「今期の売上はいくらか」
この質問を、3人の担当者に聞いてみてください。同じ数字が返ってくる会社は、意外と多くありません。
営業部門は受注ベースで答えます。経理部門は請求ベースで答えます。経営企画は、また別の集計で答えます。
どれも間違ってはいません。それぞれの立場で、正しい数字です。
ただ、この状態でAIに「今期の売上は」と聞いたらどうなるでしょうか。
AIも、3つの答えを返します。あるいは、どれか一つを根拠なく選んで答えます。
そして多くの場合、こう評価されます。「AIは使えない」と。
この記事では、AIを導入する前に整えておくべきものについて整理します。技術の話ではなく、自社のデータがどういう状態にあるかという話です。
この記事で分かること
- AIの答えが的外れになる、本当の原因
- データを使えなくする3つの障害
- 自社の現在地を知る、5つの診断項目
- 全部やろうとせずに、どこから整えるか
読了時間の目安：約12分
AIが答えられないのは、AIのせいではないことがある
生成AIの性能は、この数年で大きく上がりました。
文章を書く、要約する、翻訳する。こうした作業では、すでに実用の水準に達しています。
ところが、自社の業務データを扱わせると、期待どおりにいかないことがあります。
原因を、AIの性能に求めたくなる場面です。ただ、その前に確認すべきことがあります。
AIは、与えられたデータの範囲でしか答えられません。
人間の担当者であれば、「営業の数字と経理の数字は集計基準が違う」ということを知っています。だから、質問の意図に応じて使い分けられます。
AIは、その前提を知りません。目の前にあるデータから答えを組み立てます。
つまり、データが整っていない会社では、AIの性能が上がっても答えの精度は上がりません。
これは、道具の問題ではなく材料の問題です。
データレディネスとは何か
こうした「データが使える状態にあるか」を指して、データレディネスという言い方をします。
直訳すれば、データの準備が整っているかどうか、という意味です。
ここでいう「整っている」とは、次のような状態を指します。
- 同じ質問には、同じ答えが返ってくる
- 数字の出どころが、たどれる
- 部署をまたいでも、用語や分類が通じる
逆に、整っていない状態とは、次のようなものです。
- 部署ごとに違う数字が存在する
- どれが最新か分からない
- 集計するたびに、人が手で加工している
多くの会社は、後者の状態のまま業務を回しています。それでも成立してきたのは、人が補ってきたからです。
「この数字は営業の速報値だから、経理の確定値とは違う」
こうした知識を、担当者が頭の中で使い分けてきました。
AIを使う場面で問題になるのは、この暗黙の知識が引き継がれないことです。
AIを止める、3つの障害
データが整っていない状態には、いくつかの型があります。代表的なものは3つです。
障害1：散在
同じ情報が、複数の場所に存在している状態です。
売上のデータが、販売管理システムと会計システムと営業部門のExcelにある。どれも少しずつ違い、どれが正なのか決まっていない。
この状態では、AIはどれを見ればよいか判断できません。人間なら「経理の数字が正」と知っていますが、その前提はデータの中に書かれていません。
障害2：表記ゆれ
同じものが、違う書き方で登録されている状態です。
取引先の名前が「株式会社A商事」「(株)A商事」「A商事」の3通りで登録されている。システムから見れば、これは3社です。
集計すると、1社との取引が3つに分かれます。取引額の上位が正しく出ません。与信の判断にも影響します。
商品や品目の分類でも、同じことが起こります。部署ごとに違う分類を使っていると、全社での比較ができません。
障害3：欠損
入力されるべき項目が、空になっている状態です。
区分や分類の欄が空欄のまま登録されている。担当者は「後で入れよう」と思っていて、そのまま残っている。
集計すると、この分が「未分類」に落ちます。数字は合っているのに、内訳が分からない状態になります。
AIに「どの商品カテゴリが伸びているか」と聞いても、有効な答えは返りません。
整っていないデータで、AIはどう間違えるか
3つの障害は、それぞれ違う形で現れます。
| 障害 | よくある症状 | AIに聞いたときの結果 |
|---|---|---|
| 散在 | 部署ごとに違う数字がある | 答えが揺れる。根拠が示せない |
| 表記ゆれ | 同じ取引先が複数登録されている | 集計が実態より小さく出る |
| 欠損 | 分類や区分が空欄のまま | 内訳が「未分類」に偏る |
やっかいなのは、いずれの場合もAIがエラーを返さないことです。
もっともらしい答えが返ってきます。数字も出てきます。ただ、その数字が実態と違います。
エラーであれば、気づけます。もっともらしい間違いは、気づきにくいものです。
これが、データを整えることの実務的な意味です。正しい答えを得るためだけではなく、間違いに気づける状態をつくるためでもあります。
自社の現在地を知る、5つの診断項目
自社がどの程度整っているかは、次の5つで確かめられます。専門的な調査は要りません。
1. 全社の売上を、1つの画面で確認できますか
複数のシステムやExcelを開いて、足し合わせる必要があるなら、散在が起きています。
2. 取引先マスタに、同じ会社が複数登録されていませんか
似た名前で検索してみてください。重複が出てくるなら、表記ゆれが生じています。
3. 商品や品目の分類は、部署をまたいで統一されていますか
営業と製造と経理で違う分類を使っている場合、全社での比較ができません。
4. 数字の締めのタイミングは、部署でそろっていますか
月末締めの部署と、翌月5日締めの部署が混在していると、同じ月の数字が一致しません。
5. Excelを経由しないと出せない集計はありますか
人が手で加工している工程には、必ず属人的な判断が入ります。その判断は、データには残りません。
5つのうち、いくつが該当したでしょうか。
3つ以上該当する場合、AIツールを先に入れても、期待した効果は出にくい状態です。逆に、1つか2つであれば、部分的にAI活用を始めながら並行して整えられます。
大切なのは、点数を出すことではありません。どこに問題があるかを、具体的に把握することです。
データ整備でつまずく、3つのパターン
データを整える取り組みには、決まったつまずき方があります。ここでは3つのパターンを整理します。
失敗1：AIツールを先に契約し、データは後回しにした
よくある現象
- 話題のAIツールを導入し、全社に配った
- 使ってみたが、出てくる答えが的外れで、誰も使わなくなった
- 「AIはまだ実用段階ではない」という結論になった
なぜ起きるのか
道具と材料を、分けて考えていないためです。
AIは、与えられたデータの範囲でしか答えられません。売上の数字が3か所に散らばっていれば、AIも3つの答えを返します。取引先の名前が揺れていれば、集計は合いません。
このとき、間違えているのはAIではありません。材料の側です。
ところが使う側からは、AIが間違えたように見えます。だから「使えない」という評価になります。
もったいないのは、この評価が数年残ることです。次にAIの話が出たとき、社内に「前にやって駄目だった」という記憶が働きます。
どう避けるか
小さく試して、原因を見分けることです。
全社導入の前に、データが比較的きれいな1つの業務で試します。そこで良い答えが出るなら、道具は使えます。他の業務で精度が落ちるなら、原因はデータの側にあります。
この見分けができれば、次にどこへ投資すべきかが分かります。
失敗2：完璧に整えてから始めようとして、動き出せなかった
よくある現象
- 全社のデータを棚卸しする計画を立てた
- 範囲が広すぎて、計画が終わらないまま1年が過ぎた
- 「まずデータ整備から」と言い続けて、何も始まっていない
なぜ起きるのか
整備の対象を、絞っていないためです。
会社のデータは、放っておけば増え続けます。全部を対象にすると、終わりのない作業になります。
しかも、整えている間にも新しいデータは入ってきます。追いつかない構造です。
そして厄介なことに、この失敗は真面目な会社ほど起こります。きちんとやろうとするほど、動き出せなくなります。
どう避けるか
判断に使う数字から、順に整えることです。
会社の全データを整える必要はありません。経営の判断に使っている数字、たとえば売上、在庫、原価。この範囲から始めれば、対象は現実的な大きさになります。
ベンチャーネットでは、どこから手をつけるかの優先順位づけから一緒に考えます。全部やろうとしないことが、進むための条件だからです。
失敗3：整えたが、崩れる仕組みを直さなかった
よくある現象
- 時間をかけて、取引先マスタの重複を整理した
- 半年後、確認すると同じような重複が再び増えていた
- 「またやり直しか」と、担当者の意欲が下がった
なぜ起きるのか
散らかった結果は直したが、散らかる原因を直していないためです。
データが乱れるのには、理由があります。
- 誰でも自由にマスタを追加できる
- 表記の決まりがない、または周知されていない
- 同じ情報を、複数の場所に手で入力している
この状態のまま中身だけ整えても、時間が経てば元に戻ります。
掃除と同じです。散らかる動線を変えなければ、片づけても同じ状態に戻ります。
どう避けるか
整える作業と同時に、入力の仕組みを決めることです。
具体的には、次の3点です。
- 誰がマスタを登録・修正できるか
- 表記の決まりをどうするか
- 二重入力をどこで解消するか
3点目が、いちばん効きます。同じ情報を複数の場所に入力している限り、ずれは必ず生まれます。
一度整えれば済む作業ではなく、崩れない形をつくる作業だと考えると、進め方が変わります。
整える順番——全部やろうとしない
診断で問題が見つかると、次に出てくるのは「どこから手をつけるか」です。
ここで全社のデータを一度に整えようとすると、たいてい途中で止まります。範囲が広すぎるためです。
現実的な進め方は、次の順序です。
第1段階：判断に使う数字を特定する
まず、経営判断に実際に使っている数字を書き出します。
多くの会社では、売上、粗利、在庫、資金繰りの4つ前後に絞られます。日々見ている数字は、思ったより少ないものです。
この4つに関わるデータだけを、最初の対象にします。
第2段階：マスタから整える
次に、その数字を構成しているマスタを整えます。取引先マスタ、品目マスタ、部門マスタなどです。
マスタは、すべての取引データの土台です。ここが揺れていると、上に積まれた数字も揺れます。
逆に言えば、マスタが整うと、過去のデータの集計精度も上がります。効果が広く波及する部分です。
第3段階：入力の仕組みを決める
整えた状態を保つための決まりを作ります。
誰がマスタを登録できるか。表記の決まりをどうするか。二重入力をどこで解消するか。
この段階を飛ばすと、半年で元に戻ります。整える作業と同時に進めるのが現実的です。
第4段階：範囲を広げる
ここまで来て、初めて対象を広げます。
最初の範囲で手順ができているので、2周目からは速くなります。
大切なのは、第1段階の絞り込みです。ここを広く取ると、その後がすべて重くなります。
なぜERPが「近道」になることがあるのか
データを整える方法は、一つではありません。
既存のシステムを使ったまま、運用ルールを決めて整えることもできます。データ連携の仕組みを追加して、数字を突き合わせる方法もあります。
会社の状況によっては、そのほうが現実的な場合もあります。既存システムへの投資が大きい場合や、業務が特殊な場合です。
そのうえで、ERPが選択肢になる理由を説明します。
ERPは、会計・販売・在庫・購買といった業務を、一つの基盤の上で回す仕組みです。
この構造には、データの観点で一つの特徴があります。
業務を回すと、整ったデータが自然に残る
受注を登録すれば、在庫が引き当てられ、請求のもとになり、会計に反映されます。同じ取引が、一度の入力で各業務に流れます。
つまり、二重入力が構造的に起きにくくなります。
前の章で「二重入力の解消がいちばん効く」と書きました。ERPは、それを運用ルールではなく仕組みで解決する方法です。
ただし、注意点もあります。
導入すれば自動的に整うわけではありません。マスタの設計を実態に合わせないまま移行すれば、乱れたデータがそのまま新しいシステムに移ります。
「システムを入れ替えたのに、数字が合わない」という状態は、この経緯で生まれます。
ERPは、整える作業を不要にする道具ではありません。整えた状態を保ちやすくする土台です。
この違いを理解して選ぶかどうかで、結果は変わります。
よくある質問
どのくらいの期間がかかりますか
対象の広さによって大きく変わります。
判断に使う数字に絞り、マスタの整理から始める場合、最初の範囲であれば数か月というのが一つの目安です。
ただし、これは作業期間の話です。整った状態を保つ仕組みづくりは、その後も続きます。一度で終わる作業ではありません。
期間を短くしたい場合は、範囲を狭めるのが最も効きます。人を増やすより、対象を絞るほうが確実です。
データが整うまで、AIは使わないほうがいいですか
そうとは限りません。
データの状態は、業務ごとに違います。会計データは比較的整っていて、営業のデータは乱れている、といったことがよくあります。
整っている領域から、部分的に使い始めることはできます。むしろ、そこで効果を確かめたほうが、整備への投資判断もしやすくなります。
避けたいのは、乱れた領域で試して「AIは使えない」と結論づけることです。
中小企業でも、ここまで必要ですか
規模が小さいほど、整えやすい立場にあります。
システムの数が少なく、関わる人も限られます。大企業のような部門間の調整も要りません。経営者が決めれば進みます。
そして、AIの恩恵は人数が少ない会社ほど大きくなります。分析や集計に人を割けない分、道具が代わりを務める価値が高いためです。
準備が整っていれば、その恩恵を先に受け取れます。
何から相談すればよいですか
現状の把握からです。
この記事の5つの診断項目に答えるだけでも、どこに問題があるかは見えてきます。その結果を持って相談すると、話が早く進みます。
自社だけで判断がつかない場合は、棚卸しの段階から依頼することもできます。整備の計画を立てる前に、現在地を正確に知ることが先です。
まとめ：AIを買う前に、データの家を整える
この記事の要点を整理します。
- AIの答えが的外れなとき、原因はデータの側にあることが多い
- データを使えなくする障害は、散在・表記ゆれ・欠損の3つ
- AIはエラーを返さない。もっともらしい間違いが返ってくる
- 5つの診断項目で、自社の現在地は把握できる
- 整えるときは、判断に使う数字から。全部やろうとしない
- 一度整えるだけでなく、崩れない仕組みをつくる
AIの導入を検討する場面では、どのツールを選ぶかに関心が向きがちです。
ただ、同じツールを入れても、会社によって結果は大きく変わります。その差を生んでいるのが、データの状態です。
道具の性能は、これからも上がっていきます。一方で、材料の質は自社でしか整えられません。
今日から着手できることは、一つです。
主要な担当者3人に、同じ質問をしてみてください。「今期の売上はいくらですか」と。
返ってきた答えが違ったなら、そこが出発点です。
もう少し詳しく知りたい方へ
- NetSuiteとは？中堅・中小企業の経営者が知っておきたいクラウドERP入門：業務データを一つの基盤で扱う、その仕組みの基礎
- ERPとは何か——AIの登場で変わったシステムの役割：記録するシステムから、判断を支えるシステムへ
- NetSuite×AI活用事例10選：データが整った状態で、AIが実際に何をするのか
- NetSuite AI Connector ServiceでClaude・ChatGPTから経営データを引き出す：外部のAIから自社データを扱う具体的な方法
自社のデータがどういう状態にあるか整理したい方は、NetSuite認定パートナー（Solution Provider）であるベンチャーネットにご相談ください。現状の棚卸しから、一緒に考えます。
