All Rights Reserved. 21 # Page. 22 ![Page Image](https://bcdn.docswell.com/page/GEWGRNQMJ2.jpg) 当時の課題はなんであったか？ DWH 、 OLAP 、 BI 、 Modern Layer 、生成 AI と形は変わっても、 本質的な課題は繰り返し現れている。 ❶ 定義がズレる ❷ 想定外に弱い データは集まっても、意味は揃わない 問いを先に決めれば強いが、自由入力に弱い DWH/SQL ：人ごとに結合・期間・フィルタ条件が違う OLAP/Cube ：軸・階層・粒度を事前設計した問いが前提 ❸ 文脈が必要 文脈の使い分けは、ずっと人間依存だった BI 時代：人間がこの会議ではこのダッシュボードと 文脈を補完 © MBK Digital co., Ltd. All Rights Reserved. ❹ 定義だけでは足りない 指標を共通化しても、それだけでは足りない Modern Semantic Layer : BI / AI /アプリで同じ指標を参 照したい 22 # Page. 23 ![Page Image](https://bcdn.docswell.com/page/47ZLR3WMJ3.jpg) AI 時代の課題 生成 AI 時代になって文脈補完者が人間から AI に移り始めた。 ❶定義がズレる ❷想定外に弱い 問題がデータ不足から、「 意味の不一致 」へ 自由度が上がるほど、「 意味設計 」が必要に AI ： 曖昧な言葉をもっともらしく補完し、違う定義で答える ❸文脈が必要 数字の定義だけでなく、 「使う場面 」の設計が必要に BI 時代： 人間がこの会議ではこのダッシュボードと文脈を補完 © MBK Digital co., Ltd. All Rights Reserved. 自然言語 AI ： ユーザーが自由に聞くため意味の揺れが表にでやすい ❹定義だけでは足りない Semantic Layerが「必要条件」 に Modern Semantic Layer : BI / AI /アプリで 「同じ指標 」を参照したい 23 # Page. 24 ![Page Image](https://bcdn.docswell.com/page/YJ6WRXG5JV.jpg) 歴史を通じて共通する課題 技術は進化しても、本質は「 データと意味のズレ 」 大事なのはデータと意味のズレを「 誰が・どう補完する 」か。 ❶ 定義がズレる 同じ「売上、顧客」 でも意味が違う © MBK Digital co., Ltd. All Rights Reserved. ❷ 想定外に弱い 自由な問いに 答えづらい ❸ 文脈が必要 ❹ 定義だけでは足りない 会議・目的で 使う数字が変わる 使い分けルールが必要 24 # Page. 25 ![Page Image](https://bcdn.docswell.com/page/GJ5M8XVGJ4.jpg) Google Cloud で見るデータ分析基盤の進化 2011〜 2020〜 2021〜 2023〜 Dataform Gemini in BigQuery Data Canvas 変換・依存関係 テスト管理 自然言語で 探索・変換・分析 BigQuery Looker/LookML Dataplex 大量データを 高速・サーバレス分析 指標・ディメンション 計算ロジックをモデル化 分散データを 管理監視・ガバナンス © MBK Digital co., Ltd. All Rights Reserved. 2024〜 2025〜2026 Gemini in Looker Conversational Analytics Data Agents AIがデータと対話して答える 25 # Page. 26 ![Page Image](https://bcdn.docswell.com/page/LE3W8XDPE5.jpg) Google Cloud の点で見た課題感 Semantic Layerの再発明・整備フェーズ 2011〜 2020〜 2021〜 2023〜 BigQuery Looker/LookML Dataplex Dataform 業務意味までは持た ない 文脈・AIの意図解釈は不 十分 KPIの意味までは固 定できない SQLの正しさ≠業 務の正しさ © MBK Digital co., Ltd. All Rights Reserved. Semantic Layerを参照するフェーズ 2024〜 Gemini in BigQuery Data Canvas 曖昧さをAIが勝手 に補完する 2025〜2026 Gemini in Looker Conversational Analytics Data Agents 権限・確認質問 意味監査が必要 26 # Page. 27 ![Page Image](https://bcdn.docswell.com/page/8EDKM2P37G.jpg) 指標のルールを Semantic Layer でそろえる Semantic Layer によって、 指標のルールを BI ・ AI 業務アプリで再利用し 見た目は正しそうでも「 意味がズレるリスクを軽減 」する。 Looker Semantic Layer BI ダッシュボード /レポート BigQuery AI メトリクス定義 チャット /分析 /生成 AI データウェアハウス ❶指標の計算ロジックを１箇所に集約する ❷集計粒度を統一する ❸権限や参照範囲を管理する ❹BI/AI/アプリから同じ定義を参照できるようにする © MBK Digital co., Ltd. All Rights Reserved. 業務アプリ 業務システム /ワークフロー 27 # Page. 28 ![Page Image](https://bcdn.docswell.com/page/V7PKR1NPJ8.jpg) Semantic Layer は『正しい指標』を作る基盤 「意味設計 」は『どの文脈でどの指標を使うべきか 』を決める必要があるため 定義を揃える Semantic Layer だけでは不十分。 Semantic Layer ❶正しい指標定義を作る ❷定義を複数用意する 『〇〇を教えて』 AIが自動判断するには業務文脈が必要 経営会議 営業進捗 指標 意味設計 ❶どの文脈で ❷どの指標を使うべきか 問いの意図までは決まらない ❸KPI・計算ルールを共通化 ❸誰に答えるべきか 施策評価 © MBK Digital co., Ltd. All Rights Reserved. 会計報告 28 # Page. 29 ![Page Image](https://bcdn.docswell.com/page/2JVVRYKVJQ.jpg) 理由 歴史的背景 実際の解決策 ・ AI がどこで誤読するのか ・過去から何を揃えてきたのか ・ 言葉/データの繋がり /判断 ・何が新たな壁なのか ・なぜまた今意味が重要なのか ルールで 意味設計を整理する © MBK Digital co., Ltd. All Rights Reserved. 29 # Page. 30 ![Page Image](https://bcdn.docswell.com/page/5EGLM9Q1JL.jpg) Chapter 4 正しい指標から、正しい判断へ 解決策: 判断をそろえる ©MBK MBKDigital Digital co.,co., LTD.Ltd. All Rights All Rights Reserved. Reserved. 30 # Page. 31 ![Page Image](https://bcdn.docswell.com/page/4JQYRWKN7P.jpg) Speaker（後半パート） イワオ カズマサ 岩尾 一優 株式会社 MBK デジタル 執行役員 CTO Google Developer Experts / Google Cloud © MBK Digital co., Ltd. All Rights Reserved. 31 # Page. 32 ![Page Image](https://bcdn.docswell.com/page/K74W8KP3E1.jpg) 後半では、 1 つの業務質問 を例に AI が正しく答えるためには 何を先に決めておくべきかを整理します 例: 「P1 障害 INC-2048 で、今すぐ連絡すべき顧客は？」 © MBK Digital co., Ltd. All Rights Reserved. 32 32 # Page. 33 ![Page Image](https://bcdn.docswell.com/page/LJ1Y2X9ZEG.jpg) 同じデータでも、前提が違えば答えは変わる 例：P1 障害 INC-2048 で、今すぐ連絡すべき顧客 は？ 解釈 A 解釈 B 解釈 C 影響を受ける顧客を広く見る 法人顧客だけに絞る 優先連絡順まで固定する → A社 ・ C社 ・ D社 → A社 ・ C社 → C社 ・ A社 データは同じでも、前提と優先順位が違えば答えは変わる。 だから、言葉・データのつながり・判断ルールを先に整理する。 © MBK Digital co., Ltd. All Rights Reserved. 33 # Page. 34 ![Page Image](https://bcdn.docswell.com/page/GJWGRNQ672.jpg) 意味設計 = 業務判断の前提をそろえるための整理 前半で残った問い ——「どの文脈で・どの指標を使うべきか」—— に、 AI が答えられる状態を作るための整理です。 ここでは、この整理を 実装のための軽量なオントロジーとして扱います。 言葉 © MBK Digital co., Ltd. All Rights Reserved. + データのつながり + 判断ルール 34 # Page. 35 ![Page Image](https://bcdn.docswell.com/page/4EZLR3WR73.jpg) 前提を 3 つに分けて整理する 言葉 「今すぐ連絡すべき顧客」 とは誰か データの つながり 障害から顧客まで、 どのデータをたどるか 判断ルール 優先連絡の対象と順番を どう決めるか この発表では、この 3 つを軸に、AI の判断を曖昧にしない方法を見ていく。 © MBK Digital co., Ltd. All Rights Reserved. 35 # Page. 36 ![Page Image](https://bcdn.docswell.com/page/Y76WRXG17V.jpg) まず、曖昧な言葉を定義する 今すぐ連絡すべき顧客 障害対応優先顧客 （曖昧な言葉） （定義された業務用語） 人によって解釈が変わる 連絡・対応の優先対象として、 条件を満たす顧客 曖昧な言葉を、Knowledge Catalog 上の業務用語として定義する。 © MBK Digital co., Ltd. All Rights Reserved. 36 # Page. 37 ![Page Image](https://bcdn.docswell.com/page/G75M8XVL74.jpg) 障害から顧客まで、 データのつながりを整理する 障害 → コンポーネント → サービ ス → 契約 → 顧客 → 担当者 顧客 Customer 契約 Contract サービス Service この順番でたどることで、障害時 に連絡すべき顧客と担当者を特 定する。 ポイント 担当 CSM CSM © MBK Digital co., Ltd. All Rights Reserved. 障害 Incident コンポーネント Component 実装では、このつながりを BigQuery Graph として扱う 37 # Page. 38 ![Page Image](https://bcdn.docswell.com/page/9J29KX33ER.jpg) 「今すぐ連絡すべき顧客」の 判断条件を固定する 正式用語 障害対応優先顧客 このデモでは、 5 つの条件で 「障害対応優先顧客」を 定義する。 指定した障害について、以下の条件をすべて満たす法人顧客。 B2B 顧客である 有効契約を持つ ポイント 契約更新まで 60 日以内 実装では、この条件を 検証済みクエリ として固定し、 対象障害が P1 かつ OPEN BigQuery のエージェントが 質問をそのクエリへつなぐ。 契約サービスが、障害の影響を受けるコンポーネントに依存している © MBK Digital co., Ltd. All Rights Reserved. 38 # Page. 39 ![Page Image](https://bcdn.docswell.com/page/DEY4N818JM.jpg) 整理した意味を、 役割ごとに Google Cloud へ実装する 言葉を定義する つながりをたどる 判断を固定する 自然文で使う Knowledge Catalog BigQuery Graph 検証済みクエリ BigQuery のエージェント 定義・関連語・公式データとの 対応 障害から顧客までの 到達経路 5 条件で絞り込むクエリを固定 質問を受け取り、 検証済みクエリにつなぐ 言葉・データのつながり・判断ルールを分けて実装することで、それぞれを個別に検証・変更・版管理できる。 契約サービスが、障害の影響を受けるコンポーネントに依存している 言葉 データのつながり 判断ルール + + © MBK Digital co., Ltd. All Rights Reserved. → 根拠つきの回答 39 # Page. 40 ![Page Image](https://bcdn.docswell.com/page/VJNYXQ2978.jpg) Chapter 5 定義した意味を BigQuery のエージェントで使う 実装 ©MBK MBKDigital Digital co.,co., LTD.Ltd. All Rights All Rights Reserved. Reserved. 40 # Page. 41 ![Page Image](https://bcdn.docswell.com/page/YE9P8D13J3.jpg) BigQuery のエージェント = Conversational Analytics in BigQuery 自然文の質問を、 業務の文脈に基づく分析結果へつなぐ インターフェース © MBK Digital co., Ltd. All Rights Reserved. 41 # Page. 42 ![Page Image](https://bcdn.docswell.com/page/GE8D834LED.jpg) エージェントが回答するまでの流れ 1 2 自然文の質問を受け取る 用語集と手順を参照し、質問の意味をそろえる エージェントがやること ● 質問の言い換えを吸収する ● 業務用語の意味を参照する ● 実行すべき検証済みクエリを 選ぶ 3 対応する検証済みクエリを選ぶ ● 質問に含まれる障害 ID や いつ時点で判定するかを、 4 質問からパラメーターを抽出してクエリに渡す クエリの入力値として渡す 判断条件はエージェントがその場で考えるのではなく、検証済みクエリに固定する。 © MBK Digital co., Ltd. All Rights Reserved. 42 # Page. 43 ![Page Image](https://bcdn.docswell.com/page/LELMRV6Q7R.jpg) <project_id> <project_id> エージェントに 登録するもの <project_id> A B C D ナレッジソース 参照するデータ 手順 振る舞いを誘導する指示 検証済みクエリ 判断ロジックを固定するクエリ 用語集 業務用語の意味 エージェントには、 参照データ・手順・検証済みクエリ・用語集 を登録する。 © MBK Digital co., Ltd. All Rights Reserved. 43 # Page. 44 ![Page Image](https://bcdn.docswell.com/page/4JMYRGGKJW.jpg) 検証済みクエリと入力パラメーターを定義する クエリが受け取る入力パラメーター @incident_id @as_of_date <project_id> @as_of_date は、契約更新日までの日数を計算 する基準日。 エージェントは、質問からこれらの値を抽出し、検 証済みクエリに渡す。 © MBK Digital co., Ltd. All Rights Reserved. 44 # Page. 45 ![Page Image](https://bcdn.docswell.com/page/PJR9RZZ679.jpg) 質問から入力を抽出し、検証済みクエリに渡す ユーザーの質問 INC-2048 で、 今すぐ優先連絡すべき法人顧客は？ 検証済みクエリの入力 @incident_id = INC-2048 理由と担当 CSM も教えて。 基準日: 2026-07-30 @as_of_date = 2026-07-30 エージェントは、質問から必要な値を取り出し、検証済みクエリに渡す。 © MBK Digital co., Ltd. All Rights Reserved. 45 # Page. 46 ![Page Image](https://bcdn.docswell.com/page/PEXQR99DJX.jpg) つながりの判定は、検証済みクエリの中で行う 検証済みクエリ 通常の SQL 条件 BigQuery Graph つながりをたどる B2B 顧客である 契約サービスから障害影響コンポーネントまでの、直 有効契約（ACTIVE） 接・間接の依存関係をたどる。 契約更新まで 60 日以内 対象障害が P1 / OPEN 顧客属性や契約状態は SQL 条件で絞り込み、 サービスとコンポーネントの依存関係は BigQuery Graph でたどる。 © MBK Digital co., Ltd. All Rights Reserved. 46 # Page. 47 ![Page Image](https://bcdn.docswell.com/page/3EK9RPPDED.jpg) エージェントは、定義済み ルールに基づいて回答する C社 1 担当 CSM 鈴木 葵 契約更新まで 21 日 対象サービス Reporting API A社 2 担当 CSM 山田 花子 契約更新まで 45 日 対象サービス Analytics Enterprise 優先順位は、エージェントが考えたものではなく、 検証済みクエリに定義したルールによって決まる。 © MBK Digital co., Ltd. All Rights Reserved. 47 # Page. 48 ![Page Image](https://bcdn.docswell.com/page/L73W8XXP75.jpg) 回答には対象顧客だけでなく 根拠と再現方法も含める 回答に残るもの 正式用語 障害対応優先顧客 判定根拠 契約 / 更新日 / サービス / 障害状態 影響経路 どのサービスが、どの障害に関係したか 再現方法 rule_version / as_of_date / evidence_selection_policy 検証済みクエリの返却列とエージェントの手順で、 同じ判断を再現できる情報を回答に含める。 © MBK Digital co., Ltd. All Rights Reserved. 48 # Page. 49 ![Page Image](https://bcdn.docswell.com/page/87DKM223JG.jpg) AI に任せるのは業務判断ではなく、橋渡し 固定したもの 正式用語 対象条件 入力 @incident_id / @as_of_date 検証済みクエリ 判定根拠 再現方法 AI に任せたもの 質問の言い換え吸収 入力の取り出し 回答文の組み立て 読みやすい説明 最終的な業務判断はルールとして固定し、自然文との橋渡しを AI が担う。 © MBK Digital co., Ltd. All Rights Reserved. 49 # Page. 50 ![Page Image](https://bcdn.docswell.com/page/VJPKR11PE8.jpg) 検証済みクエリは万能ではない。 「答えられる問い」を固定し、運用で育てる。 想定外の問い 定義の変化 カバレッジの拡大 対応するクエリがない質問 業務ルールは変わり続ける 最初から全部は作らない 勝手に補完して答えず、確認質問を 返すか、「未定義」と明示する。 rule_version で版管理し、 用語・クエリにオーナーを置く。 変更はレビューを通す。 質問ログから頻出の問いを見つけ、 検証済みクエリに「昇格」させる。 1 つの業務質問から育てる。 → 前半「答えてよい問いの設計」 → 回答の再現方法とセット → Chapter 6 のアクションへ 検証済みクエリは「答えられる問い」を固定する仕組み。 答えられない問いへの対応 と、定義を育てる運用 をセットで設計する。 © MBK Digital co., Ltd. All Rights Reserved. 50 # Page. 51 ![Page Image](https://bcdn.docswell.com/page/2EVVRYYVEQ.jpg) Chapter 6 明日からのアクション 持ち帰り ©MBK MBKDigital Digital co.,co., LTD.Ltd. All Rights All Rights Reserved. Reserved. 51 # Page. 52 ![Page Image](https://bcdn.docswell.com/page/57GLM991EL.jpg) 1 AI に答えさせたい業務質問を 1 つ決める 2 その質問で使う正式用語を決める 3 必要なデータのつながりを整理する 4 対象条件と優先順位をクエリに固定する 5 エージェントから、 そのクエリを呼び出せるようにする 6 根拠と再現方法を回答に残す CLOSING AI にデータを使わせる前 に、業務の意味を設計する AI 時代のデータ活用では、 データを集めるだけでは足りません。 言葉・つながり・判断ルールをそろえ、 まずは一つの業務質問を、誰でも再現できる判断に変えます。 © MBK Digital co., Ltd. All Rights Reserved. 52 # Page. 53 ![Page Image](https://bcdn.docswell.com/page/4EQYRWWNJP.jpg) 展示ブースのご案内 対話型データ分析のデモや抽選会も 実施しておりますので、お気軽にお 立ち寄りください。 © MBK Digital co., Ltd. All Rights Reserved. 53 # Page. 54 ![Page Image](https://bcdn.docswell.com/page/KJ4W8KK371.jpg) データとAIの力で志をカタチに Empowering Will with Data & AI. 本資料はこちらで公開予定 → © MBK Digital co., Ltd. All Rights Reserved. 54