この記事の要点
- AIが企業データを直接扱える時代ほど、人間側で「数字の意味」を定義しておく必要があります。
- 定義が揃えば、集計や確認よりも「判断と改善」に時間を使いやすくなります。
- 定義が曖昧なままだと、AIを使っても比較や判断の前提がブレて、意思決定を誤るリスクがあります。
どうも岩崎です。
AIの話になると、どうしても「どのAIが一番賢いの？」って話になりやすいですよね。新しいモデルが出れば性能を比べて、「今度はこっちの方が上らしい」とまた乗り換える。
もちろんモデル選びも大事です。でも企業や小規模事業でAIを使っていく場合、これからは別のところで差が出ると思っています。
「この数字は、自分の会社では何を意味しているのか？」をちゃんと決められているか。
ここを意識している会社と、そうでない会社では、同じAIを使っていてもかなり違う未来になると思うんですね。
AIが企業データを直接分析するところまで来た
2026年9月10日、OpenAIはChatGPT Work向けに新しいData agentを発表しました。
Data agentはAmazon Redshift、BigQuery、Databricks、MongoDB、Snowflakeなどのデータソースに加えて、Google DriveやSharePointにある文書なども参照しながら分析できます。
例えば「先週、売上が落ちたのはなぜ？」と聞けば、関連するデータを調べて、変化した部分を探し、根拠を確認しながら分析する。さらに、その結果をダッシュボードにして共有したり、承認されたアクションへつなげたりできます。
つまりAIは、「質問したら一般論を返してくれるもの」から、徐々に自社のデータを使って仕事をするものへ広がっているわけですね。
でも重要なのは「分析できるようになったこと」ではない
ただ、私が今回面白いと思ったのは、「AIがデータベースにつながりました」という部分ではありません。
Data agentは、企業側で使われている指標、計算式、データ同士の関係などの文脈を使って数字を解釈する設計になっています。
つまり、AIが賢くなるほど、その前に人間が決めておくことが増えるんですね。
「この数字を、うちではどういう意味で使うのか？」
ここが曖昧なら、AIにいくら高性能なモデルを使っても、分析の前提そのものが揺れます。
ここを意識すると「集計する人」から「判断する人」へ変われる
数字の意味を揃えておくと、AIに任せられる範囲がかなり広がります。
例えば「先月よりCACが悪化した原因を調べて」「再購入率が下がった商品を出して」「粗利が高い顧客の特徴を調べて」といった質問をした時に、毎回同じ前提で比較しやすくなります。
そうすると、人間が毎週やっていた
- 数字を集める
- 表を作る
- 数字の意味を確認する
- 前月と比較する
という時間を減らして、「なぜこうなったのか」「次に何を試すのか」を考える方へ時間を移せます。
私はここが、AIを使う大きな意味だと思っています。
知らないままだと、AIを使っているのに判断がブレる
逆に、数字の意味が曖昧なままだとどうなるか。
例えば「CV」という言葉ひとつでも、ある案件では資料請求、別の案件では購入完了、さらに別の案件では電話タップまで含めている。
この状態でAIに「一番CVが良い案件を教えて」と聞いたら、数字自体は正しくても、比較しているものが違いますよね。
これはAIが間違えたというより、人間側が比較できる状態を作っていないわけです。
そして厄介なのは、AIがそれっぽく答えを返してくれることです。
見た目にはきれいな分析でも、前提が違えば、その数字を使って広告費を増やしたり、商品を止めたり、施策を変えたりする判断までズレる可能性があります。
AIを使っているのに、意思決定が良くならない。
これが一番避けたい状態だと思うんですね。
CACやLTVは特に定義がブレやすい
CACも同じです。
「顧客獲得コスト」と言っても、広告費だけを新規購入者数で割るのか、制作費まで含めるのか、営業コストまで含めるのかで数字は変わります。
LTVもそうですよね。
顧客1人が10万円買ってくれた時に「LTV＝10万円」とする会社もあれば、粗利4万円なら「LTV＝4万円」と見る会社もある。さらに配送費やサポートコストまで引いて考える場合もあります。
どれが絶対に正しいというより、何の判断に使う数字なのかで定義が変わります。
だからAIに「LTVを分析して」と頼む前に、「うちではLTVを何と定義するか」を人間側で決める必要があるんですね。
Agents APIも同じ方向を示している
同じ9月10日には、OpenAIのAgents APIもパブリックベータになりました。
こちらは実務用のAIエージェントを作るための基盤で、長時間の処理、コンテキスト管理、複数ツールの利用、サブエージェントの連携、ファイル処理などをOpenAI側の基盤で扱いやすくするものです。
このData agentとAgents APIを続けて見ると、AI活用の重心が少し変わってきているように見えます。
「どのAIが賢いか」だけではなく、「自社のデータ・定義・業務ルールをAIが正しく扱える状態になっているか」。
こっちですね。
一人で仕事をしている人ほど、今のうちに言葉にしておく
これ、大企業だけの話じゃないです。
一人で広告、制作、LP、ECなどを見ていると、数字の定義ってけっこう自分の頭の中だけにあります。
「これは新規だけで見る」「この案件では電話もCVに含める」「こっちは原価だけ引いて粗利と呼ぶ」みたいなルールを、自分では分かっているから書いていない。
でもAIに仕事を渡すようになると、頭の中だけにあるルールはAIには分かりません。
むしろ今まで暗黙知だったものを言葉にしておくことが、そのままAI活用の準備になるわけですね。
今日の実務調整は5項目だけ
ということで、今日は主力案件を1つだけ選んでください。
そして、普段よく使っている指標を5つ選びます。
- CV＝購入完了
- CAC＝広告費 ÷ 新規購入者数
- 粗利＝売上 − 商品原価 − 決済手数料
- LTV＝顧客1人あたりの累計粗利
- 再購入＝初回購入から90日以内の2回目購入
この程度で十分です。
今日はAIツールを増やす必要もありません。新しいシステムを契約する必要もありません。
AIに数字を読ませる前に、人間側で数字の意味を固定する。
これをやっておけば、将来は集計や確認に追われる時間を減らして、判断と改善に時間を使える。逆にここを曖昧にしたままだと、AIを使っているのに意思決定だけがブレる可能性があります。
同じAIを使うなら、私は前者の使い方をしたいですね。
それでは！
よくある質問
-
OpenAIのData agentとは何ですか？
-
ChatGPT Workで企業データを分析するためのエージェントです。複数のデータソースや業務文書を参照し、自然言語による質問から分析、ダッシュボード作成、承認されたアクションなどにつなげられます。
-
なぜAI分析の前に指標の定義が必要なのですか？
-
同じCV、CAC、LTVという言葉でも、会社や案件によって計算方法や意味が異なるからです。定義が違えば、同じデータを見ても比較や分析の結論が変わる可能性があります。
-
小規模事業では、まず何を定義すればいいですか？
-
まずは日常的によく使う5項目程度で十分です。例えばCV、CAC、粗利、LTV、再購入について、「自分の事業では何を意味し、どう計算するのか」を1行ずつ決めておくと扱いやすくなります。
参考情報
P.S.
AIに「分析して」と頼む前に、その数字を自分で説明できるか。まずそこを確認するだけでも、AIの使い方はかなり変わると思います。
