「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

AIで進化するITSM【後編】
「高いだけ」で終わらせないAI導入　ITSMにおける“真の価値”の見極め方
ITサービス管理（ITSM）におけるAI技術活用は、さまざまな業務の自動化に貢献する。ただし導入、運用にかかる費用を見極め、リスクを理解しておかなければ、失敗に終わる可能性もある。理解しておくべき課題とは。（2025/9/4）

HPEの「肝いりAI製品群」【前編】
AIの導入から活用までを支援　HPEが提唱する「AIファクトリー」の“中身”とは
企業がAI技術の導入で直面する費用や人材といった課題に対して、HPEは「AIファクトリー」構想を提唱し、インフラを整えるためのさまざまな新製品を発表している。どのようなもので、何ができるようになるのか。（2025/8/29）

AI時代の新たな問題
AIが“共食い”？　学習するほど崩壊に近づく「カニバリズム」の問題
AI生成コンテンツの品質低下につながる、AIの「カニバリズム」（共食い）という新たな問題が明らかになりつつある。AIカニバリズムとは何か、どのような対策を講じるべきなのかを紹介する。（2025/8/22）

AIエージェントがより複雑な作業の共働者に
Googleが「データ分析」にAIエージェント投入　“専門領域でのAI介入”が始まる
AIエージェントのブームが勢いを増す一方だ。これまではカスタマーサービスや開発分野での活用が多かったが、Googleがデータエンジニアリングとデータサイエンス用AIエージェントを発表した。（2025/8/22）

生成AI活用を成功させる「4つの柱」：
生成AI活用は「データの壁」に阻まれる　経営層が知るべき、デジタル庁の「データガバナンスガイドライン」とは
多くの企業が生成AI活用に意欲を示す一方、「データの品質」が成果を妨げる最大の要因となっている。では、生成AIに注目する企業の経営層は何に取り組むべきなのか。そこで役立つのが、デジタル庁が2024年6月に公開した「データガバナンスガイドライン」だ。（2025/8/14）

サクッと生成AI業務活用ガイド（2）：
生成AIは“使う”から“作る”へ　自前構築を選ぶべき理由と「基本の型」とは
生成AIをサクっと業務活用したい人のための本連載。生成AIチャットbotの課題やリスクを超えるための「自前で構築する」という選択肢について解説します。（2025/8/19）

AIでアップデートする人と組織：
“便利そう”なのに進まない……人事のAI導入を阻む「3大ハードル」を“粉砕”せよ
今回は、人事領域におけるAI導入を阻む「データ」「システム」「文化」という3つの壁を取り上げ、それぞれの構造と、どう乗り越えるかのヒントを解説していきます。（2025/8/7）

Pure Storage幹部インタビュー
AIが期待通りに動かない原因？　「データエンジニアリング」が大事な理由
AIモデルの調整を繰り返しても、期待した成果が得られない原因は、学習以前のプロセス「データエンジニアリング」にある可能性がある。Pure StorageのAI担当が、データエンジニアリングの重要性を語る。（2025/8/4）

Gartner Insights Pickup（409）：
データ／アナリティクスのリーダーがステークホルダーのエンゲージメントを成功させるための3つのステップ
データ／アナリティクス（D＆A）戦略の成功には「人」――つまり、ステークホルダーの関与が欠かせない。しかし、ステークホルダーマネジメントはしばしば軽視され、CDAO（最高データ／アナリティクス責任者）は十分な支援を得られずに苦慮している。D＆Aの価値を組織全体に浸透させるには、関係者を正しく特定・分類し、優先順位を付けた上で、持続可能なエンゲージメントを計画的に構築・管理する必要がある。本稿では、D＆A戦略におけるステークホルダーマネジメントの重要性と、その実践手法を解説する。（2025/8/1）

CIO Dive：
15年前のシステムをモダナイズしようとしたら、３回失敗した話
レガシーシステムを抱える企業にとって、長年積み上げてきた技術的負債の解消は困難な道のりだ。どのベンダーと組むべきか、ベンダーに何をどこまで任せるべきか。モダナイゼーションに成功した企業の事例から浮かび上がった「3つのポイント」とは。（2025/7/31）

AIエージェント活用時の設計原則とは：
AIエージェント元年に考える、これからのITインフラやシステム戦略とは――調査から読み解く3つのAIエージェント活用フェーズと、欠かせない「仕組み」
Clouderaが実施した調査によるとグローバルで57％、日本でも43％の企業が過去2年以内にAIエージェントの導入を開始しており、2025年はまさに「AIエージェント元年」と呼べる年になります。ユーザーの意図を理解し自律的に推論、行動するAIエージェントは、既存のワークフローを再定義し、ITインフラやシステム戦略の抜本的な見直しを迫るものとなるでしょう。本稿では、AIエージェント導入のステップを3つのフェーズに分けて解説するとともに、導入を成功に導くためのインフラ、セキュリティ、データガバナンスの在り方を考えます。（2025/8/1）

AIエージェントの実態を探る【第2回】
データ活用に専門家はもう不要？　GoogleのAIエージェントが壊す“属人化の壁”
生成AIやAIエージェントの実用化が進む中で、「専門家の手を借りずに誰もが自律的にデータを扱える時代」が近づいている。Googleが提供するAIエージェントは、分析業務の在り方をどう変えるのか。（2025/7/28）

「自社データを生かすAI」の設計【後編】
「RAG」導入に成功する企業の“6つのベストプラクティス”
LLMの信頼性や業務適用性を高める技術として注目される「RAG」。その効果を最大限に引き出すための6つのベストプラクティスとは。（2025/7/22）

モノづくりデータ基盤となるPLMの進化：
PR：AI時代にふさわしいPLMの在り方とは？　“つながり”とローコードがカギ
生成AIなどAI技術の進化が目覚ましい勢いで進む中、モノづくり業務もAIによってさまざまな形で変わろうとしている。しかし、AI活用の恩恵を受けるためには、その学習の土台となる自社のデータを蓄積し、活用できるようにするためのデータ基盤の整備が必須だ。エンジニアリングチェーンにおいてその役割を果たすのがPLMだと見られているが、AI時代にふさわしいPLMの在り方とはどのようなものなのだろうか。（2025/7/3）

生成AIを支えるRAGの裏側【前編】
「RAGがうまくいかない」のはなぜ？　精度を高める“チャンキング”のこつ
「RAGの構築が上手くいかない」と悩む企業は、データを見直すべき可能性がある。RAGの精度を高めるために欠かせないデータの前処理プロセスについて解説する。（2025/7/2）

Weekly Memo：
AIエージェント時代、企業の在り方はどう変わる？　「上司はいらなくなるのか問題」を考察
話題のAIエージェントは、企業の在り方をどのように変えるのか。人間とAIの協働が進化するにつれてこれまで「ピラミッド型」だった組織の在り方は変化するのだろうか。PwCコンサルティングの最新レポートから考察する。（2025/6/30）

CIO Dive：
アメリカンホンダの“双子のエンジン”とは？　IT担当役員が語る「生成AI活用術」
「Microsoft Copilot」を2023年から利用しているアメリカンホンダ。同社が意思決定のスピードと質を高めるために注力する“双子のエンジン”とは何か。（2025/6/30）

ビジネスパーソンのためのIT用語基礎解説：
「実は知らない」とは言いづらい「AIエージェント」の基礎を把握する
IT用語の基礎の基礎を、初学者や非エンジニアにも分かりやすく解説する本連載、第30回は「AIエージェント」です。ITエンジニアの学習、エンジニアと協業する業務部門の仲間や経営層への解説にご活用ください。（2025/6/24）

セキュリティニュースアラート：
AI時代の安全基準、「OWASP AI Testing Guide」が始動　その中身とは？
OWASPはAI技術の特異性に対応するための「AI Testing Guide」初期ドラフトを公開した。同ガイドは技術・業界を問わず適用可能な試験方法論を提示するもので、AIセキュリティや倫理、信頼性確保を目的としている。（2025/6/26）

AIエージェントを巡る業界再編が加速するか
「Salesforce買収劇場」を動かしたのはInformaticaの新AI戦略だった？
InformaticaがエージェンティックAIへの本格的な取り組みを発表した直後に、Salesforceによる買収が発表された。買収直前に開催されたInformatica World 2025の内容から、その戦略的意図を読み解く。（2025/6/26）

AIが支援するデータ活用
“宝の持ち腐れ”状態のデータをどう変える？　スタートアップの挑戦事例3選
膨大なデータを抱えていながら、その大半を活用できないまま“塩漬け”にしている状態は、企業に共通する悩みだ。この「宝の持ち腐れ」状態を、AI技術で解決しようとするスタートアップの事例を紹介する。（2025/6/26）

IDPとは何か【後編】
手入力はもう終わり　書類処理を自動化する「IDP」ツール導入の手引
手作業の請求書処理をやめたい――。そのような声が上がる職場にお薦めなのがインテリジェントドキュメント処理（IDP）ツールだ。導入における課題や主要なIDPツールを紹介する。（2025/6/24）

InformaticaがAIエージェントに本気　日本に向け「挑戦はリスク、だが待っていては追い付けない」
米Informaticaは年次イベント「Informatica World 2025」で、AIエージェントに関連する取り組みの大幅強化を発表した。日本に向けては、失敗を恐れず挑戦するよう訴えかけている。（2025/6/23）

Cybersecurity Dive：
米国と同盟国、安全なAI開発に向けたセキュリティガイダンスを公開
重要インフラの分野においてハッカーによるAIシステムの悪用が懸念される中で、この度、米国とその同盟国による共同ガイダンスが発表された。AI開発の安全性を高める効果が期待されている。（2025/6/13）

SAPのデータ戦略に顧客は追従できるか？　専門家が指摘する導入、活用の課題
SAPは、SAP Business Data CloudによってAI導入の価値を引き出すためのデータプラットフォームを提供するとしている。ただ、その導入状況や実際の活用については明確な成果が見えにくいという声もある。（2025/6/12）

段階的にAI導入を進めるには？：
「AIエージェントを企業に浸透させるにはどうすればいいか」　Salesforceが成熟度レベル別に解説
Salesforceは「AIエージェント成熟度モデル」を開発した。企業がAIエージェントを安全かつ効果的に導入、活用するためのもので、5段階の成熟度レベルと、各段階を進むための実践的なステップを提示している。（2025/6/6）

産業用AIは汎用AIと何が違う？　特化型ERPベンダーの取り組みから考える
産業用AIは一般的なビジネス向けAIとどのように異なるのか。特化型ERPを提供しているIFSの年次イベントを基に、産業用AIがもたらす具体的な価値について紹介する。（2025/6/6）

LLMより小規模モデルのトレンドも
オンプレミス再考の今、Clouderaが狙う「プライベートAI」の潮流とは
LLMの発展を機にAI活用の機運が高まる中で、今後トレンドになる可能性が指摘されているのが、プライベートAIや小規模のモデルだ。データ基盤を提供するClouderaはユーザー企業をどう支援するのか。（2025/6/6）

AIOpsは「誰」に必要なのか
複雑化するネットワーク管理に終止符を打つ「AIOps」という解決策
技術の進化でネットワークの運用管理が複雑化し、頭を抱える組織もあるだろう。その有効な解決方法の一つが「AIOps」の採用だ。AIOpsはどのようなもので、誰に必要なのか。（2025/6/4）

トランザクション集約型アプリケーションとの違いも一覧化：
データ集約型アーキテクチャとは何か　6つの設計パターンと実践的考慮事項を解説
TechTargetは「データ集約型アーキテクチャ」に関する記事を公開した。データに基づいた意思決定が注目される中で、品質の高いデータに裏付けされ、リアルタイムにビジネスの洞察をもたらすシステムの必要性が高まっている。（2025/5/29）

“暴走AI”の制御方法
AIはなぜ“うそ”をつく？　今すぐできる「ハルシネーション」対策はこれだ
AIモデルがもっともらしいうそや誤情報を生成する「ハルシネーション」を抑制することは、企業にとって喫緊の課題だ。発生の原因や、ハルシネーションを発生させないための取り組みを整理する。（2025/5/30）

CIO Dive：
お宅のデータは大丈夫？　AI時代に差別化するための10の質問
企業にとって、データ戦略を磨き上げることは極めて重要だ。アナリストやテクノロジーリーダーたちは、前進する前に検討すべき重要な問いがあると指摘した。（2025/5/21）

AIビジネスのプロ　三澤博士がチェック　今週の注目論文：
MCPはビジネスをどう変えるか　“連携”がAI活用においてどのくらいネックになっているか
「MCP」（Model Context Protocol）が注目を集めている。企業内に分散したデータやツールとAIモデルをシームレスに接続し、AIの実用価値を劇的に高める可能性を秘めるこの新技術をどのように評価し、戦略に組み込むべきか。（2025/5/14）

製造マネジメントニュース：
ゼロボード、400項目の排出係数パッケージ標準搭載のGHG排出量算定サービス開始
ゼロボードは、産総研グループのAIST Solutionsと提携し、世界最大級のLCAデータベース「AIST-IDEA」から約400項目を厳選した排出係数パッケージを搭載したGHG算定ツール「Zeroboard」の提供を開始した。（2025/5/8）

技術トレンド：
SalesforceがInformaticaを買収　狙いはどこにあるか
SalesforceがInformaticaを約80億ドルで買収する。同社はこれまでもデータ可視化ツールTableauなどを買収してきたが、今度はデータ基盤整備の領域に手を打った形だ。（2025/6/2）

AIとデータ基盤で実現する製造業変革論（1）：
PLMとは何か？ 〜その意義と必要性〜
本連載では、製造業の競争力の維持／強化に欠かせないPLMに焦点を当て、データ活用の課題を整理しながら、コンセプトとしてのPLM実現に向けたアプローチを解説する。第1回は「PLMとは何か？」をテーマに、その意義と必要性を考える。（2025/4/24）

RPAからAIへ【後編】
患者もうれしい？　医療機関の「収益サイクル管理×AI」の利点はこれだ
人工知能（AI）技術の利用は医療機関の収益サイクル管理にさまざまなメリットをもたらす。患者もその恩恵を受ける可能性がある。具体的にはどのような利点があるのか。（2025/4/24）

ERP移行の“失敗”から学ぶ
自治体がOracleに委ねた“変われない業務”の代償
英国バーミンガム市議会は、2023年9月に財政破綻を宣言した。これには、OracleのクラウドERPへの移行失敗が大きく影響しているという。ERPの導入から本番稼働までの意思決定プロセスで何が起こったのか。（2025/4/23）

導入前に確認したいあのコスト
AIエージェントの導入で沸いてくる“隠れコスト”とは　見落としがちな盲点5選
自律的にタスクを遂行する「AIエージェント」への期待が高まっている。一方で、高額な投資に見合う成果を得られずに悩む企業が後を絶たない。導入を成功させるために検討しておくべきこととは。（2025/6/19）

Gartner Insights Pickup（394）：
マスターデータ管理（MDM）のビジネス価値を引き出すには
データとアナリティクス（D&A）のリーダーは、マスターデータ管理（MDM）のビジネス価値をおろそかにしがちだ。生成AIの台頭により、信頼できるデータの必要性に関する認識が高まっている中、MDMは、組織の戦略目標に整合した包括的なD&A戦略の重要な要素でなければならない。（2025/4/11）

省電力で実装面積も縮小：
AIシステムの「メモリの障壁」を取り除く　MRAMで挑む米新興
米スタートアップのNumemは、MRAMベースの同社のメモリ「NuRAM」によって、AIシステムにおけるメモリのボトルネックを解消しようと取り組んでいる。（2025/4/10）

企業の成長を支えるデータ管理環境の最適解
データの多様化と肥大化が加速　ファイルサーバ運用は限界？　見直しのポイント
ビジネスでのデータの重要性がますます高まり、その質や量も大きく変化している。そこで問題となるのが、どのようにして貴重なデータを守り、管理していくかということだ。どのような環境があれば、この問題を解決できるのだろうか。（2025/4/8）

CIO Dive：
AIに夢中な企業ほどハマる「落とし穴」とは？【調査】
AIへの投資を優先する企業が増える中で、その弊害が浮き彫りになりつつある。2つの調査で明らかになった落とし穴とは。（2025/4/3）

イマドキのフナデジ！（1）：
海保の船は巡視船だけじゃない、影の主役「海保測量船」のフナデジ！
「船」や「港湾施設」を主役として、それらに採用されているデジタル技術にも焦点を当てて展開する新連載「イマドキのフナデジ！」を始めます。第1回で取り上げるのは、海上保安庁の“最先端”船舶である大型測量船の最新モデル「平洋」と「光洋」だ。（2025/4/1）

2025年にCIOが直面する課題7選【中編】
AIツールを“導入すれば終わり”じゃない　CIOが見落としがちな要素3選
生成AIツールの導入や運用を具体化するに当たって、CIOが知っておくべき取り組みにはどのようなものがあるのか。3つ紹介する。（2025/3/30）

メタバース×生成AIの光と影【後編】
生成AIで強化された「メタバース」が抱える“危険な一面”
生成AIを活用すれば、XRやデジタルツインの開発を迅速化したり、コストを抑制したりできる可能性があるが、懸念点も付きまとう。どのような懸念があるのか。（2025/3/26）

AI開発の制約をどう克服するか【後編】
「教師あり学習」ではなく「フューショット学習」を選ぶ理由、選ばない理由
少ないデータでAIモデルを訓練する「フューショット学習」が、AI開発の課題を克服する手法として注目を集めている。その利点と課題をおさらいしよう。（2025/3/24）

Gartner Insights Pickup（391）：
AIプロジェクトの主要なデータリスクを軽減するには
データは、AIおよび生成AIプロジェクトの成否を左右する重要な要素だ。本稿では、AIライフサイクルにおけるデータリスクを包括的に評価し、それらを軽減するための7つの推奨事項を紹介する。（2025/3/21）

調査レポート：
「建設業界のAI活用で効果を実感はわずか7.9％、検討中が最多」Arentが調査
Arentは、建設業界でAI活用の実態を調査した。その結果、検討中の企業が最も多く、導入後も効果を十分に実感できていない企業が約3割に及んだ。（2025/3/18）

AIモデル「最適化」戦略【後編】
AIモデルは「開発後」が肝心　実施すべき6つのアプローチとは？
AIプロジェクトでは、ただAIモデルを構築すれば終わりではない。むしろ「AIモデルの最適化」こそが成功を左右する鍵となる。具体的なアプローチを紹介する。（2025/3/6）