AI活用の土台は社内データ基盤｜定義を揃える経営の第一歩

「AIを導入したのに、思ったほど成果が出ない」——中小企業の経営者から、私がよくいただく相談です。自社でAIを本格的に業務へ組み込む中で痛感したのですが、その原因はツールでもAIの性能でもなく、たいてい「社内の定義がずれている」ことにあります。売上やKPIの数え方が部署ごとに違えば、AIはその曖昧さをそのまま増幅してしまう。この記事では、AI活用の前に整えるべき「データ基盤」と「定義の揃え方」を、経営者としての実体験からお話しします。

結論：AI活用の成否は「ツール」より前に「定義が揃っているか」で決まる

この記事の要点

• AIは曖昧さを人間のように補正せず、確信を持って大量に出力する「増幅器」である。
• 社内の定義がずれたままAIを使うと、間違った数字が静かに意思決定へ紛れ込む。
• だからAI活用の第一歩は、ツール導入ではなく「言葉と数字の定義を揃えること」にある。

結論から言います。AI活用でつまずく会社と伸びる会社の差は、AIの使い方の巧拙よりも前に、社内の「定義」が揃っているかどうかにあります。私自身、最初はAIツールをどう使いこなすかばかり考えていました。しかし実際に業務へ落とし込むほど、問題はAIの手前——「そもそも自社のデータや言葉が揃っていない」ことにあると気づかされました。

AIは、渡された情報を疑いません。定義が曖昧なら、曖昧なまま、それらしい答えを返します。しかもそれを大量に、確信を持って。だからこそ、AIを入れる前に土台となる「データ基盤」を整える必要があるのです。

データ基盤とは何か

データ基盤とは、社内の情報を「同じ意味・同じルール」で蓄積し、誰が使っても同じ結果を導ける状態のことです。単にデータベースやツールが整っていることではなく、その手前にある「言葉と数字の定義」が揃っていることを含みます。

私はデータ基盤を、2つの層に分けて考えています。ひとつは物理層——データベース、スプレッドシート、各種ツールといった「入れ物」です。もうひとつが意味層——「売上とは何を指すか」「顧客とは誰か」といった定義の層です。

多くの経営者は「基盤」と聞くとシステムやツール（物理層）を思い浮かべます。しかし、AI活用で本当のボトルネックになるのは、その手前の意味層——定義が揃っているかどうかです。

私たちが支援する現場でも、立派なシステムは入っているのに数字が信用できない、という会社は少なくありません。入れ物があっても、そこに入る数字の「意味」が揃っていなければ、基盤としては機能しないのです。順序としては、意味層（定義）→物理層（データの持ち方）→AI活用、という流れで積み上げるのが正解だと考えています。

なぜAI時代に「定義のずれ」が致命傷になるのか

AI時代に定義のずれが致命傷になるのは、AIが人間のように「空気を読んで補正」してくれないからです。これまで私たちは、定義が多少曖昧でも、文脈と経験で勝手に補正しながら会話してきました。

たとえば会議で「今回の"顧客"はアクティブなユーザーのことね」と、誰も口に出さずに握っている。営業が言う「案件」と経理が言う「案件」が微妙に違っても、そこは人間同士なら察して補正できました。この暗黙の補正が、組織を何とか回してきたのだと思います。

ところがAIは、この補正をしません。自然言語がそのままインターフェースになるぶん、曖昧さを補正せず、確信を持って、大量に実行してしまう。営業の言う「顧客」とサポートの言う「顧客」が違えば、AIは両方をそれらしく処理し、しかも誰も間違いに気づかない。曖昧さが許されていた時代のコストが、AI時代には一気に跳ね上がるのです。

AIは「間違ったこと」を返すのではなく、「揃っていない前提のまま、正しそうなこと」を返します。だから怖い。ずれに気づく仕組みが社内にないと、誤りがそのまま残り続けます。

特に危険なのは「数字の算出ロジックのずれ」

数ある定義のずれの中でも、私が最も危険だと考えているのが「数字の算出ロジックのずれ」です。言葉のずれは会話が噛み合わずその場で気づけますが、数字のずれはそれらしい一つの数字として返ってくるため、検算しない限り誰も気づけません。

たとえば「粗利率」。原価に外注費を含める部署と含めない部署があれば、AIに「粗利率の高い案件を教えて」と聞くたびに答えが変わります。それでもAIは毎回自信満々に数字を出す。その数字が会議資料になり、意思決定に使われ、やがて経営計画に載っていく。

算出ロジックのずれは、会話のずれと違って「沈黙したまま」経営判断を汚染していきます。気づいたときには、間違った数字を前提に半年ぶんの意思決定をしていた——ということが起こり得ます。

実際、私が数字の定義を疑うようになったのも、同じ指標のはずなのに人によって違う数字が出てくる場面に何度も出くわしたからです。「稼働率の分母は何か」「売上は税込か税抜か」「計上のタイミングはいつか」——こうした一つひとつの定義が、AIのアウトプットの正確さを根っこで支えています。数字を扱う仕組みそのものについてはGA4アクセス解析の基本｜初心者が見るべき指標と改善手順でも触れていますが、どんなに高度な分析も、元になる数字の定義が揃っていなければ意味をなしません。

AI活用の前に揃えるべき4つの定義

整えるべき定義は、大きく4つに分けられます。そしてこの4つは、バラバラの項目ではなく一本の依存関係でつながっています。

私はこの4つを、次のようなひとつのストーリーとして捉えています。言葉（A）が揃うから、正しく記録でき（C）、正しく計算でき（B）、それをAIが正しく増幅する。そして運用（D）がなければ、決めた定義は必ずずれ戻る。A→C→Bは順番に積み上がる依存関係であり、Dはその全体を下から支える土台です。

順番が大事です。いきなり算出ロジック（B）だけを直そうとしても、そもそも言葉（A）や記録（C）が揃っていなければ、また同じずれが生まれます。土台の言葉から順に揃えていくのが、遠回りに見えて一番の近道です。こうした定義とデータの整備そのものは、データ収集・分析として私たちが日々向き合っているテーマでもあります。

経営層と現場で「数字の意味」がずれていないか

定義のずれで最も注意すべきなのが、経営層と現場のあいだの「数字の乖離」です。経営者が見ているダッシュボードの数字と、現場が実際に入力・計算している数字。この2つの意味が食い違ったまま、AIがどちらも増幅してしまうと、組織の判断はどんどんずれていきます。

私の実感では、この乖離はほとんどの会社に、大なり小なり存在します。経営者は「うちの主力はこの数字だ」と信じている。ところが現場に聞くと「その数字、実はこういう例外は除いて出しています」と返ってくる。悪気があるわけではなく、ただ定義を握り合う機会がなかっただけです。

この乖離を放置したままAIを導入すると、経営者は「AIが出した数字だから正しい」と信じ、現場は「入力ルールが曖昧なまま数字を作っている」という、最も危うい状態になります。だからこそ、AI活用を本格化する前に、上下で数字の意味を一度すり合わせておく必要があります。定義を全社で共有し続けるという意味では、社内AI研修のように、使う人全員が同じ前提でAIと向き合える状態をつくることも有効です。

経営者が最初に打つ一手

最初の一手はシンプルです。全社のデータをいきなり整える必要はありません。「一番よく使う数字ひとつ」の定義を、経営層と現場で突き合わせるところから始めます。

• 自社で最も意思決定に使う数字（例：売上、粗利率、成約率）を1つ選ぶ。
• 各部署に「この数字、どうやって出していますか？」と実際に聞いてみる。
• 出てきた答えのずれを書き出し、経営層の認識と現場の実態のギャップを可視化する。
• 正しい算出ロジックを決め、紙1枚（または1ページ）に定義として書き出す。
• その定義を誰がいつ見直すか（運用D）まで決めて、はじめて完了とする。

この「どうやって出していますか？」という問いかけが、経営層と現場の乖離を可視化する一番の近道です。私自身、この問いを投げるたびに「え、そんな出し方をしていたのか」という発見がありました。たった1つの数字でも、定義を紙に落とすと組織の解像度が一段上がります。まずはそこからで十分です。

自社のどの数字から定義を揃えるべきか、一緒に整理します。

無料で相談する

まとめ：定義を制する者が、AI時代の経営を制する

AI活用の成否は、ツールの性能でもデータの量でもなく、社内の「定義」が揃っているかで決まります。AIは増幅器であり、曖昧な定義はそのまま増幅されて経営判断を汚染するからです。

この記事のまとめ

• AIは曖昧さを補正せず増幅する。定義のずれは静かに意思決定を汚染する。
• データ基盤は「物理層（ツール）」より「意味層（定義）」の整備が先。
• 揃えるべきは言葉（A）→記録（C）→算出ロジック（B）→運用（D）の4つ。
• 最初の一手は、よく使う数字ひとつを経営層と現場で突き合わせること。

定義を揃えることは地味な作業です。しかし、この土台があるかないかで、AI活用が「一部の便利ツール」で終わるか、「組織化・業務効率化・経営計画」までつながる本物の武器になるかが分かれます。AI活用そのものの進め方はAIで業務効率化を始める方法｜中小企業の活用例と進め方にまとめていますが、その前提としてまず、自社の数字の定義から見直してみてください。データ基盤づくりやAIソリューションの導入でお困りの際は、私たちにご相談いただければと思います。