経営会議で「先月の粗利、得意先別に出せる？」と聞く。返ってくるのは「明日までに集計します」という答えです。
データはあるはずです。売上も在庫も、顧客とのやり取りも、表計算ソフトや紙の束、メールの履歴に残っています。足りないのではなく、取り出せない形で置かれているだけです。
裏を返せば、置き方を整えれば、手元のデータは経営の判断に使えるようになります。生成AIに下ごしらえを任せられるのも、整ったデータの上です。
使えるデータとは、1か所にあり、表記が揃い、何を見るためかが決まっていて、検索・集計できるデータのことです。そこへ近づける工程は、集める・揃える・意味を決めるの3つです。
日々の業務をOdoo上で回すこと自体が、集める・揃えるの工程を進めます（Odooでできる範囲）。
データが整うと、たとえば次のことが変わります。
- 取引先と商品の名前が揃い、得意先別の集計の精度が上がる
- 重複データの候補を機械が示し、人が確かめて統合できる（Enterprise版）
- 紙やPDFからの転記や報告の下書きに、生成AIの助けを借りる余地が生まれる
- 会議の時間が「集計を待つ」から「数字の理由を話す」に移る
ただし、パッケージに乗らない固有業務が中心なら、Odoo以外の選択肢が合うこともあります。
では、整えたデータの上で、生成AIに任せられるのはどこまでで、どこからは人が判断すべきなのか。答えは生成AIの使いどころにあります。
CommunityとEnterpriseの区別について
各アプリの一覧・ピボット・グラフによる集計と標準のダッシュボードは、Community版（無料）とEnterprise版（有償）のどちらでも使えます。表計算（スプレッドシート）で自由に組む横断ダッシュボード、重複データの統合、ナレッジ・ドキュメントはEnterprise版が前提です。
「あるデータ」と「使えるデータ」は別物です
データがない会社は、あまりありません。問題は、記録が読み出せる状態にないことです。
| あるだけのデータ | 使えるデータ |
|---|---|
| 複数の場所に散らばっている | 1か所にある |
| 同じものが違う名前で入っている | 表記が統一されている |
| 何のために記録したか分からない | 何を見るためのものか決まっている |
| 紙やPDFのまま | 検索・集計できる形になっている |
あるだけのデータは、集めるところから人手がかかります。使えるデータなら、そのまま集計や分析に回せます。差はデータの量ではなく、整い方の違いです。
AIを入れても、「あるだけのデータ」からは答えが出ません。
渡す側が散らかっていれば、出てくるものも散らかります。だから順序は、AIより先にデータを整えることです。
なぜ「あるだけのデータ」になるのか
ふつうに仕事をしていると、自然にこうなります。理由は3つです。
業務ごとに道具が違う
受注は表計算ソフト、請求は会計ソフト、問い合わせはメール。道具が分かれればデータも別々に残り、つなぐ役目は人に回ります。
入力のルールが決まっていない
同じ取引先が「株式会社〇〇」「(株)〇〇」「〇〇」と3通りで入っている。人の目には同じでも、集計では別々の相手として数えられます。
記録の目的が共有されていない
「一応、残しておこう」で始まった記録は見る人がいないまま増え、何を見るための項目か決まっていないと、更新も止まります。
使えるデータにする3つの工程
散らかったデータを使える形に近づけるのが、次の3つの工程です。1か所に集める、表記を揃える、意味を決める。見落とされやすいのは3つ目で、ここが解釈のずれを生みます。
工程1：1か所に集める
まず、置き場所を寄せます。分散したままだと、AIに渡す前に人が集める作業が毎回発生するからです。考え方は社内システムの「一元化」とはにまとめました。
工程2：表記を揃える
次に、同じものが同じ名前で入るようにします。取引先名、商品名、部門名。この3つが揃うだけで、集計の精度は変わります。
コツは、入力する人の自由を少し減らすことです。自由記述をやめて選ぶ形にすれば、書き方はばらけません。
工程3：意味を決める
3つ目がいちばん見落とされます。その項目は何を表し、いつ更新されるのかを決める工程です。
たとえば「売上」。受注時点か、出荷時点か、入金時点か。項目の意味が人によって違うと、AIが出した答えの解釈も分かれます。
数字を判断材料にする考え方はOdooとデータドリブン経営で扱っています。項目の意味を言葉で決める作業には、業務の地図とはの「名詞・動詞・判断基準」に分ける考え方が参考になります。
自社のデータはどの段階か：会議で使えるチェックリスト
次の項目に、いくつ□が付くかを確かめてみてください。付かない項目が、次に手をつける工程です。
- □ 取引先・商品の一覧が、会社に1つだけある（工程1）
- □ 受注から請求まで、同じ取引先を同じ名前で追える（工程2）
- □ 新しい取引先を登録する人と手順が決まっている（工程2）
- □ 「売上」がどの時点の数字かを、社内の誰に聞いても同じ答えが返る（工程3）
- □ 月次の数字を出すのに、表計算ソフトでの貼り合わせが要らない（工程1〜3）
では、生成AIはデータ活用の何に使えるのか
整ったデータの上でなら、生成AIが人手を減らせる余地があります。主な使いどころは3つです。
書かれていないものを読み取る
紙やPDFの書類から必要な項目を拾う工程です。人が目で追って転記していた部分に、機械の助けを借りる余地があります。
散らばった表記をまとめる候補を出す
名寄せ（同じ相手の重複データを1つにまとめること）の下ごしらえです。「この3つは同じ取引先では」と機械が示し、人が確かめる。この分担は現実的です。
文章の下書きを作る
報告、要約、メールの案。ゼロから書く時間を、確認して直す時間に変える余地があります。
3つに共通する前提は、最終的な判断は人がするということです。AIが出すのは候補であって結論ではありません。
Odooでデータ整備とAI活用はどこまでできるのか
Odooは、販売・在庫・購買・会計などを1つのシステムで扱うERP（統合基幹業務システム）です。日々の業務をOdoo上で回すこと自体が、工程1と工程2を進めます。
| やりたいこと | Community版 | Enterprise版 |
|---|---|---|
| 各アプリの一覧・ピボット・グラフでの集計 | 使える | 使える |
| 各アプリの標準のダッシュボード | 使える | 使える |
| 表計算（スプレッドシート）で自由に組む横断ダッシュボード | 対象外 | 作成できる |
| 重複データの統合・表記の整形（Data Cleaning） | 対象外 | 使える |
| 手順や判断基準を文章で残す（ナレッジ） | 対象外 | 使える |
| 書類をシステム上で扱う（ドキュメント） | 対象外 | 使える |
なお、版ごとの対応範囲は改定されることがあります。導入を検討する段階で、Odoo公式のエディション比較ページで最新の内容をご確認ください。
工程2の名寄せには、Data Cleaningアプリが使えます。重複データの統合と表記の整形は、Enterprise版だけの機能です（出典：Odoo公式ドキュメント『Data Cleaning』、2026年10月確認）。
- 重複の統合：決めたルールで似たレコードを探し、類似度を付けて並べます。人が残す1件を選んで統合するか、類似度が基準を超えたものを自動で統合するかを選べます。
- 表記の整形：余分な空白を除く、電話番号を国際形式にそろえる、といったルールを決めておけます。直す前と直した後の値を見比べてから確定できます。
機械が候補を示し、人が確かめる。生成AIの使いどころで書いたこの分担を、Odooの中でそのまま組めます。
AI関連では、Odoo 19.0の公式ドキュメントにAIエージェントに関する節があります（出典：Odoo 19.0 公式ドキュメント「AI agents」、2026年10月確認）。各機能の範囲や精度は別途の確認が必要です。詳しくはOdooのAI機能まとめで扱っています。
工程3の「意味を決める」には、項目の定義を文章で残す場所が要ります。その置き場所として使えるのが、Enterprise版のナレッジアプリです。
数字の置き場所と言葉の置き場所を分けて設計する考え方は、数字の基盤と言葉の基盤で描いています。
Odooでデータを整えるメリットと注意点
Odooでデータを整える良さは、特別な作業を足さなくても、日々の業務が整える工程を兼ねることです。版ごとに書き分けると、メリットは次の5つです。
- 業務を回すだけで整い始める：販売・在庫・購買・会計を1つのシステムで扱うので、集める・揃えるの工程が日々進む（両版）
- 集計とダッシュボードが使える：各アプリの一覧・ピボット・グラフでの集計と、標準のダッシュボードが使える（両版）
- 名寄せの候補を機械が出す：Data Cleaningアプリが似たレコードを類似度付きで並べ、人が残す1件を選んで統合できる（Enterprise版）
- 表記を整えるルールを持てる：余分な空白を除くなどのルールを決め、直す前後の値を見比べてから確定できる（Enterprise版）
- 項目の意味を文章で残せる：Enterprise版のナレッジアプリを、工程3の定義の置き場所に使える
注意点は、次の4つです。
- Community版では対象外の機能がある：表計算で組む横断ダッシュボード、重複データの統合・表記の整形、ナレッジ、ドキュメントはEnterprise版が前提
- AI機能の範囲は別途確認が要る：AIエージェントに関する公式ドキュメントはあるが、各機能の範囲や精度は別途の確認が必要
- 整える作業は一度きりではない：初期の整理で安心すると、半年後にはまた表記がばらける。保つのは日々の入力
- 意味を決めるのは人の仕事：データを整える工程の大半は業務の設計であり、技術の話ではない
両方を1枚の図に並べました。
どこから整えるかは、ベンチャーネットがAI活用の前に確かめる4つのことの順で決めます。
ベンチャーネットがAI活用の前に確かめる4つのこと
「AIで何かできないか」という相談でも、ERP導入支援を手がけるベンチャーネットはAIの話から始めません。先にデータの状態を確かめ、次の順で進めます。
- 「経営者が毎月知りたい数字を3つに絞る」：粗利、在庫、入金予定など。見たい数字が決まらないと、整える範囲も決まりません。
- 「その数字の元データがどこにあるかを書き出す」：表計算ソフト、会計ソフト、紙の伝票。置き場所の数が、工程1の作業量の目安になります。
- 「取引先と商品のマスタ（基本情報の台帳）を先に揃える」：ここが揃う前にAIや集計の仕組みを足しても、答えは揃いません。
- 「標準機能に業務を合わせられるかを見極める」：Fit to Standard（標準機能に業務を合わせる考え方）で業務を乗せられるならOdooです。規模や要件が合わなければ、別の選択肢を示します。
順番は「見える化→わかる化→儲かる化」です。数字が1か所で見え、意味が揃って初めて、AIに判断の下ごしらえを任せられます。
ベンチャーネットが扱うのは、NetSuite・Odoo・AIスクラッチ開発と、SAPからのリプレイスです。そのため、Odooが合わない場合は合わないとお伝えします。AIスクラッチ開発はライセンス費が不要でも、開発費と保守費は別途必要です。
よくある2つの失敗
失敗1：データを整える前にAIを入れる
いちばん多い失敗です。AIから入ると期待した答えが出ず、「効果がなかった」で止まります。原因はAIではなく、データの状態です。
失敗2：整える作業を一度きりだと思う
初期の整理を終えて安心すると、半年後にはまた表記がばらけます。整えた状態を保つのは日々の入力です。だから「整った形でしか入力できない仕組み」に投資する価値があります。
よくある質問
データが少ない会社でも、整える意味はありますか？
あります。量が少ないうちに形を決めるほうが、後から直すより手間がかかりません。
まずどこから手をつければよいですか？
取引先と商品の名前を揃えるところからで十分です。この2つが、ほぼすべての集計の基本になります。
AIを使うには専門の人材を採用する必要がありますか？
判断する人は必要です。ただし、データを整える工程の大半は業務の設計であり、技術の話ではありません。
パッケージに乗らない業務が多い場合はどうしますか？
中小から中堅の標準的な業務ならOdooが候補です。海外展開や連結決算が視野に入るならNetSuiteなど上位のERP、グローバルで複雑ならSAPも視野に入ります。
固有業務が中心ならAIスクラッチ開発も選択肢です。ライセンス費は不要でも、開発費と保守費が別途発生します。
OdooのCommunity版でも、データは整えられますか？
集計と標準のダッシュボードまでは使えます。
各アプリの一覧・ピボット・グラフでの集計と標準のダッシュボードは、両版で使えます。業務をOdoo上で回せば、集める・揃えるの工程も進みます。一方で、重複データの統合・表記の整形、横断ダッシュボード、ナレッジはEnterprise版が前提です。版ごとの違いはOdooでできる範囲の表にまとめました。
まとめ：データ活用は、AIより先に業務をシステムに乗せる
- データは「ある」のではなく「使える形にする」もの
- 条件は、1か所・表記の統一・意味の明確さ・検索できる形
- 工程は「集める」「揃える」「意味を決める」の3つ
- 生成AIが役立つのは、読み取り・名寄せの候補出し・下書き作成
- 最終的な判断は人が担い、AIの出力は候補として扱う
データを整える地味な作業が9割で、AIが役立つのは最後の1割です。
そして、その9割はAIでは進みません。進めるのは、業務の仕組みを変えることです。日々の業務がシステム上で回っていれば、データは自然に整っていきます。
つまり、AI活用の準備とは「業務をシステムに乗せること」です。
1年後の経営会議で「得意先別の粗利は？」と聞けば、その場で画面に数字が出る。会議の時間が「集計を待つ」から「数字の理由を話す」に移り、AIに下ごしらえを任せる土台ができています。
もう少し詳しく知りたい方へ
ベンチャーネットは、ERP導入支援を手がける会社です。NetSuite・Odoo・AIスクラッチ開発を扱い、SAPからのリプレイスにも対応しているため、特定の製品に偏らない立場でご提案できます。
「AIを使う前に、自社のデータがどの状態にあるのかを見極めたい」という整理から、ご相談を承っています。
関連記事
