「ウチでもAIを活用したい」という話は普通に聞きますが、実際に成果が出る会社と、思ったほど伸びない会社の差は、AIツールの名前よりも、社内にどんなデータが残っているかで決まることが多いように思います。AIは会社のデータで、地に足をつけるほど答えが現場向きになり、逆に古い資料や権限のあいまいさがあると、もっともらしい表現で外すことがリスクとしてあります。データの質や古さ、文脈とのずれは、AIの信頼性を下げる結果を招きますので、過去のデータをポイポイ入れるのはよろしくないわけです。
結果だけでなくプロセス
AI活用というと、売上や顧客数のような数字を思い浮かべる人が多いのですが、それだけでは足りません。AIが本当に役立つのは、過去に似た案件で、誰が何を見て、どう判断し、結果がどうなったか、をたどれるときではないでしょうか。
つまり、結果の数字だけでなく、問い合わせ、提案、修正、承認、失注理由、クレーム対応、更新日、作成者といったプロセス（≒足跡）です。デジタル庁でも企業価値向上のための重要な土台として、それらを位置づけています。
ためておきたいデータの例
あくまで私の考えですが、今後のAI活用で価値が高いと思うのは、次のようなデータではないかと考えています。営業会社を例に挙げてみました。
- 顧客対応の履歴
お客様の質問、担当者の回答、解決したかどうか、再問い合わせの有無、満足度。
たとえばECサイトなら、「返品したい」「配送が遅い」「サイズ交換したい」といった相談ごとに、どの返し方がスムーズだったかを残しておくと、AIは次回から実務に近い返答を出しやすくなるのではないでしょうか。 - 営業の提案と受注・失注理由
見積書、提案書、商談メモ、決まった理由、失注した理由。
たとえば「価格で負けた」のか、「提案内容で負けた」のかで、次にAIが提案する営業文面や優先順位はかなり変わると思います。 - 業務手順と例外対応の記録
マニュアルだけでなく、「通常はこうだが、この条件なら別処理」というイレギュラー情報の蓄積もよさそうです。現場の仕事は、きれいな手順書だけでは回りません。むしろ例外処理の知恵こそが、AIに渡す価値があると思います。 - 社内ナレッジと、その更新情報
FAQ、議事録、仕様書、提案のひな形、契約関連の注意点なども良いでしょう。
ですが、文書そのものだけでなく、更新日、作成者、根拠資料、どの部署向けかまで一緒に残すと、得た情報を整理しやすくなるかと思います。 - AIの回答に対する人の修正履歴
「この文章は長すぎる」「この表現は法務的に危ない」「この順番のほうが伝わる」といった赤入れの記録です。これは“この会社らしい正解”をAIに近づける、とても大きな記録情報になります。 - 権限・機密区分・保存期限などの管理情報
誰が見てよいか、社外共有できるか、いつまで有効か。これがないと、AIに見せてよい情報と、見せてはいけない情報の線引きができないので、ここは工夫が必要になります。
とりわけ見落とされやすいのが、5つ目と6つ目です。OpenAIは、AIの改善には実運用に近い評価データが重要だと案内していますし、MicrosoftはCopilotの回答品質に、最新で適切に共有されたデータが有効だと説明しています。
「札付き」で残す
ここで大切なのは、データをただ集めることではありません。意味が分かる形で残すことです。たとえば同じ社内文書でも、更新日がない、作成者が分からない、元資料がない、閲覧範囲が不明、となるとAIは使いにくくなります。古いルールと新しいルールを同じ重みで扱ってしまうからです。使うデータが本来の用途や文脈に合っていない場合、AIの信頼性に悪影響が出てしまうからです。
何から始めるべきか
私なら、最初から会社のあらゆるデータを集めようとはしません。最初の3か月は、次の3つに絞るのがおすすめです。
- よく聞かれる質問
- よく使う文書
- 毎週のように発生する判断業務
この3つに対して、入力項目をそろえます。たとえば「日付」「担当者」「案件種別」「判断理由」「結果」「このあとの動き」などといった形です。
AIを実際に使った場面では、入力した指示、AIの返答、参照した資料、最後に人がどう直したかまで残しておくと、チューニングがしやすくなると思います。
つまり、これからのAI活用でいちばん良いと思うのは、大量データよりも意味が分かるデータだと思っています。例えば10万件のバラバラなファイルより、500件でも更新日と責任者が明確で、良い悪いの評価が付いたデータのほうが、現場で使えるのではないでしょうか。AI導入を急ぐ前に、会社の判断の癖やイレギュラー対応を残すことです。地味ですが、その蓄積があとで活かされるのではないかと思います。
まとめ
今後、データとしてためるべきなのは、売上のような結果データだけではなく、顧客との会話や判断の理由、イレギュラー処理、人の修正、更新日や権限といった仕事の文脈こそが、ビジネスで役立つはずです。AIを賢く使うには、社内の知恵を、あとで検索して使いやすい形で残していくことではないでしょうか。
