キーワードを探す
検索

「データ品質」関連の最新 ニュース・レビュー・解説 記事 まとめ

最新記事一覧

地政学リスクや人手不足、生成AIによってサプライチェーンを取り巻く環境は急激に変化している。確実な成果を出すために求められることは何か。o9ソリューションズ・ジャパンはサプライチェーンに関するイベント「o9 Connect Japan 2026」を開催してAIが導く未来を提示した。

()

情報処理推進機構(IPA)は、AI時代に求められる「要求管理」の考え方や実践方法を体系的に整理した「AI時代の要求管理ハンドブック」を公開した。ハンドブックが示す要求管理の変化と、AI時代に求められる実践方法をまとめた。

()

設計・施工・維持管理の建設生産プロセスの全工程で、BIM/CIMや点群、3DGSなどの3Dデータを活用し、業務効率化を図ろうろする機運が高まっている。3Dを上手く業務に活用するために大切なのは、作成した3Dデータの品質だ。2026年から日本市場で本格的に製品展開を開始したベントレー・システムズは、高精度な3Dデータ化だけでなく、時間軸を加えた4D、さらにはコストを追加した5Dの工事進捗管理を可能にするツールなど、多様なソフトウェア群をラインアップする。

()

製造業が直面するデータのサイロ化や属人化。この課題に出光興産はどう立ち向かっているのか。同社はプラント稼働率90%以上という高い目標を掲げ、各業務に特化した「AIエージェント」の実装を進めている。今回は、データの統合から現場へのAIエージェント活用の定着、AIエージェントを統率する「AI Orchestrator」の展望などを紹介する。

()

サプライチェーン全体のセキュリティ対策を評価する重要性が高まり、一方では評価においてもAIを活用する動きが広がっています。評価を信頼し、実務に生かすために、いまサイバーリスク評価には何が求められるのでしょうか。

()

データがシステムごとに分散していては、有効活用が難しくなります。こうした「データのサイロ化」を解消した2社は、何をどう変えたのでしょうか。調査から明らかになった、データ活用を阻む“手作業”の実態とは。

()

多くの製造業がDXで十分な成果が得られていない中、あらためてDXの「X」の重要性に注目が集まっている。本連載では、「製造業X」として注目を集めている先進企業の実像に迫るとともに、必要な考え方や取り組みについて構造的に解き明かしていく。第8回は、DXを含む独自の生産システムを確立している京都のHILLTOPを紹介する。

()

AIコーディングエージェントの進化につれ、データ管理の自動化にも期待が高まっている。だが、データ管理は単なるコーディング作業ではなく、ビジネスデータの意味やガバナンス、組織固有の知識を継続的に維持する取り組みだ。AIエージェントの活用を進めながら、データの価値と信頼性を守るために、D&Aチームがすべきことは何だろうか。

()

建設、エンジニアリング、インフラ、エネルギー業界では、設備が巨大化/複雑化する一方で、人材不足やコストの増加、プロジェクト管理の複雑化、設備の老朽化や運用高度化などのさまざまな課題が顕在化している。そこで注目されているのが、各プロセスでデータと意思決定をつなぐ「資産ライフサイクル・インテリジェンス」の考え方だ。本連載ではOctave日本法人の日本インターグラフが、AI活用が進む時代に、資産ライフサイクル・インテリジェンスが次世代インフラ運営になぜ必要かを4回にわたって解説する。

()

AI活用の競争軸はモデル性能から運用能力へ移りつつあります。多様な環境に分散するモデルやデータを安全かつ柔軟に一元管理するコントロールプレーンの役割と、持続可能性や主権、統制を両立するAI基盤の条件を解説します。

()

生成AIやBIの活用を進めたとしても、社内のデータに表記揺れや更新漏れなどが目立つ状況では、期待した成果につながりにくい。データの品質を高めるには、どうすればよいのか。アイカ工業の取り組みを見てみよう。

()

営業組織の生産性向上や人手不足の解消に生成AI活用が急務になる中、多くの企業が「AIを導入したが成果が出ない」という課題に直面しています。その原因の一つが、AIが参照するデータの品質です。この課題を解決し、AIで営業組織を強化するために必要なものは何かQ&A形式で解説します。

()

「AI-Readyデータ」は、これまで特定のAIユースケースに適したデータ整備のことを指していた。だが、ツールやワークフローにAIが直接組み込まれるケースも増えてきた。後者は曖昧な要件にも対応できるアプローチだ。双方の違いについての理解がデータ担当部署には不可欠だ。

()

「生成AIを導入したのに思うような成果が出ない」という課題の背景には、社内データの散在、コストの肥大化、セキュリティへの不安など、本格的なAI活用を進められない複合的な要因がある。中堅・中小企業が現実的かつ安全にAI活用を進めるためのヒントを探る。

()

営業組織の生産性向上や人手不足解消の切り札として生成AIの活用が急務になる中、多くの企業が「AIを導入したが成果が出ない」という課題に直面している。調査で明らかになった根本原因は、AIのスキル不足だけでなく参照するデータにあった。この課題を乗り越え、AIで営業組織を強化するには、どのようなAIデータプラットフォームが必要だろうか。

()

AIの利活用が急速に進む中、議論の焦点は「使うか否か」から「いかに責任を持って利用拡大するか」へと移行している。Gartnerは2027年までに、データガバナンスに関わる文化的課題に対処できない企業の60%が、AIのガバナンスに失敗すると予測している。本稿では、経営幹部が執るべきリーダーシップとビジネス成果に結び付けるための実効的な枠組みを解説する。

()

「AIチャットbotを導入したけど、思ったような成果が出ない」──そんな悩みを抱える企業が増えている。自身も同じ壁にぶつかったというシーエーシーは、AIサービスデスク「ミライアシスタント」を開発した。その特徴や開発背景から、AIチャットbotで期待通りの成果が得られない理由を探る。

()

AI活用で激突する「現場の利便性」v.s.「会社の安全性」。RAGの乱立に直面したソフトバンクが、ガバナンスをシステムに組み込み、数万時間相当の業務削減効果(社内の試算による)を達成した「全社RAG基盤」構築の舞台裏と、そこから得られた気付きを共有します。

()

AI利用の取り組みが活発化する一方、成果を十分に享受できている企業は一部にとどまる。その背景には、既存のデータベースやインフラが“AI前提”の仕組みになっておらず、データの品質、所在、来歴、権限管理が十分に整備されていない課題がある。真の「AI Ready」とは、AIツールを導入することではなく、企業内の業務データを信頼できる形で管理し、AIやアプリケーションから安全に活用できる状態にすることだ。では、その実現に向けて、データ基盤をどうモダナイズすべきなのだろうか。

()

生成AIは業務の現場に急速に浸透し、「使って当たり前」の時代が到来しています。その活用範囲は広がる一方、情報漏洩や誤情報のリスクが企業の大きな課題になっています。今求められるのは、誰もが“安全かつ賢く”生成AIを使いこなすリテラシーです。本稿は、社内の誰もが生成AIを安全に、自信を持って使えるようになるための第一歩として位置付けられた全社員向け研修資料の前編です。業種や職種を問わず実践できる生成AIリテラシー向上のポイントを、具体的な事例やノウハウとともに解説します。

()
キーワードを探す
ページトップに戻る