【ITニュース解説】生成AIを「よくあるチャットボット」で終わらせないために──セゾンテクノロジーに学ぶデータと業務の整理方法

生成AIは近年、私たちの身の回りやビジネスの現場で大きな注目を集めている技術だ。文章の作成、要約、プログラミングコードの生成など、その応用範囲は非常に広い。しかし、その便利さの裏には、実用化を進める上で避けては通れない課題が潜んでいるのも事実だ。多くの人が「それっぽい」回答は得られるものの、高度な業務要件を満たす正確な情報を引き出したり、既存の業務システムに深く組み込んでいく段階で大きな壁にぶつかる経験をしているのではないだろうか。

この壁とは、具体的には生成AIが時として事実と異なる情報を生成する「ハルシネーション」と呼ばれる現象や、特定の企業の内部データや専門的な知識を正確に反映できないといった問題に起因する。単にチャットボットとして使うだけなら「それっぽい」回答で十分かもしれないが、企業の基幹業務や顧客対応など、正確性が求められる場面では、こうした不確実性が大きなリスクとなり、生成AIの本格的な導入を妨げる要因となる。

こうした状況の中で、長年の歴史を持ち、IT業界で多岐にわたるソリューションを提供してきたセゾンテクノロジー社が、どのようにこの生成AIの課題を乗り越え、実用的な活用を進めているのかは、システムエンジニアを目指す皆さんにとって非常に示唆に富む事例となる。同社は、2025年からCTO（最高技術責任者）を務める高坂亮多氏を中心に、生成AIを単なるツールとしてではなく、ビジネスに貢献する強力な武器として位置づけている。

彼らの取り組みの最大の鍵は、「データと業務の整理」にある。生成AIの性能を最大限に引き出すためには、AIに入力されるデータが整理され、そのデータが使われる業務プロセスが明確になっている必要があるのだ。考えてみてほしい。AIがどれだけ賢くても、入力される情報がバラバラで、どこに何の情報があるのかが不明確では、正確な回答を導き出すことは難しい。データが整理されていない状態では、たとえ高性能なAIを使っても、適切な情報を見つけ出すのは困難になる。

セゾンテクノロジーは、この「データと業務の整理」を非常に重視している。彼らは、まず企業内に散在する様々なデータ、例えば顧客情報、製品データ、過去の問い合わせ履歴、業務マニュアルなどを一元的に集め、それぞれのデータがどのような意味を持ち、どのように関連し合っているのかを明確にする作業から始める。これには、データの重複を排除したり、フォーマットを統一したり、最新の状態に保つための仕組みを構築するといった地道な作業が含まれる。

次に、これらのデータが実際にどのような業務の中で使われているのか、その業務プロセス自体を見直す。例えば、顧客からの問い合わせに答える業務であれば、どのような情報が必要で、どのステップでその情報が利用されるのかを詳細に洗い出す。現在の業務が非効率な部分があれば改善し、生成AIが介入することでより効率的かつ正確になる部分を見極める。

同社が得意とする「バイモーダル戦略」も、この取り組みに大きく貢献している。バイモーダル戦略とは、既存の安定したシステム（モード1）を維持しつつ、新しい技術や変化に対応する俊敏なシステム（モード2）を並行して開発・運用するアプローチだ。生成AIのような新しい技術を導入する際には、既存の安定稼働しているシステムに大きな影響を与えないようにしつつ、小規模かつ迅速に試行錯誤を繰り返すことができる。これにより、リスクを抑えながら、生成AIの活用方法を模索し、最適な形を見つけることが可能になる。

具体的には、整理されたデータと明確化された業務プロセスを基盤として、セゾンテクノロジーは生成AIに対して「プロンプトエンジニアリング」を高度に行う。プロンプトエンジニアリングとは、生成AIに与える指示（プロンプト）を工夫することで、より的確な回答を引き出す技術だ。データと業務が整理されていることで、AIに対して「この顧客のAという情報と、Bという製品マニュアルを参考にして、Cという状況に対する解決策を提示せよ」といった、非常に具体的で精度の高い指示を出すことができるようになる。これにより、AIは「それっぽい」回答ではなく、企業の具体的なニーズに合致した、信頼性の高い情報を生成できるようになるのだ。

高坂CTOが語るポイントは、生成AIの導入は単に新しいツールを導入するだけではなく、企業全体の情報資産と業務プロセスを再構築する機会として捉えることの重要性にある。これはシステムエンジニアを目指す皆さんにとって、非常に重要な視点だ。システム開発は、単にコードを書くだけではなく、顧客の業務を深く理解し、その業務が抱える課題を技術で解決する仕事だからだ。生成AIを業務に組み込むということは、AIが扱うデータの質と、AIが組み込まれる業務の質の双方を高める必要がある。

このセゾンテクノロジーの事例は、生成AIを真にビジネスに役立つ形で活用するためには、その技術そのものだけでなく、基盤となるデータや業務プロセスの徹底した整理が不可欠であることを示している。システムエンジニアとして、未来のAIを活用したシステムを設計・構築していく上で、こうした「地道だが不可欠な準備」の重要性を理解し、実践できる能力は非常に価値のあるスキルとなるだろう。AI技術の進化は目覚ましいが、その恩恵を最大限に享受できるかどうかは、いかに人間がデータを整え、業務を定義し、AIに適切な「学習材料」と「指示」を与えられるかにかかっているのだ。