④社内データをAIに入れるだけでは危ない｜メンテナンス設計なきAI活用が招く静かな失敗

データが腐ると、AIも腐る

─ AI時代の"情報資産管理"という新常識

はじめに

2026年2月28日、イラン南部ホルムズガン州の女子小学校にミサイルが落ちた。 170人超が犠牲になった。

米紙ニューヨーク・タイムズの報道によると、米軍の暫定的な内部調査では「誤爆」の可能性が指摘されている。 そして、その原因として「中央軍が国防情報局から提供された古いデータをもとに標的を決めた」という経緯が明らかになりつつある。 同作戦では、生成AIが情報分析・標的特定に使われていたことも複数のメディアが報じている。

この因果関係はまだ調査中であり、確定した事実ではない。 ただ、ひとつの本質は変わらない。

AIがどれほど高性能でも、読み込むデータが古ければ、判断は誤る。 最悪の場合、それは取り返しのつかない結果を招く。

これは軍事の話だけではない。 企業のAI活用でも本質的に同じことが起きている。 データの問題を放置したまま、AIだけを高度化しようとしても、意味がない。

1｜企業でも、静かに同じことが起きている

「とりあえずAIにデータを読み込ませれば、賢い回答が返ってくる」

こう思っている企業が多い。 でも実際に社内のナレッジベースやドキュメントを見てみると、だいたいこういう状態になっている。

数年前に作られたマニュアルが、誰にも更新されないまま残っている。 法改正前のルールが、「正しい情報」として格納されたままになっている。 担当者が変わるたびに似たようなファイルが増え、どれが最新版かわからない。 退職した社員が作った資料が、誰にも確認されないままアーカイブに眠っている。

これをそのままAIに読み込ませると、何が起きるか。

AIは古い情報も新しい情報も区別しない。 文書の作成日を確認して「これは古いから無視しよう」とは判断しない。 格納されているすべての情報を等しく参照して、「もっともらしい答え」を生成する。

結果として、法改正前のルールを正しい情報として社員に案内する。 廃止されたプロセスを「正しい手順」として出力する。 すでに解約した顧客を「アクティブな取引先」として扱う。

AIは間違えた情報を、流暢に・自信ありげに出力する。 従来のシステムなら、古いデータを入れれば明らかにエラーになることも多い。 でもAIは、古いデータでも整合性が取れているように見える回答を生成してしまう。 だから人間が気づきにくい。問題が静かに、じわじわと広がる。

2｜なぜ「とりあえず突っ込む」が危険なのか

AIツールの導入が進むにつれて、「社内の情報を全部AIに読み込ませよう」という動きが加速している。

方向性は正しい。 社内の知識をAIが参照できるようになれば、業務効率は上がる。 ナレッジの属人化を防ぎ、新人でもベテランの知識にアクセスできる。

でも、メンテナンスのことを考慮せずにファイルを突っ込むだけでは、むしろ害になる。

なぜか。

データの量が増えれば増えるほど、古い情報と新しい情報が混在する。 混在した状態でAIが参照すると、矛盾した回答が返ってくる可能性が高まる。 「AというルールとBというルール、どちらが正しいですか？」という問いに、AIは両方を参照して「どちらも正しい」ような回答を返すことがある。

さらに深刻なのが、法改正やルール変更への対応だ。

保険・金融領域では、法改正のたびに業務ルールが変わる。 監督官庁からのガイドラインが更新されるたびに、対応手順が変わる。 コンプライアンス要件が変わるたびに、説明義務の内容が変わる。

これらの変更をAIに読み込ませるデータに反映しなければ、AIは古い法律に基づいた回答を出し続ける。 現場の担当者がそれを信じて顧客に案内してしまえば、コンプライアンス違反になりかねない。

ゴミを入れれば、ゴミが出る。 でも、AIが出すゴミは、見た目がきれいだ。だから余計に始末が悪い。

3｜人間の頭の中にある情報こそ、最も重要な資産だ

データ管理の問題を語るとき、見落とされがちな論点がある。

そもそも、データ化されていない情報が大量に存在するということだ。

営業担当者が持っている顧客との関係性の文脈。 「この顧客は価格よりもスピードを重視する」という肌感覚。 「このタイミングで連絡すると反応がいい」という経験則。 過去の提案でなぜ失注したか、なぜ受注できたかの本質的な理由。 ベテラン社員が長年かけて培った、判断のロジック。

これらはすべて、人間の頭の中にある。 SFAやCRMに入力されていない。 誰かが退職すれば、そのまま失われる。

AIはデータしか参照できない。 データ化されていない知識は、AIにとって存在しないのと同じだ。

だからこそ、人間しか持っていない情報をいかにデータベース化して蓄積していくかが、AI活用の成否を分ける重要な論点になる。

4｜SFA・CRMの形骸化が、AI活用の足を引っ張る

ここで多くの企業が直面する現実がある。

SFAやCRMを導入しているが、現場が使っていない。

「入力が面倒くさい」 「入力しても自分には何のメリットもない」 「管理職が数字を見るためだけのツールになっている」

こういった声は、どの企業でも聞く。 結果として、SFA・CRMに入っているデータは最低限のものだけ。 商談の経緯も、顧客の反応も、失注の理由も、ほとんど記録されていない。

この状態でAI活用を進めようとすると、何が起きるか。

薄いデータからは、薄い示唆しか出ない。

「AIで営業活動を最適化したい」と言っても、元のデータが「商談件数」と「受注金額」しかなければ、AIは統計的な相関しか出せない。 「なぜこの顧客が買ったのか」「なぜあの顧客が離れたのか」という本質的な問いには答えられない。

「AIで提案の自動化をしたい」と言っても、過去の提案内容・顧客の反応・採用された理由が記録されていなければ、AIは過去から学べない。

形骸化したSFA・CRMは、AI活用の足を引っ張る。 逆に言えば、SFA・CRMをきちんと活用して営業活動をデータ化できている企業は、AI活用で圧倒的に有利なスタートラインに立てる。

これはツールの問題ではない。 「現場が入力する文化・仕組みを作れているか」という組織設計の問題だ。 そしてこれは、AI導入の前に解決しておかなければならない問題だ。

5｜情報資産管理を「業務」として設計する

では、どうすればいいのか。

まず認識を変える必要がある。

情報資産の管理は「AI導入前の準備」ではなく、「AI活用と並走する継続業務」だ。

一度整備して終わりではない。 環境は常に変化する。法律が変わる。社内ルールが変わる。組織が変わる。担当者が変わる。 変化のたびにデータを更新し続けられる仕組みがなければ、AIは徐々に劣化していく。

具体的に設計すべきことはこうだ。

誰が管理するか 情報の種類ごとにオーナーを決める。 「みんなの情報」は、誰も管理しない。これが現実だ。 営業情報はセールスチームのリーダー、コンプライアンス情報は法務部門、というように、明確に責任者を定める。

いつ更新するか 定期レビューのサイクルを決める。 法改正・ルール変更・組織変更をトリガーとした更新フローを設計する。 「気づいた人が更新する」では機能しない。仕組みとして組み込む。

何を廃棄するか 有効期限を設定する。 古い情報を自動的にアーカイブするルールを作る。 「念のため残しておこう」が、データの腐敗を加速させる。

暗黙知をどうデータ化するか 営業活動の記録・顧客との会話の文脈・失注理由・勝因分析を、継続的に入力する仕組みを作る。 重要なのは、入力する動機づけとセットで設計することだ。 例えば、入力した商談データをAIが分析して次のアクション提案を返す設計にすれば、現場は「入力すると自分の仕事が楽になる」という体験を得られる。 「入力させるだけ」では形骸化する。入力することで現場が得をする設計にする。 これがSFA・CRMを形骸化させないための、最も現実的なアプローチだ。

6｜AI時代は「データを整備し続けられる企業」が勝つ

このシリーズを通じて、一貫して伝えたかったことがある。

AIを導入することと、AIで成果を出すことは、まったく別の話だ。

ツールを入れても、業務設計がなければ検索どまりで終わる。 AIの性質を誤解すれば、完璧主義トラップか丸投げトラップに落ちる。 役割分担を設計しなければ、AIは宙に浮く。 そして、データを整備し続けなければ、AIは徐々に腐っていく。

AI活用の深度を決めるのは、技術でも予算でもない。 「業務を変える思想」と「データを守り続ける仕組み」があるかどうかだ。

AI時代に問われるのは「どれだけ高性能なAIを使っているか」ではない。 「どれだけ質の高いデータを維持し続けられるか」だ。

そしてそれは、ITだけの仕事でも、経営だけの仕事でもない。 業務を知っている人間が、AIとデータの両方を理解した上で、設計に関わらなければ実現しない。

データを整備し続けられる企業が、AI活用で本当の成果を出せる。 これが、このシリーズを通じて伝えたかった核心だ。

ただ、ここまで読んで「理屈はわかった。でも実際にどう使えばいいのか」と感じた人もいるはずだ。 次回⑤では、その問いに直接答える。 私が実際に業務で活用してきた11のユースケースを、設計の観点から整理して紹介する。 「自分の職場に当てはめると、どこに使えるか」を考えながら読んでほしい。

おわりに

最後に、問い直してほしいことがある。

あなたの会社のAI活用、何のためにやっていますか？

ツールを入れることが目的になっていませんか？ 利用率を上げることがゴールになっていませんか？ プロンプトを覚えることで満足していませんか？

AIはツールではなく、業務設計のトリガーだ。 性質を正しく理解し、役割分担を設計し、データを整備し続けて初めて、AIは組織の力になる。

その設計ができる人材が、これからの企業に最も求められる。 業務もわかる、AIもわかる、データもわかる。 そういう翻訳者が、AI活用の成否を握っている。

次回⑤では、その設計が実際の業務でどう機能するかを、11のユースケースを通じて具体的に示す。 ①で立てた問い「AI活用、何のためにやっていますか？」への答えが、⑤を読み終えたときに見えてくるはずだ。

このシリーズは全5回です。
① AI導入したのに現場が使わない理由｜ツール展開だけでは業務は変わらない
② AIが「たまに間違える」のは欠陥じゃない｜現場担当者が知っておくべきAIの本質
③ AIに丸投げしても、人がやり直すだけ｜成果を出す企業が実践する役割分担の設計（本ページ）
④ 社内データをAIに入れるだけでは危ない｜メンテナンス設計なきAI活用が招く静かな失敗
⑤ 今日から使えるAI活用11選｜現場支援で見えた、業務を変えるユースケース実例

#創作大賞2026 #ビジネス部門