AI導入2026-04-29

AIが「使えない」のはモデルのせいじゃない

アツメル株式会社|6分で読めます

原因として真っ先に挙げられるのは、「モデルの精度が足りない」「プロンプトが難しい」といった話だ。だが実際に現場を見ると、本当の詰まりポイントは別のところにある場合が多い。

AIがアクセスできるデータが、そもそも整っていない。

Googleが気づいた「AIエージェントの真の壁」

2026年4月、ラスベガスで開催されたGoogle Cloud Next 2026で、Googleは「Agentic Data Cloud」を発表した。

一言でいえば、AWS・Azure・SaaSなどあらゆる社内外のデータをAIネイティブなデータレイクハウスに統合するサービスだ。なぜGoogleがこれを作ったかというと、AIエージェントを企業が構築するとき、ほぼ確実に「業務データへのアクセス問題」に当たるからだ。

Googleはこう説明している。

> 「ユニバーサルコンテキストエンジンにより、AIエージェントに信頼性の高いビジネスコンテキストを提供。AIエージェントの精度向上を促進する」

「ビジネスコンテキスト」という言葉が意味深だ。AIエージェントが正確に動くには、モデルの性能以上に、正確なコンテキスト——つまり「この会社のデータがどこに何の形であるか」——が必要だということを、Googleは正直に認めている。

AIエージェントを導入しようとすると、大抵こういう順番で壁にぶつかる。

第一の壁：データがバラバラすぎる

業務データがSlack・メール・スプレッドシート・基幹システムにバラバラに散在している。AIに何かを聞いても、参照できる情報源が限られているため、答えが薄い。

第二の壁：データが「AI読めない形式」になっている

PDFや手書きスキャン、Excelの複雑な結合セルなど、人間が見ればわかるが、AIが直接処理できない形式のデータが大量にある。

第三の壁：データに文脈がない

数字だけのデータがあっても、「この数字が何を意味するか」の背景情報がないと、AIは正しい解釈ができない。Googleが「セマンティック基盤」「意味付け」という言葉を使っているのも、この問題を指している。

エンタープライズのデータ問題は、実はソフトウェア開発の上流工程にそのまま当てはまる。

要件定義や仕様書が、こういった状態になっていないだろうか。

この状態で「AIに仕様書を読ませて実装を加速しよう」とすると、ほぼ確実にハマる。AIは仕様書を読むのではなく、仕様書が持つべき構造を読む。文脈のないテキストの塊からは、良いコードは生まれない。

Google Cloud NextのAgentic Data Cloudの発表を聞いて感じたのは、「AIの活用は上流の整理から始まる」という原則が、エンタープライズ全体で共有されはじめているということだ。

開発の現場でいえば、次のような順序が正しい。

この順序を逆にすることはできない。AIモデルをどれだけ高性能なものに替えても、渡すデータが整っていなければ結果は変わらない。

正直なところ、「AIに仕様書を書かせよう」「AIに要件定義をやらせよう」という発想自体は間違っていないが、前提として「AIが読める仕様書」を用意する側のスキルが先に求められる。

Golden Weekが終わると、多くのチームが次のPJTに向けてキックオフを迎える時期だ。そのタイミングで一度、こんな問いを立ててみてほしい。

AIにとって「読める仕様書」は、チームにとっても「読める仕様書」だ。整備すれば、AI活用の土台が整うだけでなく、チームの引き継ぎコストも下がる。一石二鳥、という言葉はこういう時のためにある。

アツメルでは、AIが扱いやすい仕様書・要件定義ドキュメントをチームで作れる環境を提供しています。Kakusill（カクシル） は、AIヒアリング・音声収録・マーメイドGUIを組み合わせて、仕様書の初稿を約40%短縮し、かつAIに渡せる形に整えるドキュメントエディタです。

興味があればお気軽にご連絡ください。

#AIエージェント#データ整備#上流工程#AI導入#仕様駆動開発

AI仕様書エディタKakusillに興味がありますか？

無料トライアルで、AIと開発する体験をすぐにお試しいただけます。