調査が示したこと
業務データが「整備されている」との回答は79.1%。業務データの問題が「特にない」は3.7%。
顧客ごとに、ほぼ全てのデータを複数のシステムにまたがって確認できるとの回答は10.0%。
整備したことはあるが、保つ取り組みは特に行っていないとの回答は37.0%。
37.0%は、データを整備したことがない人も含む全回答者541名に対する割合です。
「整備されている」データは、AIの判断に使えるか。
データの整備状況は、品質・システム間の接続・日々の維持の3つに分けて確認できます。AIに渡すデータを見直すために、実態調査と具体的な進め方をまとめました。
従業員100名以上の生成AI活用企業の責任者・担当者541名を対象に、2026年9月18日〜25日に実施した調査です。
541名への実態調査と、データを整える・つなぐ・維持するための設計、段階的な進め方をまとめました。
調査が示した、データ整備の現在地
79.1%
業務データが「整備されている」と回答
一方、業務データの問題が「特にない」との回答は3.7%でした。
10.0%
顧客ごとに、ほぼ全てのデータを横断して確認できる
システム間の接続にも課題が残っています。
37.0%
整備したが、保つ取り組みは特にない
整備経験のない人も含む全回答者541名に対する割合です。
数値は対象者の自己申告にもとづきます。設問・選択肢・母数の詳細はレポート本編に記載しています。
レポートで確認できること
1. AI活用を支える、データの整備と接続
AIが判断材料にできるデータの3つの条件「品質・接続・維持」を整理します。
2. 実態調査──データ整備の現在地
541名の回答から、AIの用途と成果、データの品質・接続・維持、投資と体制の実態を確認します。
3. AIが成果を返す、データ基盤のつくり方
対象データの棚卸し、体制と投資の決め方、仕組み化と段階的な6つのステップを解説します。
Merの考察
株式会社Merは、AIが判断材料にできるデータの条件を、品質・接続・維持の3つに整理しています。データを整えるだけでなく、顧客を軸につなぎ、日々の業務で変わるデータを保ち続ける仕組みまでを設計します。
データが「整備されている」と考える回答者では、生成AIで「十分に成果が出ている」との回答が31.5%。整備されていないと考える回答者では6.4%でした。
整備認識あり428名・なし109名の比較で、「わからない」の4名は除外しています。自己申告にもとづく関連であり、因果関係を示すものではありません。
自社のデータを見直すチェックリスト
AIに渡すデータの重複・欠損・表記ゆれを把握しているか。
顧客を軸に、複数のシステムのデータを横断して参照できるか。
整備後のデータを保つ責任者と更新・点検の手順が決まっているか。
対象データの棚卸しをもとに、投資の優先順位と段階的な進め方を決めているか。