【備忘録】AI活用ではデータを「切り口」と「関係性」で見られる形にしておく（OLAPとグラフ的な発想）

個人ブログでの整理メモだが、実務家が指摘している問題は本質的だ。AI活用というと、プロンプト、RAG、エージェント、モデル選定に目が行きがちだが、その前にある問題がある。AIに渡す事実データそのものが、後から検証・再分析できる形になっているかという点だ。OLAP（多次元分析）的な切り口として、期間・分類・状態・担当などで自由に見られるデータ構造。グラフDB的な関係性として、顧客・商品・問い合わせ・ナレッジ・担当者のつながりが追える設計。そしてスナップショットとして、過去の時点ごとの状態が残されていること。この3つがそろって初めて、AIは単なる文章生成ではなく、分析の補助として機能する。

AIの鬼視点では、ここに「プロンプト職人化」に対する静かな警告を読む。AIが「いい答え」を出すのは、入力データがしっかり設計されているから。逆にいえば、ゴミみたいなデータをいくらAIに投げても、ゴミが返ってくる。20年前のバッチ処理・集計処理で苦労した「期間の切り方」「遅延データの扱い」「再処理時の二重計上防止」という古くからの問題が、AI時代にも同じように出現する。その本質的な難しさを見落とし、「AIがいい答えを返してくれれば」と期待するのは夢想だ。むしろ事実の構造化こそが、AI活用の成否を決める。

実務的には、AI導入を議論する際に「データ設計をどうするか」という地味だが本質的な質問を必ず入れるべきだ。現状のシステムで事実を「切り口」と「関係性」で見える形に残せているのか。過去の時点を再現できるのか。できていなければ、いかに高度なAIを導入しても、その回答の信頼性は低い。むしろデータ設計の方に投資する方が、長期的には効く。AIは優れた道具だが、道具の先にあるデータ構造の方が、実は重要なのだ。