「データはあるのに使えない」日本企業の盲点──97%の企業が取り残されるAI革命の真実

「AI導入」と聞いて、あなたは何を思い浮かべるだろうか。最新のAIエージェントだろうか。あるいは、高度な予測分析システムかもしれない。実際、大手企業によるAI導入のニュースは日常的に耳にするようになった。だが、それらが“実際に成果を出しているか”というと、話は別だ。

近年の調査では、日本企業の約70%が何らかの形でAIを導入・検討しているにもかかわらず、全社的に成果を出せている企業はわずか3%にすぎないのだ。この数字が示す現実は厳しい。

「それは導入した企業の努力不足では？」と思うかもしれない。だが、問題はそう単純ではない。

会社紹介資料から引用

多くの企業では、AIプロジェクトがPoC（概念実証）の段階で頓挫している。ツールを入れて試してみたものの、思ったような成果が出ない。業務改善につながらない。結局は現場に定着せず、自然消滅していく──このパターンが繰り返されている。

では、なぜこのような事態が起こるのか。

答えは「データの迷宮」にある。

大手企業の内部には、部門ごとに構築された数百ものデータベースが散在している。営業部門のSFA（営業支援システム）、製造部門のIoTセンサーデータ、マーケティング部門のCDP（顧客データプラットフォーム）など、それぞれが独自の目的と形式で運用されている。

これらのデータベースは単体では機能していても、横断的に活用しようとした途端に壁にぶつかる。というのも、データ形式が異なる、保管場所がバラバラ、アクセス権限が複雑に入り組んでいる、といった障壁が存在するためだ。

取材内容等を基にFastGrowにて作成

「それなら全部のデータを一箇所に集めればいいのでは？」

そう思うかもしれない。実際、多くの企業が“データ統合プロジェクト”に何度も挑戦してきた。しかし、その多くは膨大なコストと時間を投じた末、完遂できずに頓挫している。

原因の一つは、システムが部門や用途ごとに異なり、導入元や仕様がバラバラであること。データをつなごうとするたびに、想定外の変換作業や調整が発生し、関係者も多いため簡単には進まない。また、新しいツールや業務が増えるたびに、せっかく整えた環境がすぐに“またバラバラな状態”へと戻ってしまう。結果として、「統合してから活用しよう」という発想では、いつまでも“使える状態”にたどり着けないのだ。

この状態では、どれだけ高性能なAIツールを導入しても、その真価を発揮できないのは当然だろう。たとえば在庫予測のAIを導入しても、必要なデータの構造が統一されていなかったり、部門間で連携されていなければ、アウトプットの精度は低下する。結果、「AIの予測は当てにならない」として現場から無視され、せっかくのツールが宝の持ち腐れとなっていく。

ここに、日本企業のAI導入の根本的なジレンマがある。多くの企業が「AIの導入」に力を入れる一方で、「AIが動くための土壌」──つまり、必要なデータが適切に整い、連携・活用できる状態を整える視点が、決定的に欠けているのだ。

この“使えないデータ”問題、一体どうすればいいのだろうか……。

その答えは一見、シンプルだ。「すべてを統合せずとも、別々のデータベースから必要な情報だけを正確に引き出し、横断的に分析できるようにすればいい」。

もしそれが実現できれば、現場の負担も導入のハードルも大きく下がるはずだ。もちろん、この発想自体は誰もが一度は考える。日本のSIerや大企業のIT部門でも、きっと議論されたことがあるだろう。だが、それを実現できた企業はほとんどない。難しいのは、構想ではなく「技術として成立させ、業務に実装すること」だからだ。

その突破口のひとつとして注目されているのが、冒頭に紹介したフライウィール社が掲げる「AI時代のデータ基盤」である。

これは、企業内に散在する複数のデータに“仮想的な索引”をつけ、構造を壊さずに横断的な検索・分析を可能にするというもの。いわば、「データの迷宮」に道しるべをつけていくようなアプローチだ。

提供：株式会社フライウィール

これにより、たとえば「300もある部門別データベースをひとつにまとめる」ような現実離れした統合作業をせずとも、必要な情報を必要なときに引き出せる仕組みができあがる。

提供：株式会社フライウィール

「構造はそのまま」「加工せず使える」「検索して連携できる」──こうした考え方が、現場での運用ハードルを着実に下げる工夫となっている。

実際、インデックス化や検索を軸とした情報アクセスの技術は、GAFAM が提供する検索エンジンやクラウドの発展とともに磨かれてきた分野だ。近年では、こうした技術を企業内の多様なデータ活用に応用する取り組みが進んでいる。

フライウィールの特徴は、その技術を企業内データに適用する発想と実装力を持っていること。そして、単なる検索技術だけでなく、生成AIと組み合わせることで、さらに強力なツールへと進化させている点にある。

提供：株式会社フライウィール

たとえば営業支援の現場では、「この顧客にいつ・誰が・何を提案したか」を、複数システムをまたいで横断検索できる。

品質管理の業務では、「過去の異常値はどのタイミングで、誰が対応したか」といったログ情報を瞬時に呼び出せるようになる。

この基盤上に生成AIを組み合わせることで、「いつ・どこで・なにが起きたか？」「過去の提案履歴は？」といった問いに対して、社内データをもとにした正確で実用的な回答が得られるようになる。

このアプローチが、多くの企業にとって「現実解」となりつつある。なぜなら、「すべてを変える」のではなく「今あるものを活かす」という考え方は、リスクとコストを最小限に抑えながら、データ活用の道を開くからだ。

「AIを動かす前に、土台がいる」──。この前提を実装レベルで整えているのが、まさにフライウィールなのだ。

では、こうした“既存を壊さず、つなぎ直す”アプローチは、実際にどのような企業に導入され、どう機能しているのか？

すでにフライウィールの技術は、複数の大手エンタープライズ企業で活用が始まっている。

提供：株式会社フライウィール

ここでは、その内の3つの事例を紹介したい。

提供：株式会社フライウィール

日本生活協同組合連合会（生協）では、全国各地の会員生協ごとに異なるデータ基盤を活かしながら、横断的な検索・分析環境を整備。 一部の店舗から導入を開始し、小さな成果を確認しながら、段階的に対象範囲を拡大する“スモールスタート→基盤拡張”の手法が功を奏した。

実際にカタログ・チラシ配布の最適化によって最大50%の配布部数削減に貢献。同時に購買率は90%台後半で推移し、コスト削減と売上確保を両立させることに成功している。

次にKDDIでは、倉庫業務の自動化を進める中で、倉庫内作業の可視化とデータ活用によるオペレーション全体の見直しに着手。現状の課題を分析し、分析に基づく改善効果のシミュレーションによるPoCと各物流センターでの実地検証を行った。

キックオフからわずか19日という短期間で出荷業務の可視化と課題特定を実現。人員配置の最適化や設備キャパシティの強化を図り、取り組み工程の繁忙期における出荷能力を最大1.4倍まで向上させることに成功し、物流倉庫のDXに大きく貢献した。

そしてCCC（カルチュア・コンビニエンス・クラブ）では、店舗ごとの“こだわり”を重視する現場文化に対応するため、データの出力・操作インターフェースを柔軟に設計。

約7,000万人の会員データ、約800店舗、約450万タイトルという膨大なデータを活用し、書籍の自動発注システムを構築。データからAIが書店ごとに売れ行きを予測し、各書店のニーズに基づいて最適な量を最適なタイミングで配本できる仕組みを実現した。

その結果、書籍の実売率（販売業へ出荷されたうち実際に売れた本の割合）が約20%改善し、返品率を引き下げることに成功。ただの自動発注システムではなく、「店づくりの思想と両立できる仕組み」として現場に定着した。

従来のDXプロジェクトの多くは、「まず全社のデータ基盤を作り、それからAIを実装する」という流れが一般的だった。しかし、この方法では成果が出るまでに数年かかり、その間に市場環境や技術トレンドが変わってしまうリスクがある。

フライウィールが採用しているアプローチは、「小さく始めて大きく育てる」というものだ。

まずは特定の業務領域に絞って具体的な成果を出し、そこから徐々に領域を広げていく。“共創型のデリバリー”が特徴的だ。

提供：株式会社フライウィール

フライウィールは顧客企業の業務構造に深く入り込み、柔軟に対応するプロジェクトを進めながら、その中で汎用化・再利用可能な要素を抽出し、プロダクトへと反映していく。

取材内容等を基にFastGrowにて作成

このプロダクトとプロフェッショナルサービスの“両輪構造”こそが、現場に深く刺さる理由でもある。

同社の投資家であり、ビジョナル（旧：ビズリーチ）やスマートニュース、アンドパッドに五常・アンド・カンパニーなど、数々の成長企業を見出してきたグロービス・キャピタル・パートナーズの代表パートナー・今野 穣氏も、「プロダクトとプロフェショナルサービスの両輪でスケールする企業は、世界でも勝ち筋がある」とフライウィールの事業モデルを称賛している。

一気にすべてを変えるのではなく、小さく始め、確実に成果を出す。その積み重ねが、フライウィールへの信頼につながっているのだ。

なぜ、ここまで「現場起点で、構造を壊さずに、意味あるデータ活用」ができるのか。

多くの読者は「データ活用の難しさは理解できるが、それなら大手SIerや既存のITベンダーでも同様のアプローチができるのでは？」と疑問に思うかもしれない。

一見、もっともな疑問だ。しかし、大手SIerは長年「データ統合」の大規模プロジェクトを手がけてきたものの、根本的な解決には至っていない。なぜフライウィールには可能なのか。

その答えは、同社に集まる“実装者たち”の特異な経歴と視点にある。彼らはただのITエンジニアではなく、世界最大級の検索エンジンやプラットフォームを実際に構築してきた実務者だ。つまり、「データの海」から必要な情報を引き出す技術を、世界規模で実践してきた経験を持つ人材が集結しているのである。

フライウィールの中核には、GAFAM出身者を中心としたプロダクト・エンジニアリングチームがいる。なかでも象徴的なのが、共同創業者でありCTOを務める波村 大悟氏の存在だ。（本連載の3記事目で登場予定）

提供：株式会社フライウィール

「検索エンジンの作り方を知っている人が、企業内検索エンジンを作る」──この一見シンプルな発想が、実は革新的なアプローチの原点となっている。

Microsoft Corporation（米国本社）でC#や.NET Frameworkなどの開発に携わったのち、Microsoft Development Ltd.にて検索および人工知能事業の執行役員を歴任。 さらにGoogle Japanでは、Google Playの検索・クーポンシステムや決済領域の開発マネジメントも手がけてきた。

提供：株式会社フライウィール

つまり、彼はWebという世界最大の「データの海」を整理し、必要な情報を瞬時に取り出す技術を第一線で開発してきた人物なのだ。その経験と知見を企業内データに応用する。これこそが「AI時代のデータ基盤」の本質である。

その波村氏が掲げた構想を軸に、GoogleやMicrosoft、AWSといったグローバルテック企業出身のエンジニア・PdMが合流。

彼らの強みは、単に検索技術やインデックス技術に詳しいだけではない。「どう業務に実装すべきか？」「データ構造をどう翻訳するか？」という“技術と現場をつなぐ視点”を持っていることだ。この視点があるからこそ、抽象的な技術を具体的な業務改善につなげられるのである。

他にも、エンタープライズに特化したプロダクトを開発してきた経験者も多く、業務要件の複雑さを踏まえた仕様設計に長けている。この点が、汎用的なAIツールが業務に定着しない理由とも関係している。

ここまで書くと、「フライウィールはGAFAMマフィアを中心とした技術者集団なのだな」と感じるかもしれないが、実際にはそれだけでは語れない。ここで忘れてはならないのが、“ビジネスサイドの強さ”だ。

CEOの横山氏自身、Facebook JapanやGoogle Japanで事業開発・パートナーシップ領域を歴任してきた人物であり、「プロダクトをつくる」だけでなく「市場で使ってもらう」「パートナーと広げる」といったビジネス構想にも長けている。

提供：株式会社フライウィール

世界最先端の技術を持っていても、それを現場に実装できなければ価値は生まれない。これは多くのAIスタートアップが直面する壁だが、フライウィールはこの点を創業時から意識していた。

実際にフライウィールの事業運営では、BizDev・セールス・マーケティングといったビジネスサイドのメンバーが、エンジニアやPdMとフラットに連携しながら提案設計や導入支援を行っている。顧客の課題を深く理解し、それに応じた解決策を提示できるのは、この“技術×事業”の強いタッグがあるからこそだ。

取材内容等を基にFastGrowにて作成

この連携が、現場実装を可能にするプロダクトと、導入障壁を超えるコミュニケーションの両輪を生んでいる。

一方で、フライウィールの組織文化は、そうした経験者たちだけで完結していない。若手にも大きな裁量が与えられ、クライアントとの折衝や提案設計、デリバリーまでを一貫して任されることも多い。（連載4記事目で紹介予定）

採用ページにも明示されているように、同社が掲げるバリューのひとつに「Disagree and Commit（議論を尽くし、決定したらやりきろう）」がある。 これは「議論のための議論をしない」「誰が言ったかではなく、何を言ったか」を重視する文化であり、年次・職種を問わず率直な意見をぶつけ合える環境を支えている。

ではなぜ、GAFAMという最先端の舞台で活躍していた人々が、日本企業のデータ活用という課題に挑むのか。それは「変革の可能性」と「社会的インパクト」を強く感じているからだ。データ活用によって日本企業が競争力を取り戻すことが、彼らの原動力となっている。

こうした文化とチーム構成が、“机上ではなく、現場で活きるプロダクト”を生む源泉となっているのだ。

前章までで見てきたように、フライウィールは「技術に強いスタートアップ」というだけではない。

検索・構造化に通じたエンジニアと、現場を知るビジネスサイドがフラットに連携し、プロダクトを“使われるかたち”でつくっている。だが、ここで疑問が湧いてくる。

「なぜ今、日本企業のデータ活用なのか？」 「他にもっと魅力的な領域があるのではないか？」

これらの問いを理解するには、創業者・横山直人氏の原体験に遡る必要がある。

同氏は、Facebook JapanやGoogle Japanにて、パートナーシップ事業や新規事業開発を担当。日本企業と向き合い、海外プラットフォームの導入・活用を支援する立場にいた。

そのなかで彼が直面したのは、「テクノロジーの恩恵が、日本企業に届ききらない」現実だった。

たとえば、Facebook在籍時代、日本の中小製造業と出会った際のエピソードは示唆に富んでいる。その製造業は高い技術力を持ち、グローバル企業と対等にやり取りしていた。一方で、彼らが“デジタル側”でどう展開すればいいのか、何をどう使えば競争力になるのかを理解するサポートがなかった。

「一緒にやりましょう」と言いながら、結局何も支援できなかった──その原体験が、起業の原点になっている。

「日本には優れた技術や人材がある。でも、それを活かす“使い方”を支える仕組みが足りない」

そう語る横山氏がいま見据えているのは、AI時代におけるエンタープライズの再構築だ。これは単に社内のITシステムを刷新するのではない。

データが組織内に眠ったまま活用されずにいる現状を変え、業務の中で使える情報基盤を整えていく。特に日本企業が抱えるのは、非構造データや属人化した業務ナレッジの活かしきれなさだ。

横山氏は、それらを組織横断で活用できるようにし、「誰もが使える仕組み」へと変えることこそが、今後の競争力を左右すると語る。

これまでのイノベーションは、BtoC領域から起きてきた。スマートフォンの普及やSNSの爆発的拡大は、個人の行動変容を起点とした、地殻変動だった。一方で、生成AIは企業活動そのものに深く関わる可能性が高く、BtoB領域でもその影響が急速に広がり始めていると横山氏は見る。

企業の中に眠る業務知識やナレッジを、AIが意味あるかたちで活かせるように整備できたとき、初めて本質的な競争力が生まれていく。そのために求められるのは、AIの性能そのものではなく、「AIを使いこなせる環境」をどう整えるかだ。

こうした環境づくりの延長線上に、フライウィールは次なる展開を見据えている。現在、フライウィールはKDDIとのパートナーシップや、営業・品質管理エージェントなどへの展開を見据え、AI時代のデータ基盤の拡張を進めている。 また、サプライチェーンマネジメント（SCM）領域など、リアルな業務とデータを接続することで、社会実装の幅を広げるべく邁進している。

フライウィールは、ただのAI企業でも、ただのSaaS企業でもない。日本企業の現場に根ざした、次世代の“情報基盤”をつくろうとしているチームだ。

今回はその全体像と設計思想を俯瞰してきたが、ここからさらに深く、この企業の“本質”に迫っていきたい。

次回の記事では、構想の起点となった創業者・横山直人氏にインタビュー。なぜ今この領域に挑むのか？どんな問題意識と経験が背景にあるのか？ そして、フライウィールにしか描けないビジョンとは何かを探る。

続く記事では、MicrosoftやGoogleの中核で情報検索技術とAI実装の両面を担ってきたCTO・波村大悟氏が登場。「なぜデータは“あるのに使えない”のか？」という本質的な問いに、グローバルで磨かれた実装視点から答える。

そして、最終記事では、ビジネス職としてフライウィールで挑戦するリアルを描く。最先端の技術を最先端のエンジニアから吸収し、それを国内のリーディングカンパニーに伝え、ガイドし、成果が出るまで伴走する。そんな“つくる・届ける・使われる”の三位一体を担うチームの実態に迫る。

全4回の連載を通じて、構想を現実に変え、AIを現場で“機能させる”ための技術と組織のつくり方を明らかにしていく。