提供AI数据平台的株式会社XAION DATA（总部：东京都千代田区，代表取缔役：佐藤 泰秀，以下简称本公司），基于「AI导入停滞的根本原因不在于AI本身，而在于数据」的前提，从「No Data, No AI」的观点出发，提出了阻碍AX（AI转型）的「4道墙」与「8项KSF」。 ▍前言｜AI导入的「共同停滞」 自生成式AI出现以来，AI迅速渗透至企业中，许多企业正积极导入。在PoC（概念验证）中确认成果的案例不断增加，质疑AI本身有效性的声音也变少了。 然而，我们无法断言AI在实际业务中已充分发挥作用。尽管导入和验证工作正在推进，但AI并未融入日常业务和决策中，这种所谓的「停留在PoC阶段」的状态被广泛视为一种共同的停滞。 这种现象通常被当作AI的活用方法或应用案例的问题来讨论，但那终究只是结果。根本原因在于其前置的结构性问题。 ▍停在PoC的「数据之墙」 AI并非仅靠算法的精准度就能创造价值，其功能在很大程度上取决于数据的品质、结构和状态。然而，许多企业拥有的数据并未以AI的运用为前提来设计。传统的数据基础设施以业务处理和报表为中心，并未针对AI的横向理解和持续活用进行优化。 其结果就是产生了「有数据却无法使用」的状态。AI无法理解，数据也不是最新的，并且没有与业务链接。在这种情况下，AI无法在实际业务中发挥作用，AX（AI转型）无法实现，最终停滞在PoC阶段。 AI要创造价值，前提是数据必须具备「AI Ready（AI就绪）」的状态。然而，许多企业并未满足这个条件。在本文中，我们将这些结构性问题整理为「4道墙」。 ▍阻碍AX（AI转型）的「4道墙」与「8项KSF」 阻碍AX的因素在于数据结构，本文将其整理为「4道墙」。 阻碍AX的「4道墙」与「8项KSF（关键成功因素）」 1. Disconnected｜分断之墙 内部（Closed）的孤岛化 这是指数据在销售、行销、人事等部门，或CRM、ERP等系统之间被分割的状态。由于缺乏统一的共用ID和数据定义，顾客或人才等原本属于同一个体的对象，会被视为不同的存在。结果导致无法横向链接数据，难以在全公司范围内进行一致的理解与活用。 与外部（Open）的脱节 这是指内部数据与市场趋势、竞争对手信息等外部数据未被集成的状态。企业即使能掌握内部状况，也无法捕捉其在市场中的位置。结果导致决策变得内向，对环境变化的反应迟缓。 2. Unstructured｜非结构化之墙 定义的不一致 不同系统的数据项目和定义各不相同，即使是相同的「顾客」或「项目」，其含义和粒度也未统一。结果导致数据之间的关联性变得模糊，AI无法一致地解读信息。 非结构化数据的积累 虽然累积了商务谈判备忘录、会议记录、电子邮件、PDF等非结构化数据，但并未有系统地整理。尽管这些数据报含重要的见解，但却未能转化为AI可活用的形式。 3. Stale｜陈旧化之墙 对批量处理的依赖 依赖每日或每周的定期更新，导致数据产生时间差。结果，用于决策的信息已经是过去式，与现状产生落差。特别是在市场和顾客变化快速的领域，这种时间差会直接影响决策的品质。 静态的管理 数据更新依赖手动操作或个别运作，无法持续维持最新状态。由于更新频率和规则未统一，即使是相同的数据，在新鲜度上也会产生差异，导致可靠性降低。结果，数据无法充分追踪市场和顾客的变化。 4. Unconnected｜未连接之墙 缺乏营运体制 AI停留在PoC（概念验证）阶段，未被集成至正式环境或现有业务流程中。由于持续活用的体制和责任范围不明确，系统串接和营运设计也不足，AI被局限在部分项目或负责人之中。结果，阻碍了在整个组织层面的运用。