AI 活用を
PoC で終わらせないために
NTT ドコモが挑む
利用者起点の
AI とデータ主権の実践

生成 AI（人工知能）の活用が広がり、多くの企業が AI 導入を進めている。しかし、AI モデルを導入しただけで競争力が生まれる時代は終わりつつある。問われているのは、企業が保有するデータをどのように整理し、どのような意味を与え、AI が活用できる状態へ変換できるかである。通信・金融・決済など多様な事業を展開する NTTドコモグループでは、全社的な AI 活用を推進しながら、AI を単なる業務効率化ではなく事業変革そのものとして捉えている。その実現に向けて同社が重視するのが「AI Ready Data」の考え方であり、データ主権やガバナンスを含めたデータ基盤の再設計だ。NTTドコモの AI 戦略とデータ活用を統括する執行役員であり情報システム部長でもある井尻 周作氏と、Everpure 日本法人 会長の中川 いち朗が、AI 時代に企業が整えるべきデータ基盤について語り合った（本文敬称略）。

AI は目的ではない。価値創出のための手段である

 中川   生成 AI の登場以降、多くの企業でAI活用が加速しています。一方で、「どのモデルを使うか」「どれだけ PoC（概念検証）を実施したか」といった技術起点の議論が先行し、本当に事業成果につながっているのかが見えにくいケースもあります。NTTドコモグループでは AI 活用をどのように位置付けていますか。

 井尻   AI の導入自体を目的にはしていません。私たちが重視しているのは、お客さまへの提供価値をどう高めるか、ネットワーク運用をどう高度化するか、社員の働き方や意思決定をどう変えるかです。AI はそのための手段に過ぎません。

NTTドコモには通信事業だけではなく、金融・決済・dポイント・コンテンツ・法人向けなど様々な事業があります。そのため、「AI で何ができるか」から考えるのではなく、「誰にどのような価値を提供するのか」から考える必要があります。

 中川   実際にはかなり大規模な活用も進められていますね。全社展開になると、利用者数だけでなく、AI によってどのような事業成果が生まれたのかを測ることも重要になると思います。

 井尻   会議の要約や文書作成支援だけでなく、システム開発においても上流から下流までライフサイクル全体で生成AIの活用を進めています。要件定義やレビュー支援など、従来であれば人によって時間がかかっていた作業を、AI が支援する領域は確実に広がっています。

ただ、私たちが見ているのは利用件数ではありません。何人が AI を使ったかではなく、それによってどのような成果が生まれたかです。業務品質がどう変わったか、意思決定がどれだけ速くなったか、お客さまへの価値がどれくらい向上したか。そこが重要です。

 中川   AX（AI トランスフォーメーション）という言葉も使われていますが、単に既存業務を効率化するのではなく、AI を前提に業務プロセスや意思決定の在り方そのものを変えることが本質ですね。

 井尻   そう思います。単に AI を利用するのではなく、AI を前提に仕事の進め方や業務プロセスを再設計することが重要です。AIを既存業務の補助ツールとして使う段階から、AI を前提に業務全体を見直す段階に入っていると感じています。

同じ顧客データでも、業務によって意味は違う

 中川 . そうした AI 活用を進める際、多くの企業がデータの問題に直面します。NTTドコモのように多様な事業を持つ企業では、その難しさも大きいのではないでしょうか。

井尻  非常に大きいですね。例えば同じ顧客に関するデータでも、営業部門には商談や提案の履歴があります。契約部門には契約情報があります。カスタマーサポートには問い合わせ履歴がありますし、サービス運用部門には利用状況があります。どれも顧客データですが、内容も意味も更新タイミングも異なります。
人間であれば、「これは営業活動の情報だ」「これは契約情報だ」と理解できます。しかし AI にとってはそうではありません。単純にデータを集めただけでは、その違いは分からないのです。

 中川  データ統合というと、これまでは「一カ所に集めること」が中心でした。しかし AI 時代には、集めるだけでなく、データの意味を整理し、部門を越えて再利用できる企業資産にすることが重要になりますね。

 井尻  まさにそこが重要です。さらに、そのデータが何を意味するのか、理解できる状態まで作る必要があります。例えば同じ顧客 ID であっても、どの業務の中で使われているのか、どの時点の情報なのかによって意味が変わる場合があります。

最近はセマンティクス（意味情報）やオントロジー（データや概念の意味・関係性を体系的に整理した設計図）という言葉も使われますが、本質的にはデータへの意味付けです。AI が正しく理解できるように、データ同士の関係性や文脈を整理する必要があります。

 中川  データ統合というと、これまでは「一カ所に集めること」が中心でした。しかし AI 時代には、集めるだけでなく、データの意味を整理し、部門を越えて再利用できる企業資産にすることが重要になりますね AI の精度を議論する前に、企業としてデータの意味を定義し、その品質や正確性に誰が責任を持つのかを明確にしなければならないということですね。

 井尻  その通りです。AI が誤った結論を出す原因は、モデルよりもデータ側にあることが少なくありません。何を意味するデータなのか、どういう条件で生成されたのか、どの業務と関係しているのかが整理されていなければ、AI は正しく活用できません。

PoCから本番へ進めない本当の理由

 中川  実際、多くの企業が PoC には成功しても、本番展開へ進めないという課題を抱えています。これは単なる技術の問題ではなく、データや業務プロセス、組織を含む経営課題ではないでしょうか。

 井尻  PoC だけを見ると成功している企業は多いと思います。特定の業務に限定すれば、人手でデータを集めて整備することもできます。しかし、本当に難しいのは全社展開です。社員全員が利用するようになると、データ品質・更新頻度・アクセス権限・責任分界・既存システムとの連携など、多くの課題が一気に表面化します。

ユースケースごとにデータを準備していては限界があります。新しいユースケースが出るたびにデータを作り直していたら、時間もコストもかかりますし、一貫性も失われます。

 中川  個別の PoC を積み重ねるだけでは、企業全体の変革にはつながりません。部門ごとの個別最適を越えて、企業全体でデータを再利用できる共通基盤が必要になるわけですね。

 井尻  まさにそこです。先ほど触れたように私たちは多様な事業を展開しています。ネットワーク運用部門だけが持っている情報でも、法人営業部門にとって価値のある情報かもしれません。逆もあります。そうした横断活用を実現するには、ユースケースごとの最適化ではなく、企業全体で再利用できるデータ基盤が必要です。

アプリケーション中心からデータ中心へ

 中川  ここまでの話を伺っていると、AI 時代にはシステムの考え方そのものが変わっているように感じます。従来はアプリケーションごとにデータが存在していました。営業システムがあり、顧客管理システムがあり、契約管理システムがあり、それぞれの部門でデータを管理していました。しかし AI 時代は、その前提自体を見直す必要があるのではないでしょうか。

 井尻  まさにそうだと思います。これまではアプリケーションごとに最適化されたデータ管理が一般的でした。しかし AI 活用が広がると、どのアプリケーションがどのデータを使うか事前には分かりません。求められるのは、アプリケーションごとに閉じたデータではなく、企業全体で再利用できるデータとして整備することです。

 中川  今回の対談に先立って、私たちも「データプライマシー （Data Primacy：『アプリケーション中心』から『データ中心』へパラダイムシフトを行う考え方）」の重要性を議論していました。従来は、人がアプリケーションを利用し、そのアプリケーションがデータを保持するという構造でした。しかし AI 時代には、その順番が逆転しつつあります。

まずデータがあり、そのデータをAIやアプリケーションが活用する。企業は「アプリケーション中心」ではなく、「データ中心」で物事を捉える必要があるという考え方です。

 井尻  私たちも近い認識です。AI を本格的に活用しようとすると、どうしても個別のユースケースから入ります。しかし、その都度データを準備していては、PoC はできても全社展開はできません。だからこそ、データの意味や品質、関係性を継続的に整理しながら、企業全体で再利用できる状態をつくる必要があります。

AI Ready Data とは、単に AI 用に加工したデータではなく、変化する用途に応じて活用できる企業資産そのものだと考えています。

データ主権とは、データの扱いを自ら決められることである

 中川  データというテーマを考える上で、近年もう一つ重要になっているのがデータ主権です。クラウド利用が一般化し、AI サービスも外部のプラットフォームを利用するケースが増えています。その中で、NTTドコモはデータ主権をどのように考えていますか。

 井尻  データ主権というと、「どこにデータを保存するか」という議論になりがちです。しかし私たちは、もっと広い意味で捉えています。

データ主権とは、AI 時代において、企業が自社の業務データについて、どこにあり、誰が管理し、どのような条件で利用されているのかを把握し、必要に応じて自ら意思決定できる状態を保つことです。

なお、お客さまのパーソナルデータについては、お客さまの権利や意思を尊重し、適切なルールに基づいて取り扱うことが前提です。データ主権は、企業がお客さまのパーソナルデータの権利を持つという意味ではありません。

重要なのは、自社のデータがどこにあり、誰が管理し、どのような条件で利用されているのかを企業自身が把握し続けることです。 さらに、必要になれば保管場所や利用サービス、連携先を見直し、変更できることも重要です。

私たちは社会インフラを担う企業です。そのため、自社データの利用状況を常に説明できる状態にしておかなければなりません。これは単なるITの課題ではなく、経営課題だと考えています。

 中川  私もデータ主権の本質は所有権ではなく、意思決定権だと思っています。全てを自社で保有することが強さではありません。今後のAI活用を考えれば、外部サービスやクラウドとの連携は避けられません。考えておくべきは、自社がどのデータを預けるのか、どの技術を使うのか、そして必要になれば自らの意思で変更できるかです。

 井尻  その通りだと思います。例えば今、利用している AI サービスが数年後も最適とは限りません。クラウドサービスも同様です。だからこそ企業は、自社データへの理解と管理権限を維持しながら、技術の変化に応じて選択できる状態を保つ必要があります。

技術を選べる自由を持つこと。それも AI 時代の競争力の一部だと思います。

ガードレールは利用を止めるためではない

 中川  データ活用を進めるほど、ガバナンスやセキュリティーも重要になってきます。ただ現場では、「AI を積極活用したい」という要望と、「リスクを抑えなければならない」という要請が衝突することもあります。

 井尻  よくセキュリティーと利便性はトレードオフだといわれますが、私は少し違う見方をしています。以前から社内でも話しているのですが、ガードレールは利用を制限するためのものではありません。

私はよく車のアクセルとブレーキに例えています。レースでもそうですが、アクセルだけでは速く走れません。適切な位置でブレーキを踏めるからこそ、結果として速く走れるのです。

 中川  それは興味深い視点ですね。セキュリティーやガバナンスは「止めるためのもの」ではなく、「より速く走るためのもの」だということですね。

 井尻  AI も同じです。どの情報を利用できるのか。誰がどの範囲までアクセスできるのか。どの判断に人の確認が必要なのか。そのルールが曖昧だと、現場はかえって使えなくなります。反対に、何が許可されていて何が禁止されているかが明確であれば、利用者は安心して AI を活用できます。ガードレールは、AI 活用を加速するための前提条件だと思っています。

「止まらないこと」もデータ基盤の重要な役割

 中川  AI が業務へ本格的に組み込まれるほど、データ基盤の停止はそのまま事業へ影響を与えます。社会インフラを担う立場として、その点はどのように捉えていますか。

 井尻  私たちは通信事業者ですから、サービスを継続することが最も重要な責任の一つです。今後 AI 活用が広がれば、データ基盤の停止は顧客対応・ネットワーク運用・意思決定など、様々な業務へ影響します。そのため、AI 基盤についても「止めないこと」が重要になります。

 中川  ただ、よくある誤解として、バックアップデータを持っているだけでは十分ではないことが挙げられます。今、問われているのは、どれだけ早く業務を復旧できるかという点ではないでしょうか。

 井尻  まさにそうです。全てのシステムを同じ順番で復旧することは現実的ではありません。どの業務が重要なのか。どのデータを優先して守るべきなのか。どの順番で復旧するのか。それを平時から理解し、準備しておく必要があります。AI 活用を進めるためにデータを理解することと、有事に備えて重要データを把握しておくことは、実は同じ取り組みです。AI 活用・データガバナンス・事業継続計画（BCP） は、別々のテーマではありません。

AI 活用を「点」から「面」へ広げる

 中川  最後に、AI 活用を本格化しようとしている企業へメッセージをお願いします。

 井尻  繰り返しになりますが、AI の活用やデータ基盤の構築そのものが目的ではありません。最終的な目的は、お客さまへの提供価値を高め、社員の働き方を変え、事業をより良くすることです。そのためには、従来の延長線上で AI を利用するだけでは不十分です。私たちは社内で「業務の主人公は人から AI へ」という言い方をすることがあります。

もちろん最終的な責任は人が持ちます。しかし、業務プロセスそのものはAIを前提に設計し直すべきだと考えています。その上で、人はどこで判断するのか。どの場面で人による確認や承認を必要とするのか。Human in the Loop をどこに置くのか。その発想で考えなければ、大きな変革にはつながりません。AX とは、単に AI を利用することではなく、業務そのものを変えていくことです。

その土台になるのがデータです。企業がどのようなデータを持ち、それがどこにあり、何を意味するのかを理解した上で、企業全体で再利用できる状態へ整備し、必要な時には安全な活用ができるようにする。さらに、その主導権を企業自身が持ち続ける。AI 時代の競争力を決めるのは、どの AI モデルを導入したかではありません。自分たちが持っているデータをどれだけ理解し、価値に変え続けられるかだと考えています。

 中川  今日の議論を通じて改めて感じたのは、AI活用の本質がモデル選定や PoC の数ではないということです。分散するデータの意味を理解し、企業自身が主導権を持ちながら活用できる状態へ変えていく。そして安全かつ継続的に利用できる仕組みを整備する。それこそが、AI を「点」の取り組みから「面」の変革へ広げるために必要な条件なのだと思います。本日はありがとうございました。