1. AIエージェントが「動かない」とはどういう状態か

結論：動かない原因は、モデルの性能より先に、エージェントが参照するデータの状態にあることが少なくありません。

AIエージェントとは、目標を与えられると、情報を調べ、判断し、社内システムを操作して業務を進めるAIを指します。会話に答えるだけの生成AIと違い、「何を根拠に動くか」が成果を直接左右します。

想定される光景は、PoCでは見栄えのよい回答が出たのに、本番に近づくほど「古い規程を根拠に案内する」「部署によって違う意味の“売上”を混ぜて集計する」といった誤りが出て、現場が結局すべて目視で確認し直す、というものです。

2. なぜデータ整備が分かれ目になるのか

結論：外部の調査は、成果を出す組織ほどデータ基盤に投資していること、そして意味情報（文脈）の整備が精度を左右することを示しています。ただし、これらは「原因」を直接証明するものではありません。

Gartnerは2026年4月16日の発表で、AIの取り組みで成果を報告する組織は、成果が乏しい組織に比べ、データ品質・ガバナンス・人材などの基盤領域に売上高比で最大4倍投資していると述べています（「最大」の数値で、成功の判定方法や、この数値の調査対象は同発表では示されていません）。また同年5月11日の発表では、セマンティクス（データの意味や関係性、業務上の文脈）を優先する組織は、2027年までにエージェント型AIの精度を最大80%高められると予測しています。これは調査結果ではなく同社の予測です（最終確認日2026年10月20日）。

国内でもPwC Japanグループが2026年6月の資料で、AI-Ready Dataを「企業固有のデータやナレッジをAIが活用できるように整備した状態」と整理し、構造化データだけでなく、非構造化データや暗黙知も対象とすべきだとしています。

本質的な課題は、データが「ある」ことではなく、エージェントが「どれが正しく、いつの情報で、誰に見せてよいか」を判断できる状態にないことです。人は経験や周囲への確認で補えますが、エージェントは参照できる資料やデータを根拠に動くため、欠けた文脈を補いにくくなります。

3. データ起因の不調を見抜く5軸診断

結論：不調の多くは「所在・鮮度・定義・権限・形式」の5軸のどこが欠けているかで切り分けられます（本記事の整理例です）。

まず自問すべきは「エージェントに任せたい業務の根拠資料を、5軸すべてで説明できるか」です。

5軸すべてを完璧にする必要はありません。実務では、任せる1業務について、所在・鮮度・権限の3軸が「説明できる」状態であれば、小さく試す水準には達します。定義と形式は試行しながら直して構いません。

4. 整える範囲は「1業務」に絞る

結論：全社のデータ整備を待たず、エージェントに任せる業務を1つ決め、その業務が参照するデータだけを整えます。

業務を決める際に確認したいのは、次の3点です（本記事の整理例）。①参照する資料や台帳が限られていること、②誤りがあっても人が確認でき、影響が小さいこと、③現場が「楽になる」と実感できること。社内ヘルプデスクの一次回答や、定型の問い合わせ振り分けなどが候補になります。

どの業務から着手するかは、当社コラムAIエージェントは業務をどう変えるかもあわせてご覧ください。

5. データ整備を進める4ステップ

結論：「業務の決定→根拠データの棚卸し→5軸で整備→確認ルール付きで試行」の順に進めます。

1. 業務を決める：前章の3点で、任せる業務を1つに絞ります。

2. 根拠を棚卸しする：担当者がその業務で実際に見ている資料・台帳・システム画面を、判断の根拠に使うものとして書き出します。「規程」「単価表」「過去の対応記録」など、名前と保管場所、最終更新日を並べるだけで構いません。

3. 5軸で整える：古い資料の整理、用語の定義の統一、閲覧範囲の設定の順に手当てします。個人データや機密情報の扱いは、自社の規程に沿って決めてください（規程整備は当社コラムAI・データ利活用における社内規程整備の進め方をご参照ください）。

4. 確認付きで試す：最初は、エージェントの出力を人が確認する運用にし、誤りの原因を「所在・鮮度・定義・権限・形式」のどれかに分類して記録します。記録が貯まれば、次に整えるべき箇所が分かります。

6. よくある失敗パターンと実際の損失

全社データを一気に整えようとするパターン

想定例として、全部門のデータを統合してから始めようとし、半年たっても着手できないケースです。その間、現場は何も楽にならず、「AIは使えない」という評価だけが先に固まりかねません。

定義が揃わないまま集計を任せるパターン

想定例として、部門ごとに違う意味の「売上」を混ぜて集計し、経営会議の前に数字が食い違うケースです。確認のやり直しに、担当者が確認のやり直しに時間を取られかねません。

古い資料が残ったまま公開するパターン

想定例として、改定前のマニュアルが共有フォルダに残り、エージェントが古い手順を案内するケースです。現場が誤案内の訂正対応に追われ、導入前より手間が増える原因になります。

7. 活用イメージ：問い合わせ対応と受発注の場合

例えば（想定例）、社内ヘルプデスクでは、規程・手順書の最新版を1か所に集め、改定日を明記し、廃止資料を別フォルダに移すことで、古い手順に基づく誤案内を減らしやすくなります。

受発注の確認業務では、商品コードや取引先名の表記ゆれが最初の壁になります。まず表記ゆれの多い上位の項目だけを統一し、残りは人が確認する運用でも成り立ちます。基盤の整え方は、当社コラムデータ基盤の内製化ロードマップも参考にしてください。

8. まとめ：最初の一歩は「エージェントが参照する資料」を1枚に書き出すこと

AIエージェントが動かない原因は、モデルだけでなく、根拠となるデータの所在・鮮度・定義・権限・形式にあることが少なくありません。まずは任せたい業務を1つ決め、担当者が判断に使っている資料の名前・保管場所・最終更新日を1枚の表に書き出してください。それだけで、整えるべき箇所と優先順位が見えてきます。

9. よくある質問

Q. データ整備が完全でなくてもAIエージェントは使えますか？

A. 使えます。任せる業務を1つに絞り、その業務の根拠資料について所在・鮮度・権限が説明できれば、人が確認する運用で小さく試せます。残りの軸は、試行の中で誤りを記録しながら整えれば構いません。

Q. データ整備にどれくらい時間がかかりますか？

A. 対象資料の量と状態に左右されるため一概には言えません。まず1業務分の資料の棚卸しだけを先に行えば、必要な作業量の見立てが立ちます。全社を対象にすると長期化しやすいため、範囲を絞ってください。

Q. 社内の機密情報や個人情報はどう扱えばよいですか？

A. エージェントに参照させる前に、閲覧してよい範囲を役職・部署別に決め、個人データや機密情報を含む資料は対象から外すかマスキングしてください。外部サービスに入力する場合は、自社の情報管理ルールとサービスの利用条件を先に確認します。