味の素株式会社が挑む「攻め」と「守り」のAIガバナンス――「AI-Readyなデータ整備」の実践とは

――　DX推進部では「AI-Readyなデータ整備」を優先施策と位置付けていらっしゃいます。その理由を教えてください。

安間氏：味の素グループがADAMS導入・整備に本格着手して約5年が経ちますが、これまでは主に「人が使いやすいデータ整備」に注力してきました。しかし2024年頃からAIが現場に浸透し始め、データを扱う主体は人だけでなくAIにも広がっています。AIの活用も個別の実証段階から、継続的・全社的なフェーズへと移行しています。

従来、データマネジメントルールやAI提供者・利用者向けのルールは整備してきました。ただ、生成AIやRAG（Retrieval-Augmented Generation）の活用を前提に見直すと、データの品質や整備水準をさらに引き上げ、他社との差別化を図る必要があると判断しました。

これが「AI-Readyなデータ整備」を優先施策と位置付けた理由です。

AIだけでは差別化できない。競争力の源泉は「自社データ」にある。

――　データ整備の強化がなぜ差別化要素になると考えたのでしょうか。

安間氏：現時点では、AI活用の中心は業務効率化や意思決定の高度化ですが、現場で使われているAIの多くは、汎用LLM（Large Language Model）をベースとしています。各社が同様のモデルやツールを導入し、コモディティ化が進む中で、最終的に競争力の源泉となるのは自社データです。どのようなデータを、どのような品質とルールで蓄積し、それをAIで適切に活用できるか。この違いが、AIのアウトプットの質を左右します。

――　AI活用を進める上では「攻め」と「守り」の両面を考える必要があると指摘されています。DX推進部の中でも安間さんは「攻め」、山川さんは「守り」のお立場ですね。データ整備に関して、それぞれの立場で直面した課題を教えてください。

安間氏：攻めの観点では、社内AIプロジェクトの成功率を高め、活用を広げることを目的に取り組んできました。当時からデータ品質が成果を左右することは認識していましたが、AI構築ライフサイクルの各段階で、提供者が何を確認し、どう行動し、データ品質をどう評価・改善すべきかが明確になっていませんでした。その結果、期待した精度が得られない、あるいは原因分析に時間を要するといったケースも少なくありませんでした。

また、社内で多数のAIプロジェクトを並行して進めていましたが、データに起因する失敗や改善の知見が十分に蓄積・共有されず、次のプロジェクトに活かしきれないという課題もありました。

味の素社 山川郁奈氏（以下、山川氏）：守りの観点でも、2つの課題が顕在化していました。

1つ目は、社内でのAIの導入や外部ベンダーとの協業が増える中で、AIで取り込むことのできるデータの取り扱いルールが明確でなかったことです。そのため、案件ごとに個別判断するケースが増え、対応側の負担が増大していました。

2つ目は、AIがアクセス可能なデータ範囲の適切性を確認するプロセスや、不適切なアクセスがあった場合の報告・是正の仕組みが整備されていなかったことです。お客さまや取引先の情報を預かる立場として、AIデータ管理のあり方は極めて重要です。近年高まる「AIガバナンス」への関心も踏まえ、社外からも安心していただける運用を仕組みとして確立していく必要があると考えています。
 

非構造化データはなぜAI活用のボトルネックになるのか

――　AI活用の取り組みでは、データへのアクセス権設定に悩む企業も多いと聞きます。

安間氏：特に難しいのが非構造化データへの対応です。テキスト、画像、音声、動画の活用が本格化する中、構造化データ中心の従来ルールでは対応しきれず、生成AIやRAGで利用される文書も「AIにどう使われるか」を前提とした権限設計ができていませんでした。RAGが最新ではないファイルを参照し、意図しない回答を返すケースも発生しました。

山川氏：従来の社内のナレッジ共有サービスの利用ルールは、格納される社内情報がAIによって参照される前提ではありませんでした。そのため、本来経営層しか閲覧できないはずのデータが一部社員から見える状態になるなど、権限付与に関する不備のリスクを想定する必要が生じました。これにより、更新頻度の高い大量の非構造化データを取り扱うための明確なルールがなければ、AIの品質・安全性に直結する問題が生じやすいと認識しています。

EY 川勝健司（以下、川勝）：一般的なナレッジ共有サービスでは「誰に見せるか」は整備されてきましたが、「見せないための設計」は十分意識されてきませんでした。生成AIは権限範囲を網羅的に探索し、これまで表に出ていなかったファイルまで回答に含める可能性があるため、アクセスすべきでない人がデータに触れるリスクが飛躍的に高まっています。今後はアクセス権管理を前提とした設計・運用の厳格化がこれまで以上に重要になります。

EY 藤生尊史（以下、藤生）：データそのものの管理基準にも新たな観点が必要です。データマネジメント世界標準のDMBOK（Data Management Body of Knowledge）も、現行版は生成AI活用を前提としておらず、独自に補完する必要がありました¹。

特に論点となったのがデータ品質です。非構造化データには絶対的な正解がなく、品質はAIユースケースへの適合度という相対的な基準で評価する必要があります。さらに生成AIの活用を前提とすると、安全性や公平性といった観点も品質評価に加わります。

今回のプロジェクトでは、社内文書や顧客問い合わせ履歴などのテキストデータ、画像・音声・動画データといったデータの種類と、ナレッジ検索・生成・業務自動化・分析などのAIの利用形態を掛け合わせ、想定されるユースケースを具体化しました。その上で、非構造化データの種類とユースケースごとにAIの信頼性確保に求められるデータ品質基準や、AIが適切にデータを参照・活用できるようにするためのメタデータ項目を設計しました。

見直しはゴールではない――ルールは育てて使うという考え方

――　整備されたルールや手引書は、現場の行動や判断にどのようなインパクトを与えたでしょうか。

安間氏：今回のプロジェクトではAIという関心の高いテーマを入り口に、データの重要性を全社に伝える契機になりました。これまでも「データドリブン経営」は推進してきましたが、「データ整備が実際に業務の変化につながり得る」ことが現場に広く認知された点は大きな変化です。

山川氏：コンプライアンスの観点では、AI活用の判断軸が明確になったことが大きいですね。従来は案件ごとに審査側が判断していましたが、今回の見直しにより、AIに取り込むデータの「何に注意し、どこまで対応すべきか」をより明確にしました。その結果、構築・導入の段階で実施するセキュリティ審査における法的確認作業の工数削減に寄与しています。

運用は始まったばかりですが、味の素グループ各社からも問い合わせが寄せられています。AI活用とデータ管理に対する問題意識が、グループ全体で共有されていることを改めて感じています。

――　DX推進部では「ルールは育てていくもの」と捉えていると伺いました。その意図を教えてください。

安間氏：今回のルール見直しはゴールではなく、AI-Readyなデータ整備の第一歩です。AIの技術や法規制、社内の活用成熟度は目まぐるしく変化します。ですから最初から完璧なルールを目指すのではなく、ベースを整え、実践を通じて磨いていくことが現実的であり、最適解でしょう。今回のルールや手引書も、実案件に適用しながら検証を行い、必要に応じて見直していく前提で設計しています。

川勝：今回のアプローチで特筆すべきは、ルールを「規定」ではなく、柔軟に更新できる「文書」として整備した点です。規定にすると改定のたびに意思決定プロセスが重くなり、変化への対応が遅れます。AIのように進化の速い領域では、日常的に更新できる運用が不可欠です。

「ルール・システム・体制」で強化し続けるAI-Readyなデータ基盤

――　今後、データマネジメントをどのように育てていく戦略ですか。その展望を聞かせてください。

安間氏：味の素グループのデータマネジメントは、「ルール・システム・体制」の3点セットで進めています。今回整備したのはルールですが、それだけでは十分ではありません。ルールに沿ってAIが適切に扱われるようシステムに組み込み、現場に浸透させる体制を強化していく必要があります。

AIは単発の施策ではなく、業務変革を支える基盤です。AI-Readyなデータマネジメントも同様に、整備して終わりではなく、実践の中で継続的に磨いていくものです。個別ユースケースや関係部署、グループ各社と連携しながら、データを軸とした経営基盤の高度化につなげていきたいと考えています。こうした取り組みを進める上で、川勝さん、藤生さんにはさまざまな場面で支援いただきました。

――　最後に、今回のプロジェクトでEYを選定された理由とその評価を教えてください。

安間氏：選定のポイントは、他社事例の豊富さと伴走支援の実績です。味の素社ではAI活用の実績が限定的な領域もあり、他社のユースケースを踏まえたルール設計が必要でした。実際、今回のプロジェクトを進める中でEYが頼りになると感じたのは、こちらの意図を正確にくみ、具体的な形に落とし込んでくれる「具現化力」です。「手引書にはこんな要素を入れたい」という曖昧な要望を、誰が読んでも分かるレベルでルール化してくれる。成果物の精度も非常に高く、安心して相談できるパートナーでした。

山川氏：AIはEUのAI Act（欧州AI法）やGDPR（一般データ保護規則）など海外規制の影響も受けます。当社は世界各地に拠点があるため、当社のAIルールがグローバル標準に照らしても耐え得る設計になっているかを確認し、必要なアップデートを行う必要がありました。その上で、グローバルなガバナンス強化の観点で支援実績を有するEYの知見に期待し、今回支援をお願いしました。特にAIにおける個人情報を含むAIデータの取り扱いに関する整理など複雑な法的論点への対応も適切でしたし、安間がお伝えしたとおり成果物の精度も高く、スピード感のあるアップデートが求められるプロジェクトにおいて手戻りがほとんどなかった点にも感謝しています。今後もグループ展開を含め、変化の速いAIの領域における制度設計にとどまらず運用・高度化まで伴走いただくことを期待しています。

――　本日はありがとうございました。