MDMシステムの本質は人間。人がAI-Readyを作り、AI-ReadyがAIを育てる

生成AIを活用するためには、社内知識が重要です。大量のデータを格納した社内データベースも貴重な社内知識なのですが、データベースを生成AIで自在に扱えているところは少ない。
技術もさることながら、データが散在し整合が取れていないことが大きな原因です。業務では人が補完してくれますが、生成AIは補完どころか勝手に解釈してしまいます。AI-Readyなデータとは、明文化され整合がとれ、重複がないデータです。
そのカギがマスターデータです。マスターデータがすべて正しいのにデータ全体が低品質なことは無いし、データが完璧なのにマスターデータだけが「汚い」こともありません。
本講演では、MDM/マスターデータ管理とは何か、人力が欠かせないのはどこか、テクノロジーに期待すべきは何かを解説します。

生成AIのさらなる進化で変わる世界と、データ活用の“次のステージ”

生成AIによる変革が進行し、社会、仕事、人々の価値観などが変わっていく中、データ活用のあり方にも新たな変化が生じています。具体的には、生成AIが持つ「非構造データの理解能力」や「計画立案に基づいた推論能力」「与えられた役割を演じるロールプレイ能力」などが従来のデータ活用の限界を超える新たな活用トレンドを生み出しています。本講演では、生成AIによる世界の変化やこの技術自体の進化の方向性について解説するとともに、それらの変化がデータ活用に与える影響をについて説明します。さらに、データ活用の新潮流、次のステージとして、AI Ready Dataを実現する「非構造データの自動構造化」、大量の非構造データからの「知識の自動発見」、“人のデジタルツイン”に基づいた「シミュレーションによる人間行動の予測」の3つを取り上げ、特徴や仕組み、事例、今後の展望などを解説します。

データ・AI活用の取り組みで押さえるべき法対応・コンプライアンスのあり方

本講演は、経営層、法務・コンプライアンス部門、AI活用を推進する実務担当者向けの内容となっています。生成AIの急速な社会実装を背景として、日本および海外におけるAI関連法制度の最新動向を整理するとともに、企業に求められるAIガバナンスの方向性を体系的に解説することを目的とします。日本ではAI法やAI事業者ガイドラインなどのAIに関するルールづくりが進んでいますが、EUでもAI法（AI Act）が成立し、米国でも各州でAI関連法が成立しており、実務に大きな影響を与えつつあります。こうした法制度は、単なる規制対応にとどまらず、企業の経営判断、リスクマネジメント、プロダクト設計、契約実務に直結する課題となっています。本講演では、法制度の全体像と要点を押さえたうえで、企業が直面する具体的な法的リスクを整理し、AIガバナンスを実務的な視点から検討します。

データ活用の効果はEAから導かれる

AIやデータに関するプロジェクトにおいて、「投資の妥当性や費用対効果をどう説明すべきか」という難問に、多くのDX担当者が直面しているのではないでしょうか。ツールや外部支援のコストが上昇し続ける中、担当者が企画や説明の段階で疲弊してしまわないよう、明確な「解」が求められています。この問いに対し、EA（エンタープライズ・アーキテクチャ）のアプローチとフィロソフィーを用いた設計手法を解説していきます。本講演では、EAのBA（ビジネス・アーキテクチャ）に基づいた「アウトカムセントリック（成果中心）」な概念を軸に、投資の意義を定義し、実装から運用後の効果測定へと繋げていく実践的な流れを紐解きます。単なる技術論ではなく、皆様の悩みへの共感と共に、ビジネス価値を証明するための羅針盤となるような概念を共有したいと思います。

国内企業の実態から紐解くAI-Readyへの最短コース
─今、ここから何を始めたらよいのか？

「AI-Readyデータに求められる要件は、(1)データの整合性、(2)継続的な適格性評価、(3)コンテキストに応じたガバナンスの3つだけです。」──と言われても、具体的にどうしたらよいかわかりませんよね？ 本講演では、今年1月13日に刊行された『生成AI時代のデータマネジメント調査報告書2026』（インプレス）の調査結果から国内企業の現在地と今後の展望を紐解き、AI-Readyにたどり着くために、今ここから何を始めたらよいかを解説します。

生成AI時代のデータマネジメント

ChatGPTに代表される生成AIが急速に普及するにつれ、データ利用は、今までの応用ごとに個別の機械学習モデルを作るやり方から、汎用の基盤モデルを共通部品として使う「生成モデル」に変化しつつあります。本講演では、Preferred NetworksにおけるAIへの取り組みを中心に、AIの最先端動向を概括すると共に、生成モデルの1つの事例として、講演者が花王株式会社で開発した「仮想人体生成モデル」について紹介します。

先進企業で広がるAIエージェントのためのデータマネジメントとは？
─国内外の先進事例から読み解くグローバル標準

生成AIの活用は、人間を支援する段階から、AIエージェントが自律的に業務を遂行する時代へと突入しました。しかし、事業横断でのAI活用を試みる多くの企業が「AIが期待通りに動かない」という壁に直面しています。その根本原因は、AIに渡すデータの文脈と品質の欠如にあります。AIエージェントが正しい判断を下すためには、マスタデータ管理やメタデータ管理によって裏打ちされた「Trusted Context（信頼できるコンテキスト）」の整備が不可欠です。従来の人間による人間のためのデータ整備から脱却し、AI活用を前提に据えたデータ＆AIガバナンスを確立できるかが、今後の企業の競争力を左右します。本講演では、欧米の先進事例を紐解きながら、AIエージェント時代に不可欠なデータマネジメントのグローバル標準を解説します。エンタープライズアーキテクチャの核として、いかにデータマネジメントレイヤーを実装し「AI Ready Data」を実現すべきか。最新のデータマネジメント技術と共に、実現に向けたロードマップについて解説します。

AI時代のデータマネジメント実践
─精度向上・品質向上・マスターデータ管理にどう取り組むのか？

生成AIの活用が進む一方で、多くの企業が回答精度や信頼性の向上に課題を抱えています。要因はモデルやツールの問題ではなく、データの定義や品質が十分に整理されていないという、データマネジメントの課題に起因します。本講演では、AIの精度と信頼性を高めるために求められるデータマネジメントの考え方を整理し、「言葉の意味」を整えることの重要性を示します。合わせて、PDCA×OODAを組み合わせたプロセスに基づきデータ品質を継続的に改善する取り組みや、データドリブン経営の実現に向けたマスターデータを経営判断の共通言語として再定義する実践事例を紹介します。AI活用、データ品質、マスターデータを個別の施策として扱うのではなく、意思決定につながるデータマネジメントとしてどのように統合し、現場で回していくべきか、その現実的なアプローチを提示します。

データドリブンへ向かうスズキの挑戦
─データ仮想化基盤「Denodo」の活用と全従業員デジタル人材に向けた取り組み

2025年、グローバル自動車メーカーのスズキは「データとAIの活用による持続的成長と新たな価値提供」を掲げてDX戦略を発表しました。この戦略を実現するためには、社内に点在する膨大なデータを一元的に統合し、迅速かつ柔軟にデータ活用を進められる基盤が不可欠です。スズキはその基盤として、2022年にデータ仮想化プラットフォーム「Denodo」を採用し、複数のシステムに分散するデータを効率的に統合する仕組みを構築しています。さらに、データ活用を推進するための人材育成やデータドリブンな文化の醸成にも積極的に取り組み、現場での具体的な活用事例を着実に積み重ねています。本講演では、数々の課題を乗り越えながら進めてきたスズキの挑戦をご紹介します。

いよいよ来た！AIに聞けば正解が出る時代
─精度90%を担保するデータ整備術と、即座にインサイトを導くAgentic AI活用事例

生成AI導入がPoCから実運用へとフェーズを移す2026年、多くの企業が直面しているのは「AIの回答精度の限界」と「期待したほど上がらない業務スピード」です。AIを単なるチャットボットで終わらせず、自律的に動く「Agentic AI」としてビジネスの武器にするためには、AIが迷わずデータを読み解ける「AI Ready」な状態を整えることが重要です。本講演では、精度を90%へと劇的に向上させた「データ整備」の実践手法を公開。さらに、従来のBIツールによるダッシュボード構築の工数を削減し、AIが社内データから即座に直接答えを導き出す「インサイト創出」の仕組みを事例とともに解説します。「データはあるが、AIが使い物にならない」という状況を打破し、2026年をロケットスタートで勝ち抜くための、具体的かつ最短の戦略を提示します。

東急レクリエーションが目指す「BI・AI Ready」への道筋

１０９シネマズなどエンターテインメント事業を展開する東急レクリエーション。同社は、BIを活用した業務の可視化を進める中で、データ整備・活用支援を行うクロスキャットとともに次のステップを模索してきました。AI活用のPoCに取り組む過程であらためて浮かび上がったのは、最新技術以前に、日々の業務で使うBIをどこまで安定的に活用できているのかという視点でした。現在は、AI活用を目的としたものではなく、まずBIを継続的に使い続けるためのデータ整備に取り組んでいます。この地道な取り組みは、結果として将来的なAI活用にもつながる「BI・AI Ready」な状態をつくるものでもあります。本講演では、東急レクリエーションとクロスキャットの両視点から、実践を通じて得られた学びや判断の背景などをお伝えします。

未来予測型経営を支えるAI Readyなデータ基盤─データマネジメントが競争優位の源泉に

130年以上の歴史を持つライオンは、経営ビジョン実現に向けデジタル戦略を刷新。研究開発からサプライチェーン、顧客接点までをデータで結び、意思決定と現場実行を同時に高度化する「データドリブン経営」へ舵を切っています。本講演では、データレイクによるサイロ化防止、データ統合とマスタデータ管理、品質・ガバナンスを"運用で回す"仕組みづくり、そして基盤を活かした需要予測ダッシュボード提供と予測に基づく意思決定の高度化まで、競争優位に資するデータマネジメント活動の戦略と実践を、データマネジメントチームやCCoEの推進体制と人材育成の観点を交えて紹介します。単なる機能紹介ではなく、「基盤をどう作り上げ、誰がどう運用して価値提供につなげたか」に焦点を当てます。

「データ活用宣言」を起点に広がる、三菱電機の全社横断データ活用環境づくりと文化醸成

データの爆発的増加やAI活用の普及に伴い、データガバナンスの重要性が高まってきています。しかし、組織の規模が大きくなるにつれ、全社のデータ活用環境を整え、活用の文化を根付かせるのは困難です。三菱電機は、2024年に全社横断のData Governance Office（DGO）を組成し、それまで個別だった事業DX、業務DX、ものづくりDXのデータマネジメント活動をDGOの下に集結。端緒とし、データを適切に取り扱いつつ価値の最大化を図る「データ活用宣言」を社外に公開しました。現在、この宣言を核に、データを安全に活用できる環境づくりとデータ活用文化の醸成をトップダウンとボトムアップの両軸で進めています。本講演では取り組みの詳細をご紹介します。

利活用起点で“回る”仕組みをつくる、実効性の高いデータガバナンスとは─塩野義製薬の実践

過去、塩野義製薬では中央集権型の情報管理体制を構築したものの、現場の実態との乖離により運用が定着せず、データ管理と活用の循環がうまくいきませんでした。この反省を踏まえ、「会社は何のためにデータガバナンスを必要とするのか」という原点に立ち返り、データの利活用側から声を挙げて分散自律型のデータガバナンス体制の構築に取り組みました。プロジェクトにはデータ活用基盤の実運営者が参画し、方針決定と具体化を同じ場で行うことで、実効性の高いガバナンスを整備。中央集権型では埋めきれなかった「ガバナンス側と利活用側のギャップ」を解消し、管理と活用のライフサイクルが実際に“回る”仕組みを実現しています。本講演では、塩野義製薬が構築した分散自律型のデータガバナンスプロジェクトの背景と成果を共有します。

生成AI時代のデータカタログ─KADOKAWAの試行錯誤と実践

生成AIの活用が現実解となる中、RAGやナレッジベースの成否を左右する要素として、データカタログを含む「メタデータ管理」の重要性が急速に高まっています。本講演では、Snowflake/Redshift/BigQueryを並列運用するKADOKAWAグループが、いかにして分断されたデータ基盤を前提としたカタログ整備に取り組んでいるかを紹介します。その中では、OSSのセルフホスティングによる初期導入の失敗、スタートアップとの協働による方向転換、Confluence上の情報移行や人力による泥臭い全件更新など、理想論では語れない実例を包み隠さず共有します。さらに、自然言語クエリやセマンティックレイヤーを見据え、「AIのために専用メタデータを作らない（業務プロセスに統合する）」というアプローチが持つ意味について、実践の視点から考察します。

AI活用を最速化させるfreeeのAI/データマネジメント

生成AIの進化はあまりに速く、1カ月前の常識すら通用しなくなります。このスピード感の中で、企業におけるAI活用の本質は、“ビジネスサイドの自走力”と“新たな顧客体験の創出”にあるはずです。ビジネスの自走力については、これまでのセルフサービス型ツールと同様、活用のスピードと統制のバランス維持は永遠の課題です。AIによってデータ活用が加速する一方、セキュリティリスクおよびビジネスリスクへの懸念もかつてないほど高まっています。本講演では、「freee会計」をはじめマルチプロダクトB2B SaaSを展開するfreeeが、このAI時代の荒波にどう対峙しているかを共有します。顧客への価値提供スピードを落とさず、いかにAI・データ活用のガバナンスを構築しているのか。机上の空論ではなく、実際に進行中のプロジェクトを含めたfreeeの“攻めと守り”の現在地をダイナミックにお伝えします。

データエージェントが導く「データマネジメント」の民主化とAI活用の未来

AI の進化が加速する現代において、企業が競争力を維持するためにはデータ活用が不可欠です。しかし、多くの企業では「データの一元管理が途上である」「データを活かしきれていない」といった課題に直面しています。本講演では、経営マネジメント層や IT 部門の責任者の方々を対象に、「データエージェント」がどのようにデータ分析の民主化を実現するかを解説します。「AI・生成AI のビジネス活用」への関心が高まる中、専門家でなくても誰もがデータをビジネスの力に変えるための、AI-Ready なデータ基盤の構築手法と具体的な未来像をGoogle Cloudのお客様とともにご紹介します。

ソニーグループの半導体事業が挑む、AI時代のデータマネジメント
─仕組み作りと文化醸成から始めるDMO活動

ソニーグループの半導体事業を牽引するソニーセミコンダクタソリューションズでは、製造における歩留まり改善や、経営管理における成長分野を見据えた投資・収益管理など、データやAIを駆使した業務変革とビジネス価値創出への期待が高まっています。一方で、マスタデータが個別管理されていたため領域をまたいだデータ利活用が難しかったり、一部業務でExcelによる現場運用が続きデータ活用が進んでいなかったりと、全社的なデータ利活用推進における課題が顕在化していました。こうした状況を改善すべく、「DMBOK」を参考に、半導体事業グループ横断でDMO（データマネジメントオフィス）を組成し、全社員がより快適・安全にデータを利活用できる環境に向けた取り組みが本格化しています。本講演では、データマネジメントの仕組み作りと文化醸成をどう進めてきたのか、現場の課題を起点にDMOの活動をどう前進させてきているかについて、実例を交えて紹介します。併せて、Metafindコンサルティングより、DMOの組成・推進のポイントや伴走型支援で重視してきた考え方をお伝えします。

「データの民主化」を理想で終わらせないために
─「データ基盤と現場のラストワンマイル」に生成AIを駆使し、成果に繋げるデータ活用

多くの企業がデータ基盤の構築に挑み、そして今、1つの大きな壁に直面しています。「立派なダッシュボードはできたが、現場に使われない」という壁です。本講演では、数千社の支援から見えてきた、データ活用のつまずきポイントを解説しつつ、生成AIを駆使した新たな活用例をご紹介します。AIの回答精度を高めるために重要なデータ（ナレッジ）は、システムの中だけではなく、現場に散在している場合があります。そのようなデータをどう収集、管理、活用していくのか？ 現場の泥臭い課題と最新テクノロジーである生成AIをどう結びつけるべきか？──MotionBoardの最新機能や、MCP連携によるDr.Sumの新たな価値を紹介しながら、実践的なアプローチをお伝えします。

MDM最新事例/サワイグループホールディングスから紐解く
DX×AI時代の競争優位を導くMDMの成功要因とは？

AIがDXを加速させる手段であれば、マスターデータマネジメント（MDM）は何を担うのでしょう？
MDMは企業におけるデータ活用の土台となり、全社的な業務効率化や戦略的意思決定を支える重要な役割を担っています。
近年、多くの企業がDX/MDMプロジェクトを推進しており、ユーザー企業やコンサル、SIerなど、さまざまなステークホルダーの関わり方も変化しています。では、MDMプロジェクトを成功裏に導く要因は何か？ 本講演では『Small startとQuick Hitの積み重ね』により着実に実現したサワイグループホールディングス様のMDM事例をご紹介いたします。
データマネジメントに意欲的に取り組んでおられる方は是非ご視聴ください。

AI Ready Dataを支えるデータ基盤戦略
─AIの真の価値を引き出すために今取り組むべきこと

AIはすでにビジネスの基盤として不可欠な存在となっていますが、必ずしも十分な成果につながっているとは限りません。AIの活用をさらに進め、単純作業の繰り返しではなく自律的に動作し、より価値を引き出すために、もう一歩踏み込んで考えるべきテーマが、AIの基盤となるデータです。
現在、「AIの問題はデータの問題」と言われています。企業は「今、この瞬間に起こっている」鮮度が高く良質なデータを、AIやAIエージェントに供給できているでしょうか。データガバナンスは守れているでしょうか。また、そのようなリアルタイムで信頼できるデータを供給するための、データ基盤は整っているでしょうか──。
本講演ではこれらの視点にフォーカスし、AI Ready Dataの考え方を起点に、AIが企業のビジネス価値を高める質の高いアウトプットを生み出すためのデータ基盤戦略と、具体的なユースケースや活用事例を解説します。

モビリティカンパニー変革に向けた取り組み

トヨタがモビリティカンパニー変革を目指す中、ウーブン・バイ・トヨタは静岡県裾野市の工場跡地にモビリティのテストコース「Toyota Woven City」を開発しています。想いを共にする仲間とともに、AIなどの技術やデータを活用して、様々なモビリティの開発・実証を行い、社会課題の解決、そして幸せの量産を目指しています。本セッションでは、ウーブン・バイ・トヨタが担う実証実験の街の開発と新しい価値創造についてお話しします。

AIに“正しさ”を教える─「企業ごとのAI Ready Data」の設計思想

生成AIやAIエージェントの活用が進む中、企業は「AIの判断は正しいのか」「その正しさを自社の言葉で説明できるのか」という新たな課題に直面しています。AIにとっての正しさは普遍的なものではなく、企業が何を目指し、どのようなビジネスモデルの中で価値を生み出しているかによって異なります。にもかかわらず、その前提が十分に整理・定義されないまま、AI活用が進められているケースを見聞きします。
本講演では、AI Ready Dataを単なるデータ整備や基盤構築の話ではなく、企業固有の正しさをAIが判断できるようにするためのデータ設計・管理の考え方として再定義します。前半では、企業の目的やビジネスモデルを反映した概念データモデルを、AIと人間が共有する「意味（セマンティック）の地図」と位置づけ、AIにどのような世界観や判断軸を教えるべきかを整理します。
後半では、その正しさを前提として、「メタデータ」で意味付けを行うことの重要性、それを継続的に運用していくためのアプローチについて紹介します。

AI活況の今こそ作る「継続供給の型」
─データ継続供給を担う横断組織の設計と立ち上げ

生成AIの活況でユースケースは増えたのに、全社展開は伸び悩む──。理由の1つに、現場が信頼できる「使えるデータ」を継続的に供給する仕組みの不足があります。定義変更・新商品・組織改編のたびにパイプラインが追随できず、「作って終わり」になる。DXは何を変えるか、ITはどう作るかを担う一方、変化に合わせ常にデータを補給する役割が空白なのです。本講演では、その空白を埋める全社データ継続供給の横断組織（機能）の設計と立ち上げを提示します。成功の鍵は、(1) KPI×データで投資判断を可視化／(2)最小のデータ基盤を常備し不足はオンデマンドで拡張／(3)ガバナンスを日常運用、の三位一体の取り組みです。成熟度に応じたデザインパターンと供給断が起きる具体場面と対処を解説し、まず活動として始め、効果確認を経て組織化へ移行し、安定したデータ継続供給の実装する──そのための原則と失敗回避ポイントをお伝えします。

なぜ製造業のAI導入は「検討」で止まってしまうのか？
─拠点・部署間のデータ断絶を組織の「強み」に変える処方箋

AI活用の号令は出たものの、いざ検討を始めると「データの所在やコード体系がバラバラ」という現実に突き当たり、プロジェクトが足踏みしてしまう──。これは多くの製造業が直面している「AI以前の壁」です。 長年の拠点拡大や海外進出、商習慣の違いにより、各現場で最適化されてきたデータは、そのままではAIにとって「解読不能なノイズ」でしかありません。この「歴史的背景」を無視して検討を強行しても、現場の納得感は得られず、投資は無駄に終わります。 本講演では、検討を停滞させている「データの不備」の正体を暴き、いかにしてAI-Readyなデータへと昇華させるか。IT主導の無理なコード統一ではない、戦略的なデータマネジメントの実践的な第一歩を解説します。

生成AIの活用に至る「ゴールデン・パス」の第一歩はMDMだった

生成AIの最前線では、ハルシネーション対策からデータ品質に重点が移っています。低品質のデータは低品質のアウトプットを生むだけでなく、RAGなどによって自社のAIシステムに埋め込まれれば誤った判断を繰り返します。仮にAgentic AIが正解率8割の判断を10回重ねれば、正解率は1割。まったく信頼できない代物と化してしまいます。我々がまず注力すべきはマスターデータです。メリットは、データ量が少ない割に業務への影響が大きく、品質向上が実感しやすいこと。内容がデータベース化されていて、「非構造データをナレッジグラフ化」するといった難解な目標よりも見通しが立てやすいこと。そして何より、業務ユーザーはマスターデータを熟知していることです。MDM（マスターデータ管理）のポイントは、業務を知る「人間」です。人が会話し、知恵を絞り、汗を流すことで実現します。当社はその分野のノウハウと経験値、そして必要機能を完備したツールでご支援することができます。本講演では、AI活用が本格化する今だからこそ進めるべきMDMの効用とポイントをご紹介します。

エージェンティックAI時代におけるデータマネジメントのあり方─データで常識を超える変革を！

今日、AIは単なる「便利なツール」ではなく、ビジネスの成否を分ける核心的なテクノロジーとなりました。AIを戦略的に導入・活用できない企業は、市場競争において致命的な後れをとると言っても過言ではありません。そうした中、当社はAIがその本領を発揮するために不可欠なツールとして「Qlik」を進化させています。Qlikは、AI活用の基盤となる強力なデータ統合、信頼性を担保するガバナンス、そして独自の連想分析エンジンを兼ね備えており、AIを組み合わせることで、単なる予測に留まらない、精緻なインサイトに基づく最適な意思決定と迅速なアクションを可能にします。本講演では、予測AI・生成AIに加え、自律的にタスクを遂行する「エージェンティックAI」を統合したQlikの最新ポートフォリオを実演デモにて詳しくご紹介します。また、Qlikのデータ統合の実際の導入事例にて、どのような課題を解決したのかについてもお伝えします。皆様の現場におけるデータ活用を次なるステージへ引き上げるヒントとなれば幸いです。

ついに始まった商品マスタ改革！J-MORA_Intelligenceの挑戦

一般社団法人リテールAI協会は、AIおよびデータ活用を通じて小売・流通業界のDXを推進し、業界全体の発展を目指す団体です。 単なる研究にとどまらず、AI技術の現場への実装と具体的な成果を出すことを目的としています。J-MORA_Intelligenceは、長年手つかずだった「商品マスタ」を起点に、流通の基盤を再設計するプロジェクトとして始動しました。メーカー・卸・小売、そしてテクノロジー企業が垣根を越えて集まり、現場で本当に使える商品マスタとは何かを研究・実証しました。さらにフェーズ2では、商品マスタを「管理するもの」から「価値を生み出す基盤」へ進化させます。いよいよ商品マスタ改革が本格的に動き出しました。本講演では、その具体的な取り組みと成果を紹介します。

AIの価値を最大化へ！NTTドコモのデータ基盤戦略
─データメッシュで実現するセルフサービス型基盤への転換

NTTドコモは様々なサービスを展開し、数十PB規模のデータを保持しています。本講演では現在推進中の「集中から分散」への変革を詳説します。中央集権体制の限界を打破するため、当社は「データメッシュ」の思想を導入しました。各部門が品質に責任を持つ「データプロダクト」を自律的に提供し、社内マーケットプレイスで流通させることでデータの民主化を加速させています。同時に、CoEが統制・育成を担って、無政府状態による混乱や品質低下を防いでいます。講演の後半では、AIが自律的にデータを探索・活用する「AI-Readyな世界」を見据え、アジャイルな意思決定の仕組みを構築する未来展望を共有します。

統合データプラットフォーム「Taisei-DaaS」で加速する大成建設のデータ利活用

「当社の事業に携わるすべての人々が役割や立場を超えてデジタルでつながる。楽しく・ワクワクしながらものづくりに挑む。社会や顧客、業界に向けて当社グループにしかできない新しい価値を創造・提供し貢献する。Transformation with Digital──私たちはデジタルで未来を創っていく。」この大成建設がDXで目指す姿を実現する手段の1つとして、統合データ利活用基盤「Taisei-DaaS」を構築し、機能拡張を進めています。建設現場業務のデジタル化が進み、多様なデータを収集できるようになった今、これらのデータをいかに活用し、新たな価値を創出していくかが重要です。本講演では、物理統合＋仮想統合のハイブリッド構成のデータ基盤やデータ利活用者のタッチポイントとなるデータカタログサイトの実装といったTaisei-DaaS構築の軌跡と、データ利活用推進活動などを紹介します。

銀行におけるAI時代のデータマネジメント
─信頼・価値・人材をつなぐ基盤へ、三菱UFJ銀行の実践

AIが業務や意思決定に深く組み込まれる時代において、データマネジメントは単なるIT基盤整備ではなく、組織の競争力と社会的信頼を左右する経営テーマとなっています。本講演では、業界を問わずAI活用を進める上で重要となる4つの視点として、(1)組織全体で信頼できるゴールデンソースとなるデータの整備、(2)データの意味・来歴・利用条件を支えるメタデータ管理、(3)文書・画像・音声など非構造化データの活用、(4)それらを実装・運用するデータ人材と組織の在り方を取り上げます。これらは新たな価値創出や業務高度化を実現する「攻め」の基盤であると同時に、品質確保や説明責任を担保する「守り」の中核でもあります。高い信頼性が求められる業界での実践を踏まえながら、AI時代に共通して求められるデータマネジメントの再設計のポイントを紹介します。

デジタルとデータで変化に強いものづくりへ
─ものづくりの会社アイシンが推進するデータ活用戦略と実践

モビリティ分野のグローバルサプライヤーであるアイシンは、「“移動”に感動を、未来に笑顔を。」を経営理念に掲げ、電動化への変革加速と社会課題解決を実現させるため、プロセス革新を推進しています。本講演では、Cyber Physical Information Factory（CPIF）とMobility Service Platform（MSPF）の両構想の下で進めている、デジタルプラットフォームの構築やデータ活用による生産・設計開発・モビリティサービス等を相互に繋ぐ「ものづくりの力」の高度化・効率化など、アイシンの戦略と実践についてご紹介いたします。

Sansan社の実践知に基づく、
AX時代のデータ品質マネジメント

AIの本格導入が進む一方で、「期待通りの精度の回答が得られない」と感じている企業は少なくありません。その多くの原因は、AIそのものではなく、AIが参照する“データの質”にあります。
本講演では、創業以来、数億件規模の名刺データを正確にデータ化し続け、自社プロダクト開発と業務効率化の両面でAI活用を実践してきたSansan社が、「AI Ready Data」を成立させるために欠かせないデータ品質マネジメントの要件を、実践知を交えて解説します。
前半では、アナログ情報のデータ化を事業の根幹技術として磨いてきた当社が、プロダクトマネジメントの視点から重視するデータ品質の考え方と設計思想を紹介。後半では、そうした実践知を基に開発した新プロダクトとそのユーザー事例を通じて、データの質を“人力”ではなく“仕組み”として改善・維持し続けるための具体的なアプローチをお伝えします。
AI活用を本格化させるための土台を整えたい経営・IT部門の皆様にとって、実践的な示唆を得られる当講演に、是非ご参加ください。

AI Ready Dataを「安全」に実現する全社データ統合・司令塔（コマンドセンター）
─瞬時の可視化と動的制御で、AI活用の「攻め」と「守り」を完遂する

AI活用の成否を分けるのは、企業全体に分散・サイロ化したデータの「統制」です。「AI Ready Data」において、実はその80〜90%のAI活用プロジェクトがセキュリティとプライバシーの不備により失敗しています。本講演では、クラウド・オンプレ・SaaSに点在するあらゆるデータを瞬時に可視化し、リスクをリアルタイムに検知・遮断する「Data Command Center」をデモで実演します。データ全容の把握から、アクセス権限の適正化、AIへのデータフロー制御、そして各国の法的規制（EU AI Act等）への準拠まで──。「可視化」を超えた「制御」の力で、貴社のデータを真にAI Readyな状態へ導く手法を体感してください。

AI投資が報われない構造とは？ AI Ready Dataの本質は？
─大手企業の実例に見る、AIが判断主体となるための再設計

生成AIの普及が進み、AIを導入すること自体はもはや競争優位になりません。問われているのは、AIが意思決定や競争力の向上に寄与する業務構造へ転換できているかどうかです。入力・転記・チェック・承認といった中間プロセスはすでにコモディティ化しており、ここに人が張り付いたままではAI投資は効率化にとどまります。一方で、AIが判断できる領域と、人が責任を持つ判断の領域を明確に切り分け、ルールやデータ構造を再設計できた企業では、意思決定の質とスピードが大きく変わり始めています。本講演では、AI Ready Dataを「AIが判断主体になれる前提構造」と捉え直し、モダンなプロセス設計への転換がなぜ今、経営の分岐点になるのかを、大企業の実例を踏まえて提示します。

AI-Readyな次世代分析基盤へ─データ+ AI活用の悩みを解決し、ビジネス成長を加速させるポイント

AIがビジネスを大きく変える中で、「データ活用やAIの導入がなかなか進まない」というお悩みを多くのお客様から伺います。
本講演では、オープンで統合されたDatabricksのデータ・インテリジェンス・プラットフォームが、そうしたお客様にもたらすメリットについて、データエンジニアリング、BI、生成AI/LLMの開発運用を1つの基盤で加速させられることを中心に、最新事例を含めて解説します。
その中で、今後目指すべき、AI-Readyな次世代分析基盤を構築するためのポイントもお伝えします。

SAPが語る「AIのためのデータマネジメント」の最新トレンド

SAPはAIのための新たなデータプラットフォームとして「SAP Business Data Cloud（SAP BDC）」を提供し、既に多くの日本のお客様でも導入が始まっています。SAP BDCはSAP S/4HANA Cloudをはじめとする、SAPのビジネスアプリケーションのデータを「データプロダクト」として管理します。また、SAP以外のシステムのデータを管理するために「ゼロコピー」でのデータ連携機能を提供し、中央集権型だけでなく、分散型のデータマネジメントも実現可能にします。さらに、SnowflakeやDatabricksもSAP BDCのコンポーネントとして提供し、大量データ、非構造化データの管理能力も強化しました。本講演では、SAP BDCを活用して、既存のBI/データレイクと連携しながら、どのようにAIのためのシステムアーキテクチャをデザインするべきかを、データマネジメントの最新トレンドと共に解説します。

【パネルディスカッション】

データマネジメント人材活躍への道
～日本企業の現状課題と国家試験への期待～

経済産業省・情報処理推進機構（IPA）が運営する情報処理技術者試験において、2027年度からビジネスパーソン向けの「データマネジメント試験」が新設される方向で進んでいます。AI活用の巧拙が企業の競争力のみならず、国家の競争力をも左右する現代において、IT開発人材、データサイエンティスト人材の次のターゲットとして、AIが正しく動くようにAIに与えるデータやコンテキストを整備する人材＝「データマネジメント人材」の育成が国家的な急務となっています。
本講演では、経産省・IPA、民間企業有識者が現場・実務でデータマネジメントが不可欠となっている背景や新試験への期待、日本における今後の普及展開戦略などについて、ユーザー企業におけるデータマネジメント人材育成の課題と取り組み事例の共有と共に、人材像・スキルの定義や試験制度を設計する行政側と、ビジネスでデータの課題に直面する民間側との“ざっくばらん”なパネルディスカッションを通じて、以下のアジェンダに沿って最新情報をご提供します。

・データマネジメント試験の新設に対する思いや苦労話
・データマネジメントの世界に飛び込みたい人材を増やすためには
・会社の中でデータマネジメント人材のキャリアパスをどう築けばよいか、など

DX/データ駆動型経営に資する「データスペース」の国内・国際動向
─エコシステム形成と国際連携、AI の利活用を見据えたデータ連携基盤

近年、中央集権的なデータ管理が困難となる中で分散型データ連携基盤が大きく注目されています。このような背景の下、個々の企業・組織、そして国・地域を超えて相互にデータを共有・連携する仕組みである「データスペース（Data Spaces）」の概念が提唱されています。データスペースは、単にデータ共有を実現するための要素技術を組み合わせるだけではなく、システム/バリューチェーン全体の持続可能性を考慮したエコシステムとして設計されており、各産業で進むDX/データ駆動型経営に大きな価値をもたらしうる取り組みです。また、近年では AI の学習・推論時のデータ利活用を支える基盤としても期待が高まっています。本講演では、データスペースの概念や、提唱されるに至った歴史を概説しつつ、日本・欧州・アジアにおけるデータスペースをめぐる活動・取り組みの最新動向を解説いたします。

AI Readyなデータ基盤構築は、なぜ大企業では進みづらいのか
─現場での試行錯誤から考える、乗り越え方のヒント

多くの企業でデータマネジメントの重要性が理解されつつありますが、基盤構築からその先の利活用までを一気通貫で成功させるのは容易ではありません。私はこれまで数多くのデータ基盤プロジェクトに携わってきましたが、その中では、思うように進まなかったり道半ばで停滞してしまった事例もさまざま経験しています。本講演では、そうした実体験を基に、特に規模の大きな企業において、なぜデータマネジメントの取り組みが「AI Readyなデータ基盤」に至る前で停滞しやすいのか、その要因を整理します。併せて、現在所属するDMM.comにおいて試行錯誤を重ねながら進めてきた取り組みの一部を例に、もし今あらためて取り組むとしたら、どのような考え方・進め方を選ぶのかについてもお話しします。データ基盤の構築・刷新やデータ活用に携わる方々が、自社の状況を見つめ直し、明日から何に着手すべきかを考えるためのヒントをお持ち帰りいただければ幸いです。

データレイク開発とマスターデータ整備
─生成AI活用を下支えする両輪アプローチ

プロテリアルは、2023年に日立金属から社名変更した高機能材料・素材メーカーです。当社は全社的なデータ活用基盤を整備するにあたり、「データレイク開発」と「マスターデータ整備」を車の両輪として推進してきました。これらの活動は、Power BIによる損益情報の可視化を契機に新設された、経営企画部内の専任組織「データガバナンスグループ」が中心となって進めてきたものです。一般に、データ分析基盤の構築は「取り組むべき課題の選定」「実用レベルのデータ精度の実現」「業務プロセスへの定着」が難しいと言われます。当社は、日立グループからの離脱という大規模な組織再編の最中にありながらも、必要な軌道修正を繰り返しながら現場と共に走り抜き、社員が日常的に活用できる仕組みを築き上げてきました。近年、デジタル変革における生成AIの存在感が急速に高まる中で、これらの基盤整備が生成AI利活用の土台として大きく寄与しています。本講演では、これまでの試行錯誤や苦悩、そして実際の分析画面を用いたデモを交えながら、当社が歩んできた軌跡と得られた知見を紹介します。

「熱狂的ファンをつくる」ためのデータマネジメント
─リピート売上85％を実現するスタートアップ外食チェーンのDX＆AI戦略

カスタムサラダ専門店「CRISP SALAD WORKS」などを展開するスタートアップ外食チェーン、CRISPのミッションは「熱狂的ファンをつくる」こと。このミッションを支えるのは、テクノロジーによる徹底した「顧客理解」と、スタッフのエンゲージメントを可視化する独自のデータ基盤です。リアル店舗という複雑な現場で、いかにして顧客の声をリアルタイムに分析し、高速な改善サイクルを回し続けるのか 。単なる効率化を超えて「期待を超越する体験」 をいかにデータで設計しているのか。 本講演では、リピート売上比率85% を達成したDX実践の裏側と、AIを「意思決定を拡張するパートナー」 として迎え入れた最新の組織運営モデルを提示します。

MDM、BI、データ基盤、データガバナンス、そして生成AI……
JDMCの魅力＆会員メリットである「研究会活動」を一挙紹介

JDMCの魅力の1つに、MDM、データ基盤、ビッグデータ活用、BI、AI、データガバナンス、データ品質などデータマネジメントの様々な専門領域に焦点を当てた「研究会」があります。異なる業種や経験を持つメンバーが集まる各研究会からは、「自分とは違う業界での取り組みが大変参考になった」「IT部門の若手が物怖じせずに事業部門と話せるようになった」「モヤモヤとしたデータに関する悩みが、他社でも抱えている課題だとわかった」など、活動の醍醐味・メリットを実感する声が多数寄せられています。ここでは、バラエティ豊かな各研究会の活動の最前線をライトニングトークで一挙にご紹介します。

【AI・データ活用のためのコンプライアンス研究会】
Coming Soon

【MDMとデータガバナンス研究会】
MDMを笑えばAIに泣く
マスター・リファレンス・メタデータを身につけよう

顧客とは何か、製品とは何か。哲学のように見えますが実務課題です。顧客は場合によって発注元の本社だったり、納品先の倉庫だったりとさまざまです。生成AIは貴社の業務のさまざまな局面も定義も知りません。明示的に指定しなければ、よくある一般形だと解釈しがちです。さらにAgentic AIは自らの解釈に基づいて、自動で受注したり辞退したりできるようになります。AIを安全に使うための「躾け」とは、より正確かつリッチな定義を与えることです。特に重要なのがマスター・メタ・リファレンスデータの三つです。マスターは「データを説明するデータ」です。顧客「002」は番号でしかありませんが、マスターには社名や住所や社長や資本金が入っています。リファレンスデータは「HND」が羽田空港だというような「コード」の説明です。そしてメタデータは、それ以外のデータ説明全般です。世間では生成AIをどう使うかに注目していますが、MDMとデータガバナンス研究会は生成AIを「躾ける」側として、マスター・メタ・リファレンスデータをどう使うか、データガバナンスでどう管理すべきかの方かに焦点を当てます。元より正解はありません。古典的なセオリーや最新のツール情報、そして我々の苦労話を共有することが最も実りある知識になると信じます。生成AIの荒波が最も届きにくい知識を共に学び、共にウハウハ幸せになりましょう。

【データドリブン経営研究会】
日本企業ならではの課題とは？─マンガで紐解くデータドリブン経営

データドリブン経営って、日本企業と相性が悪い？ 本研究会は、「日本企業ならではのデータドリブン経営の課題を整理し、社会に共有する」ことをミッションに活動しています。研究活動報告とともに、出版予定の「マンガで紐解くデータドリブン経営 ～ 分断された日本企業を、データで1つにつなぐ経営とは？」をご紹介します。