AIは社内の言葉を知らない — ニトリがデータに説明を書いた理由

何が起きたの? — 基盤は整い、次の壁はデータの多さ

ニトリホールディングス 情報システム改革室の小林桂氏が、7月30日のGoogle Cloud Next Tokyo 26で、自社のデータ活用を講演しました。以下は、iret.mediaの講演レポートにもとづきます。

ニトリは2021年から5か年計画で、Googleのデータ分析基盤(BigQuery)を育ててきました。2026年時点で、テーブル数は2,600本、論理容量は470TBです。

基盤の面倒を見る負担は減り、その場で自由に問いを立てて分析できる環境も手に入りました。一方で、新しい課題が出てきました。

ツールを乗り換えれば済む話でもありません。乗り換えの費用に加えて、全社員に使い方を教え直す費用がかかるからです。

なぜAIは社内のデータを読めないの?

ニトリは、分析ツールの機能を「参照」と「探索」に分け、シンプルにして自社で開発する道を選びました。目指したのは、短い質問でも意図と前提を理解して答える仕組みです。

中心にあるのは、Google Cloudの会話型分析の機能を外から呼び出す窓口(Conversational Analytics API)です。質問からクエリを作り、グラフまで描きます。

ところが、単純に有効にしただけでは、まったく実用になりませんでした。原因のひとつは、テーブル名や項目名の付け方が統一されていなかったことです。

講演では「EST_BNKT_ID」「DELVTO_CRP_KBN」といった項目名が例に挙がりました。たとえるなら、略記だらけの社内帳票を、入社初日の人に渡すようなものです。AIは賢くても、その会社の決まりごとは知りません。

何をして、仕事はどう変わったの?

打ち手は地道なものでした。テーブルの設定欄(プロパティ)に、ひたすら説明を書く。説明を書いておけば、AIがそれを読んでくれます。

さらに、社内用語やコードで表した分類の値(区分値)を、データの目録機能「Knowledge Catalog」の用語集にまとめ、実際のテーブルに結び付けました。

その結果、AIはBigQueryに適した、人間が書くより難易度の高いクエリを組み立てるようになりました。登壇者自身が「勉強になった」と話したといいます。

効果はAIの回答だけではありません。既存のデータを検索できるようにしたことで、データそのものが社内のナレッジになりました。読みにくいデータの引き継ぎという課題にも、AIが解説できる環境にする方針で臨んでいます。

SYNCONの視点 — AI導入の前提は「データの説明書」

会話で分析できるAIは、「誰でもデータに質問できる」が売り文句になりがちです。ただ、ニトリの事例が示すのは、その手前に人が書く説明が要るという現実です。

この作業は、ツールを買っても肩代わりされません。項目の意味を知っている人の時間が要ります。しかも、書いた説明はAIのためだけでなく、引き継ぎの資料として組織に残ります。

決めるべきなのは、どのデータから説明を書くか、誰が書くか、書いた説明を誰が保守するかです。AIの導入計画に、この作業の時間と担当を最初から入れておくことが、AIを使える状態にする近道です。

要点まとめ

• ニトリのデータ分析基盤は、2026年時点でテーブル数2,600本、論理容量470TB
• 会話型分析の機能は、有効にしただけでは実用にならなかった
• 原因のひとつは、テーブル名や項目名の付け方が統一されていなかったこと
• テーブルに説明を書き、社内用語と区分値を用語集にまとめて、テーブルに結び付けた
• 書いた説明は、AIの精度だけでなく、データの引き継ぎにも役立つ