コラム|ゼロ化

【インタビュー】なぜCopilotは期待通りに動かないのか?AIエージェント成功の鍵を握る“AI-Ready”について有識者に聞いてみた

作成者: ゼロ化編集部|Nov 18, 2026, 9:07:08 AM

こんにちは、編集部です。

生成AIの進化によって、企業におけるAI活用は「どう使うか」のフェーズから、「どう成果につなげるか」のフェーズへ移りつつあります。

近年、その鍵として注目されているのが「AI-Ready」という考え方です。

今回は、AI-Readyとは何なのか、なぜいま重要なのか、そして企業は何から始めるべきなのかについて、第一線で多くの企業のAI-Ready化を支援する坂上氏に話を聞きました。

<このひとに聞きました>

 

パーソルビジネスプロセスデザイン株式会社

CX事業本部 DX統括部 データサイエンス部 マネージャー

坂上 拓也 さん

2019年にパーソルプロセス&テクノロジー(現パーソルビジネスプロセスデザイン)へ入社。データ・AI領域のマネージャーとして、組織運営、サービス企画、プロジェクト推進に従事。幅広い業界の顧客に対し、DMP・CDP・データ基盤の構築、クラウド移行、データ分析・可視化などを支援。現在は企業データを生成AIが安全かつ効果的に活用するための「AI-Readyデータ基盤」のサービス開発と顧客支援を推進。

 

「AIを活かせるデータ基盤」が競争優位になる時代

- 編集部:最近は本当に生成AIが浸透してきましたね。個人的にも、1年前とくらべて、はたらき方が大きく変わりました。

そうですね。ご支援先のお客様でも、CopilotやGemini、そしてAIエージェントを業務で活用するケースはかなり増えています。2025年以前は「まず触ってみよう」という段階でしたが、2026年は「どう業務に組み込むか」「どう成果につなげるか」という議論が中心になりました。

- 編集部:たしかに最近は、「一人ひとりがAIをどう使いこなすか」ではなく「個人のAIスキルに依存せず、企業としてAIでどう事業上の成果を出すか」という問いかけが増えてきた印象があります。

AI導入の効果を実感されている企業は着実に増えています。そしておっしゃる通り、個人の業務効率化だけではなく、業務プロセスそのものを見直したり、新しい価値創出につなげたりする企業も出てきました。

一方で、同じくらい高性能なモデルのAIを導入していても、成果の出方には大きな差が生まれ始めています。つまり、これからはAIそのものの性能差よりも、「AIを活かせる企業基盤を持っているかどうか」が重要なテーマになっていくと思います。

- 編集部:AI側つまり企業の外部に起因するのではなく、利用する企業側=内部的な問題ということですね。成果につながる企業とそうでない企業にはどのような違いがあるのでしょうか?

複数の要因があると思います。個人単位での活用においてはもちろんプロンプト設計のスキルや日常的に使う文化・習慣等の要因が挙げられますが、ご支援先でAIやAIエージェントを現場業務に組み込むフェーズにおいて私たちが注意しているのは「データ環境」の課題です。

生成AIは非常に賢くなっていますが、企業内の情報やデータを活用する場面では、その企業が持つデータ環境の影響を大きく受けます。AIのモデルの進化ばかりが注目されがちですが、実際にはデータ環境の整備状況が成果を左右するケースが増えていると感じています。

言い換えると、どれだけ高性能なAIを使うかが競争優位なのではなく、AIを活かせる企業基盤が競争優位になる時代へ移りつつあるのかもしれません。

- 編集部:データ環境の課題というのは、具体的にどのようなものなのでしょうか?

人間にとっても困る状況を考えてみるのがイメージしやすいかもしれません。

例えば、

  • ・SharePoint上に似たようなファイル格納ページが乱立している
  • ・同じデータが複数の場所で管理されている
  • ・OneDriveに個人管理のファイルが散在している
  • ・ファイル名「最終版」「修正版」「最終版②」などが併存している

といった状況です。必要な情報はあるのに見つからない。見つかってもどれが正しいのか分からない。部署ごとに管理方法やルールが違う。こうした状態は、多くの企業で起きています。AIの話になると難しく聞こえますが、まずはこうした「人間でも困る状態」を想像すると分かりやすいと思います。

情報が存在していないことが問題なのではなく、「見つけられない」「信頼できない」「活用できない」などの状態が課題になるケースは非常に多いですね。

- 編集部:なるほど、ファイル名の件は耳が痛い(笑)。AIの問題というより、企業の情報活用そのものに課題があるケースが多いのですね。

そうですね。AI活用の話をしているつもりが、結果的には「そもそも情報管理をどうするか」というテーマに行き着くケースも少なくありません。そうした課題を解決する考え方の一つとして、「AI-Ready」という概念や考え方も浸透しつつあります。

AI-Readyはこれからの企業の指針そのもの

- 編集部:AI-Readyとはどのような考え方なのでしょうか?

AI-Readyを一言で表現すると「AIが価値を発揮しやすい状態をつくること」だと言えます。「AIが成果を出せる土台を整えよう」という考え方です。

これをもう少し具体的な要素に分解すると、

 

  • ①必要なデータがどこにあるのか分かること
  • ②最新かつ正しい情報が管理されていること
  • ③データの意味や文脈が整理されていること
  • ④適切なアクセス権限が設定されていること
  • ⑤持続可能な運用ルールやガバナンスが敷かれていること

といった事項が挙げられます。さらにこれらを踏まえて、私たちは大きく3つの層で考えています。

1つ目が、AIが参照するデータそのものを信頼できる状態にする「データ層」です。①必要なデータがどこにあるのか分かること、②最新かつ正しい情報が管理されていることなどが含まれます。

2つ目が、データや指標に意味を与える「意味の層」です。③データの意味や文脈が整理されていることが含まれます。

そして3つ目が、AIが利用ルールに従って安全にデータへアクセスできるようにする「アクセス層」です。④適切なアクセス権限が設定されていることがここに含まれます。

⑤持続可能な運用ルールやガバナンスが敷かれていることはそれら3つの層にたいして横断的にかかわるイメージです。

- 編集部:AI-Readyの実現に向けて、この中でも特に重要だと考えている要素はありますか?

私が特に重要だと思っているのは、③データの意味や文脈が整理されていることです。AI-Readyというと最新のデータ基盤や高度なアーキテクチャをイメージされることもありますが、実はそれ以前の課題が非常に重要だったりします。例えば「売上」という言葉一つとっても、受注ベースなのか、計上ベースなのか、税込なのか、税抜なのか、企業や部門によって捉え方が異なる場合があります。AIに「今年の優良顧客数を教えて」と質問するケースで考えてみても、人間同士だと自然な会話ですが、その裏側には多くの前提があります。優良顧客の定義は?売上金額なのか?利益額なのか?集計期間は?前年度からの継続顧客は含むのか?こうした定義が曖昧なままだと、AIは正しく答えられません。つまり、AIの回答精度の問題というよりも、組織内で共通認識が整理されているかどうかの問題なんです。AIが普及するほど、人間同士の暗黙知や経験で補っていた部分を明文化していく重要性は高まっていくと思われます。

- 編集部:たしかにLLMの文章理解力は抜群に見えますが、企業独自の暗黙知や文脈のようなものは事前に学習していませんもんね。

はい。例えばMicrosoft 365 Copilotなどのサービスは、Microsoft Graphやセマンティックインデックス、Work IQのような機能を活用しながら、人間が普段行っている「意味の理解」や「文脈の把握」をできる限り支援してくれています。

ただ、それでも最終的に

 

  • ・どれが正しい情報なのか
  • ・用語をどう定義するのか
  • ・誰に何を見せてよいのか

といったことは人間が定義してあげる必要があります。

人間でも他人が管理しているExcelファイルの意味を読み解くのは大変じゃないですか。同じ部署の中であれば「この売上は税込だよね」「このシートの数値はk(1,000)だよね(あるいはm(1,000,000)だよね)」といった共通認識があります。でも部署や会社をまたぐとそうしたことを読み解く難易度が大きく上がりますよね。そうした困惑はCopilotを含むあらゆるAIにとっても同じなんです。社内に存在する膨大な文書やデータの中から必要な情報を探し出し、回答を生成する際、「どれが正しいのか」「どれが最新なのか」「何を意味しているのか」が整理されていなければ、人間と同じように苦労してしまいます。意外と、「AIが賢くない」のではなく、「人間でも理解が難しい状態の情報をAIに読ませているだけ」というケースは少なくありません。AI-Readyとは、そうした状況を改善し、AIがより正しく価値を発揮できる状態を目指す考え方なんです。

- 編集部:今後、企業にとってAI-Readyはどのようなテーマになっていくでしょうか?

これまでは「AIをどう使うか」という議論が中心でした。ですが今後は「AIを前提に業務やサービスをどう設計するか」という議論に変わっていくと思います。データ、オペレーション、組織ルールまで含めて整備していかなければ、本格的な活用は難しくなっていくでしょう。そういう意味ではAI-Readyは、一時的な流行語ではなく、今後の企業基盤の指針そのものだと考えています。

無料でできる「AI-Readyクイック診断」

- 編集部:企業が最初に取り組むとしたら、何から始めるのがおすすめですか?

いきなりデータ基盤を刷新したり、大規模なシステム投資を行ったりする必要はありません。まずは現状把握です。AIが活用できる状態なのか、どこにボトルネックがあるのか、どの業務から着手すべきなのか、を把握することが重要です。

そのため私たちは「AI-Readyクイック診断」を無料で公開しています。

生成AIの利用状況だけではなく、データ環境や業務プロセスも含めて確認し、AI活用の伸びしろや課題を可視化するものです。

<AI-Readyクイック診断のレポートイメージ>

- 編集部:まずは自社の現在地を把握するところから始めるわけですね。

そうですね。そしてもう一つ重要なのが、最初から全社最適を目指しすぎないことです。理想を言えば全社横断でデータや指標を統一できるのが望ましいですが、実際には非常に大がかりな取り組みになります。そのため私たちは、まず目的を絞った特定業務や特定部門から始めることをおすすめしています。

例えば、営業部門の提案業務、コンタクトセンターの問い合わせ対応、経営会議向けレポーティングなど、比較的成果が見えやすい領域ですね。まずは限定された範囲でAI-Readyな状態を作り、小さく成功体験を積む。その上で、対象データや対象部門を広げていく方が結果的に成功しやすいケースが多いと感じています。

- 編集部:最後に、これからAI-Readyに取り組む企業にメッセージをお願いします

AIやAIエージェントの話になると、どうしても最新モデルの性能や「開発工程を完全自動化」のような話題性のあるトピックに目が向きがちです。でも私は、お客様との会話の中で出てくる「ファイルサーバーの中がカオスで誰も手を付けたがらないんですよね」とか、「部署・人によってドキュメントの管理方法が違うんですよね」といった悩みに向き合う方が、本質的だと感じることがよくあります。

AI-Readyは、そうした日々の小さな困りごとを一つずつ解消していく取り組みでもあります。なので、あまり難しく考えすぎず、まずは自社の情報やデータの状態を知るところから始めていただければと思います。そして困ったことがあったら、どんな小さなことでも構いませんのでお気軽にご相談ください。情報交換程度の小さなお付き合いからでも、喜んでお受けいたします。

- ありがとうございました。

パーソルビジネスプロセスデザインでは、本記事でご紹介した「AI-Readyクイック診断」をはじめ、AI-Readyな企業基盤づくりを支援する「AI-Readyデータ基盤構築・運用サービス」をご提供しています。まずは資料をダウンロードのうえ、推進のイメージをご確認ください。