高橋光 | 著書『データ分析力を高める ビジネスパーソンのためのSQL入門』

データ分析内製化に向けた人材育成サービスとして『SQL Everyone』をアップデートしました！ ①SQLの基礎をハンズオンで学ぶ『集合研修プラン』 ②3ヶ月で実務のデータ分析でSQLを使えるようにする『マンツーマントレーニングプラン』 ご興味ある方ぜひご連絡ください！ sql-everyone.com

ICT総研の2026年2月 生成AIサービス利用動向に関する調査。 prtimes.jp/main/html/rd/p… ・生成AIサービスの利用経験率が54.7% ・前年の29.0%から25.7pt上昇 ・ChatGPTが36.2%、Geminiが25.0%と上位 ・Claudeは4.3%とまだまだ利用率が低い

Gartnerが2026年の6つのセキュリティトレンドを発表。AIエージェントに対する厳格な対策強化が必須と指摘。AI活用とセキュリティは表裏一体であり、データガバナンスの観点からも重要。 enterprisezine.jp/news/detail/23… ①エージェント型AIにはより厳格なサイバーセキュリティ強化が必要 ②世界的な規制環境の不安定化がサイバーレジリエンス強化を促進 ③ポスト量子コンピューティングが実行計画に組み込まれる ④アイデンティティ／アクセス管理がAIエージェントに適応 ⑤AI駆動型SOCソリューションが運用の常識を揺るがす ⑥生成AIが従来のサイバーセキュリティ意識向上策を打破

クラシルがClaude Code Agent Teamでデータ品質向上プロセスを自律化。『まず日々の繰り返し作業の手順をMarkdownで書き出すことから始めるのがお勧めです。手順が言語化できれば、それがそのままスキル定義の原型になる』この辺りもはじめの一歩としてかなり重要。 zenn.dev/dely_jp/articl…

よくある失敗パターンとしてあるのがAIツールを導入した直後は活発に使われているのに半年後には誰も触っていないというパターン。原因はほぼ技術の問題ではなく、「誰が・何の判断に使うか」が最初から設計されていないこと。ツール選定より先に目的設計が大事だと個人的には思っている。

生成AIの普及で生産性が上がるように見えて、実はスキル格差が広がっていると個人的には感じている。AIをうまく使える人はさらに速く・質高く仕事できる一方、使い方がわからない人はそこで止まる。AIは「底上げ」というより「上乗せ」に近い。組織としての学習機会の提供が今後の差になると思う。

生成AIをデータ分析に使う時に見落とされがちな課題が「再現性」だと思っている。従来の分析は同じ手順を踏めば誰がやっても同じ結果になることが前提だった。でもAIは同じプロンプトでも微妙に違う結果を返すことがある。この「ゆらぎ」をどう管理するかは分析における課題な気はする。

AI導入が失敗する理由として「技術的に難しかった」を挙げる企業は意外と少なくて、「現場に浸透しなかった」「使う理由が薄かった」の方が圧倒的に多い印象がある。つまりAI導入の失敗はほとんど組織・運用の問題。ここを最初から設計できているかどうかで結果がまったく変わる。

「AIを活用している」という言葉の中身は企業によって全然違う。ChatGPTで文章を直すのも、需要予測モデルを運用するのも、どちらも「AI活用」と呼ばれる。この解像度が低いまま議論すると話がかみ合わない。自社がどのフェーズにいるかを正確に把握することが次の一手を決める第一歩だと思っている。

企業でのAI活用はまだ「特定業務の効率化」が主流という印象。自律的にタスクをこなすエージェント型の本格活用はこれからだと思う。ただそこに向かう流れは確実で、今のうちにデータ整備や業務プロセスの可視化を地道に進めている企業が、次のフェーズで先行できる気がしている。

AI活用において重要なことはデータの状態。テーブルが散らばっていたり定義がバラバラだったり、そもそも使えない状態のケースがよくある。AI活用の前提はデータ整備で、ここが整っていない企業がまず取り組むべきことはAIより手前にある。

生成AIで分析が民主化されると言われているけど、現場で感じるのは「仮説を立てる力の差」が分析の質の差になるということ。AIは与えた問いには答えてくれるが、問い自体が的外れだと意味のある結果は出ない。ツールの性能が上がるほど人間側のビジネス理解と課題設定力が問われる。

企業のAI導入支援における現場担当者からの声。 ・「精度が低くて使えない」→ほぼデータ品質の問題 ・「使い方がわからない」→研修より先に業務フローへの組み込みが必要 ・「結果が信用できない」→レビューの仕組みがないから AIそのものより周辺の設計が追いついていないケースが圧倒的に多い。ここを整理するだけで現場での定着率はかなり変わると感じている。

自分はずいぶん前にChatGPTの課金をやめてClaudeに課金しているけど、周りを見渡すと意外とClaudeの存在そのものを知らない人がそこそこいる。Xとか見てるとみんなClaude Code使ってたりするけどSNS上の『常識』と現実の『常識』は全然違うなと感じる。

IPAの「情報セキュリティ10大脅威2026」でAIリスクが初登場で3位。データ活用とAIガバナンスは表裏一体で、AIリスクへの備えがデータ活用戦略の一部としてとても重要。AI活用が進む中でAIに起因するセキュリティリスクへの対応も急務になっている。 ipa.go.jp/security/10thr…

トライアルが264店舗に発注最適化ソリューションを本格導入完了。データ活用を店舗現場にまで落とし込む同社の一貫した姿勢が参考になる。 trial-holdings.inc/news/release/6… ・作業人時削減と過剰在庫抑制を同時に実現 ・棚割連動型在庫最適化が可能 ・e3SMART基盤でのデータ活用がさらに進化

三井不動産が150人のIT人材を「AIエージェント」と「交換留学」で組織の化学反応を狙う。IT人材を「動かす」ための組織設計の工夫としてAIエージェント活用と人材の部門横断交流を同時に推進。データ活用人材の育成と組織横断的な連携がとても重要な事例。 enterprisezine.jp/article/detail…

長野県が県・市町村協働でAI活用の実証実験を開始。2026年度から政策立案・予算編成・行政評価にAIを活用する計画。自治体のデータ活用としては先進的な取り組み。 prtimes.jp/main/html/rd/p… ・政策立案から行政評価まで幅広くAIを適用 ・県と市町村が協働で取り組む体制がポイント

常陽銀行が「DXの民主化」を掲げ、まずペーパーレスを徹底。その狙いは単なるコスト削減ではなくAI活用の燃料となる「データ化」とカルチャー変革。紙から始まった変革が「全員AI活用」につながるロードマップが参考になる。 kn.itmedia.co.jp/kn/articles/26…

AICX協会がAI・データ活用の実践ノウハウを集約・発信する公式メディア「AI Agent Now」を公開。会員外にも知見を開放する姿勢が良い。 prtimes.jp/main/html/rd/p… ・AIエージェントを含む技術動向の整理と実務活用方法を発信 ・企業のDX推進におけるAI活用の学習コスト低減に貢献

味の素と東京海上がSnowflakeとDatabricksを活かしたAIレディなデータ基盤構築の実践知を共有。業界の異なる2社のアプローチの違いが参考になる。 enterprisezine.jp/article/detail… ・Snowflake/Databricksの使い分けと選定理由 ・AI活用を前提としたデータ基盤設計のポイント