⾮構造化データを価値に変える AI エージェント基盤とその組織

2026/10/9に開催された「Data Engineering Summit 2026」に、IVRy、CDOの⼤曽根圭輔とEMの⼭本 雄⼠が登壇しました。
登壇イベント：https://data-engineering-summit.findy-tools.io/2026

Transcript

1. Data Engineering Summit 2026 ⾮構造化データを価値に変える AI エージェント基盤とその組織 株式会社 IVRy Chief Data Officer ⼤曽根圭輔 Engineering Manager, Data Platform Unit ⼭本 雄⼠ @IVRy Inc. All rights reserved.
2. ⾃⼰紹介 Keisuke Osone ⼤曽根 圭輔 Chief Data Officer 博⼠（⼯学） 筑波⼤学にてゲーム AI の研究で博⼠（⼯学）を取得。 その後、新卒で⼊社した会社でデータ組織の⽴ち上げ、 AI 系スタートアップ（上場企業）で Chief Data Officer および事業責任者を担当。2024年 11⽉より IVRy へ。 現在は事業開発および社内外のデータ活⽤を主に担当。 現在『AIエージェント時代のデータ基盤実践ガイド』を執筆中。 22
3. 本⽇お伝えしたいこと • ⾮構造化データは構造化データと繋げることで意思決定に深く繋がる。 • AI エージェントを業務で活⽤するには、確率的に扱ってよいものと、決定 的でなければならないものを分ける。 ◦ 決定的：ID 解決∕権限∕鮮度∕出典∕数値の定義 • 確率的でよいもの、決定的であることが必要なことを定め、更新し続ける ことが必要。 @IVRy Inc. All rights reserved. 3
4. Index @IVRy Inc. All rights reserved. IVRy について 5 IVRy Data Hub について 8 AI エージェントとデータ基盤 12 データ職の変化 21 4
5. オフィスに壁、あります 5
6. 累計発着信数 累計アカウント数 70,000 件 1億 件 2026年6月末時点 2026年8月末時点 導⼊数 99/99 業界 顧客満⾜度 ※⽇本標準産業分類(令和5年)の中分類 99業界 ※2022年1⽉(⾃社調査)時点 2021 @IVRy Inc. All rights reserved. 2022 2023 2024 2025 2026 ※出典：デロイト トーマツ ミック経済研究所「⾃動対話システム市場の現状と展望 2026年版（2024年度実績）」 デロイト トーマツ ミック経済研究所「⾃動対話システム市場の現状と展望 2025年版（2023年度実績）」 6
7. ひとつの対話 AI 基盤で、あらゆる接点へ 店舗や社員携帯からコンタクトセンターまで⼀つの対話 AI 基盤で統合できるため、 コミュニケーション接点の分断なく、シームレスに連携をすることが可能です。 AI⾳声対話機能 データ活⽤∕CRM連携 ハルシネーション ゼロのAI対話 ⽂字起こし AI⾳声回答 CTI機能 AI受付/Q&A ユーザーの 発話を認識し 適切に振り分け 情報資産 SFA/CRM SMS 録⾳ 発話認識 IVRy CTI AI Contact Center 対話DB IVRy Data Hub DWH 電話転送 AI通話分析 システム連携 @IVRy Inc. All rights reserved. 7
8. Index @IVRy Inc. All rights reserved. IVRy について 4 IVRy Data Hub について 7 AI エージェントとデータ基盤 12 データ職の変化 24 8
9. 2025.11 に AI エージェントプラットフォーム「IVRy Data Hub」提供開始 電話データなどを集約し、様々な AI エージェントの利活⽤を⽀える基盤を提供 Data Hub 顧客のAI エージェント 外部のSMS‧メール等との連携 UI レイヤー Web 他のデータや業務システムと連携する活⽤がスムーズ 電話 対話 Data Hub Agent エージェント レイヤー Agent連携 分析 検索 通知 WF連携 AI Agent活⽤ DWH / BI ツール連携 データ連携 Data Hub Platform コンテキスト レイヤー データ レイヤー AI-Ready なデータ層 （ナレッジベース‧オントロジー‧エンリッチメント‧権限管理） 電話‧Chat‧SMS‧対話から抽出したナラティブなデータ (会話そのもの) 電話 @IVRy Inc. All rights reserved. Chat SMS 対話から抽出 顧客利⽤の電話‧Chat‧SMS‧CRM 電話 Chat SMS CRM 9
10. IVRy Data Hub とは（デモ動画） @IVRy Inc. All rights reserved. 10
11. IVRy Data Hub の⾳声データ連携で可能となるユースケース 主なユースケース VoC (顧客の声) 分析 リスク回避 ‧カスハラ ‧コンプライアンス ‧ガバナンス @IVRy Inc. All rights reserved. 「検索‧通知」 ユースケース + 「データ連携」 ユースケース 影響する KPI • 通話データにおける 顧客のポジティブ/ ネガティブな声を統合 的に分析 • 顧客属性 （e.g. LTV /ロイヤリティ） ごとに分析 • 様々なチャネルを横断分析 顧客満⾜度 不満⾜度 • 通話内でのトラブルを 検知し、リスク度合い に応じて⾃動通知 • 過去事例から推奨対応 を提⽰ • 様々なチャネルを横断し、 同じ基準でリスク検知 カスハラ率 離職率 11
12. ⾮構造化データと構造化データの連携 ⾮構造化データである会話には「結果に⾄るまでの過程」が残り、 結果や業務の背景にある構造化データと結合することでより効果的 SoR に存在 会話の⽂字起こし 他のデータと繋ぐと 困っている要因 • ステータス：対応済み • 顧客が困っていたこと × 店舗マスタ‧シフト • 対応⽇時：10/9 14:32 • 担当者の約束 → どの拠点に課題があるか • 担当者：⼭⽥ • 次につながる要望 • 区分：問い合わせ • 途中で変わった⼝調 • 通話時間：3分12秒 • 未完了タスク @IVRy Inc. All rights reserved. 未完了タスク × チケット‧案件 → 誰の担当で起票するか 12
13. Index @IVRy Inc. All rights reserved. IVRy について 5 IVRy Data Hub について 8 AI エージェントとデータ基盤 13 データ職の変化 24 13
14. AI は 24 時間⽂句を⾔わず働き続けられる 全数処理により、データはサンプリングでの「こういう例もあった」から 「どこで‧誰に‧どれだけ」に変わる。⼈の代わりではなく⼈ができないことを可能に 疲れない 24 時間動く 全対象を⾒られる ⼈間は疲れる。担当者も 深夜のデータ 全拠点‧全チャネルを同 変わるが、 AI の 繁忙期のデータ ⼀の観点で⾒るのは、 パフォーマンスは⼀定 も処理 ⼈⼿では原理的に不可能 @IVRy Inc. All rights reserved. 14
15. AI エージェントは「読む」から「判断して動く」に しかし、一部の業務を任せられるが故の問題も起こっている LLM 以前 現在 前処理し、 非構造なものを、 構造化してから扱う 非構造のまま扱える 「誤ったことを言う」リスクから、「誤ったことをする」リスクへ 意図しない行動を取る／ツールを誤用する／ガードレールの外で動作 出典：McKinsey「State of AI trust in 2026: Shifting to the agentic era」 https://mckinsey.com/capabilities/tech-and-ai/our-insights/tech-forward/state-of-ai-trust-in-2026-shifting-to-the-agentic-era @IVRy Inc. All rights reserved. 15
16. 確率的に扱ってよいもの / 決定的でなければならないもの AI エージェントの挙動は確率的であるが、 業務の⼀部を実⾏する場合には（レポートであっても）間違ってはいけない数値が発⽣ 特に「数値の定義」と権限 LLM は解約率という語は理解するが、⾃社の解約率の分⺟や分⼦の定義を教える必要あり 確率的でよい 決定的でなければならない • 要約 • 誰のデータか（ID 解決‧名寄せ） • 分類‧タグ付け • ⾒せてよいか（権限） • 意図の推定 • いつ時点か（鮮度‧断⾯） • 優先度の判定 • 出典は何か（トレーサビリティ） • 推奨アクションの提⽰ • 数値の定義（何をどう数えたか） @IVRy Inc. All rights reserved. 16
17. AI エージェントの導⼊の⼆極化 実際、⼆極化がすでに始まっていて、差が開き始めている段階 それより⼩規模な組織 年商10億ドル超の企業 40% 22% AI エージェントをスケール段階まで 進めていると回答（前年は27%） 前年から横ばい 出典：McKinsey「The State of AI in 2026: On the road to ROI」 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai @IVRy Inc. All rights reserved. 17
18. AI エージェントプロジェクトの実態 うまくいかない場合の原因もわかりはじめている AI エージェント活⽤プロジェク トのうち、2027年末までに中⽌ されると予測されている割合 40%以上 中⽌の理由として挙げられているもの • コストの増⼤ • 事業価値の不明確さ • リスク統制の不備 出典：Gartner プレスリリース https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027 @IVRy Inc. All rights reserved. 18
19. 誤回答の事例 営業担当の「今期どの顧客に注⼒すべきか」に対し、業務⽂脈を持たない AI が返す例 => レコードとの結合および定義が必要 すでに取引停⽌中の顧客を挙げた データの鮮度‧断⾯ すでにパイプラインにある更新案件を挙げる ID 解決 Status と突合 社内で「Q3」が何を指すのかを取り違え 数値と期間の定義 @IVRy Inc. All rights reserved. 19
20. 決定的でなければならないものの例：テナント分離 ⼈がコードに書いた WHERE 句は決定的、AI が都度書けば確率的 ⼈がコードを書く世界 WHERE tenant_id = hoge アプリケーション層で絞り込むことで コード品質とフレームワークの正しい利⽤ が担保されていれば決定的 @IVRy Inc. All rights reserved. エージェントが SQL を書く世界 「⾃分のデータ以外は⾒ないでください」 WHERE 句を書くのは AI。プロンプトで指⽰ しても、 100% 守られる保証はない。 分析のために任意の SQL を書けることが 強みなので、書かせないという選択肢も取 りにくい。 20
21. 決定的でなければならないものの例：テナント分離 検索結果のランキングは確率的でよい。しかし、検索対象の範囲は決定的でなければならない。 プロンプトで縛る ツールの認可で縛る プロンプトに エージェントに渡す接続そのもの 「他のテナントは⾒ない」と を⾃テナントしか読めない権限に 書いても守られるかどうかは することで、SQL を書いても 確率的 権限不⾜で失敗 @IVRy Inc. All rights reserved. 21
22. 決定的に動かすための定義が必要 「決定的でなければならないもの」= 業務⽂脈が AI エージェントを 動かすための設計要件に。 業務コンテキスト ＝ 非構造化データ × 企業のマスタ・意味の定義 ① 接続 ② 意味の定義 • どのエンティティに紐づくか • ⾃社固有の概念 • 顧客‧契約‧拠点‧案件への名寄せ • ステータス 権限判定 • 指標の定義 • 「解約」「アクティブ」「対応中」が何を指すか を、機械可読な形で持つ。 @IVRy Inc. All rights reserved. 22
23. 構造化データと⾮構造化データを突合することが重要 業務⽂脈と⾮構造化データを突合できる構造に踏み込めるかが活⽤の分かれ⽬ 分⽔嶺 Lv.1 Lv.2 Lv.3 ⽣データを読む グルーピング / クラスタリングする 構造化して突合する 個別の温度感はわかる。 全体像は掴める。 属性‧⾏動データと掛け アクションにはつながり 動けるが、解像度が低 合わせ、⾼解像度の打ち にくい。 い。 ⼿が⾒える。 @IVRy Inc. All rights reserved. 23
24. 突合して分析する際に起こる問題... 同⼀顧客が表記ゆれで複数レコードに分かれている。 法⼈‧事業所‧店舗の粒度も混ざっている マスタの更新が⽇次バッチなので、当⽇の新規顧客が紐づかない。 遡及修正の結果、先⽉出した数字と今⽉の数字が合わない 同じKPIがダッシュボードごとに微妙に違い、 どれが正なのか誰も知らない 「アクティブ」の定義が部署ごとに違う。 「解約」は申し出⽇か、課⾦停⽌⽇か、データ削除⽇か リリース事故で3週間分のイベントが⽋けている。 タイムゾーンがテーブルによってUTCとJSTで混在している @IVRy Inc. All rights reserved. ID 解決 鮮度‧断⾯ 出典 数値の定義 すべての前提 24
25. AI で動かそうとしてもそもそも正解がない...! どこに地雷（タイムゾーン、鮮度、出典...）があるかは、ドキュメントには書かれてい ない。（ドキュメントも間違えていたりする、みんな知ってるよな？） 過去の事故と直⾯して直した経験が必要 ⼈が使う場合 AI エージェントが動く今 数字を⾒た⼈が「あれ、これおかしくない？」 地雷を踏んでも⽌まらない。 と気づく。（謎に勘のいい職場の⼈） それっぽく間違った数字を出して、 現場の違和感が最後の砦。 そのまま通知し、起票し、返答 @IVRy Inc. All rights reserved. 25
26. Index @IVRy Inc. All rights reserved. IVRy について 5 IVRy Data Hub について 8 AI エージェントとデータ基盤 12 データ職の変化 24 26
27. 昨今 流⾏りの Forward Deployed Engineer (FDE) について 顧客の現場に入り込み、実装しながら要件を固めていく職能。 現在 AI 企業が軒並み採用を強化している FDE には、実装力もだが業務につながるデータ連携の経験も必要 業務接続においてやらないこと • モデルの選定 • プロンプトの改良 • フレームワークの比較 @IVRy Inc. All rights reserved. 実際に時間を使っていること • 会社のデータがどこにあるか • 項目が何を意味しているか • どの指標が正で、どこが更新され ていないか 27
28. Data Product Orchestrator - データ職の価値の変化 AI エージェントが読んで実行するようになったことで、定義の曖昧さが初めて コストとして表面化、定義は変わり続ける IVRy では Data Product Orchestrator が AI エージェントとデータを接続 減る仕事 • ダッシュボードの量産 • 定型的な抽出依頼への対応 • 手作業のレポーティング より必要になった仕事 • 指標の定義 • 部署をまたいでの合意 • 事業の変化に合わせて更新 出典：データから価値、そして事業へ - AI 時代の事業開発と Data Product Orchestrator (DPO) の役割 https://note.com/sorami_dev/n/n000c86c7b02b @IVRy Inc. All rights reserved. 28
29. 参照アーキテクチャとしての整理 ⼀番壊れても気づけない層を設計し、運⽤する必要がある レイヤー 何が置かれるか 性質 壊れると 気づけるか 落ちる∕エラーになる 気づける エージェント 分析‧検索‧通知‧実⾏ 確率的 コンテキスト ナレッジベース∕オントロ ジー∕指標定義∕権限管理 決定的 でなければ ならない それっぽく間違う 気づき にくい データ 会話‧⽂書‧チケット‧ログ 事実 ⽋損する∕重複する 検査すれば 気づける @IVRy Inc. All rights reserved. 29
30. 本⽇お伝えしたいこと • ⾮構造化データは構造化データと繋げることで意思決定に深く繋がる。 • AI エージェントを業務で活⽤するには、確率的に扱ってよいものと、決定 的でなければならないものを分ける。 ◦ 決定的：ID解決∕権限∕鮮度∕出典∕数値の定義 • 確率的でよいもの、決定的であることが必要なことを定め、更新し続ける ことが必要。 @IVRy Inc. All rights reserved. 30
31. Data Engineering Summit 2026 AI エージェントと組織の⾃律駆動を⽀える 予防と検知の データガバナンス ⼭本 雄⼠ Engineering Manager, Data Platform Unit @IVRy Inc. All rights reserved.
32. ⾃⼰紹介 ⼭本 雄⼠ ▪2011年 ベンチャー各社 → LINE → 楽天 プリセールス∕事業企画‧マーケティングを経験 楽天でデータエンジニアチームをマネジメント ▪2021年｜アンドパッド 経営企画にて財務‧⼈事のデータ基盤を構築し分析 ▪2025年1⽉｜IVRy Databricks でデータ基盤を構築し 会計‧⼈事からサービスまで広くデータを接続 2026年1⽉より データエンジニアリング EM 32
33. はじめに IVRy Data Hub は、 お客様も社内も使う AI エージェント データエンジニアが ⼈と AI エージェント双⽅の データへのアクセス範囲を定める @IVRy Inc. All rights reserved. 33
34. 前半の持ち帰り｜決定的でなければならないもの 決定的でなければならない「権限」の話 • • • • • @IVRy Inc. All rights reserved. 誰のデータか（ID 解決‧名寄せ） ⾒せてよいか（権限） いつ時点か（鮮度‧断⾯） 出典は何か（トレーサビリティ） 数値の定義（何をどう数えたか） 34
35. 問い 権限、厳しくしていますか？ 厳しすぎれば、AI の機会を失う 広げすぎれば、危ない @IVRy Inc. All rights reserved. 35
36. AI エージェントに任せる範囲 AI コストの増加理由を調査、どこまで任せ る？ 集計データまで プロンプト本⽂まで？ 費⽤の増加箇所を 調べる 利⽤内容から 原因候補を探る？ プロンプト本⽂データへのアクセスは 明⽰的に絞る @IVRy Inc. All rights reserved. 36
37. IVRy の現状 絞りたい。でも、解放もしたい ‧ 社員グループごとに、権限は絞っている ‧ その範囲で、AI で分析し、AI でアプリを作る ‧ AI の⼒を出すために、解放もしたい @IVRy Inc. All rights reserved. 37
38. 持ち帰り 今⽇、持ち帰ってほしいこと 01 任せる範囲を決める 02 範囲を権限に反映する 03 実際の利⽤を確かめる @IVRy Inc. All rights reserved. 38
39. 権限の盲点 僕も、例外ではなかった データの権限は、僕が管理していた ⾃分のインフラ編集権限は、 SRE に指摘されるまで削れなかった @IVRy Inc. All rights reserved.
40. パート 1 ここから話すこと 01 任せる範囲を決める 02 範囲を権限に反映する 03 実際の利⽤を確かめる @IVRy Inc. All rights reserved. 40
41. ① 任せる範囲を決める 説明を、4 項⽬にそろえる ⽬的 何のために使うか データ どのデータに触れるか 操作 読む∕書く∕保存∕外部共有 責任者 誰が⽌め、対応するか @IVRy Inc. All rights reserved. 41
42. ① 任せる範囲を決める｜設計例 ⽬的に合わせて、扱うデータを選ぶ 今回の⽬的 ⽬的を広げてない？ AI コスト推移と内訳を把握 AI 利⽤内容を評価し施策へ 集計に使う項⽬だけを選ぶ どんな情報が含まれてる？ ⼈∕期間∕コスト∕モデル プロンプト内容 @IVRy Inc. All rights reserved. 42
43. ① 任せる範囲を決める 説明するための材料も、運営側が⽤意する 01 データの内容と利⽤範囲を⽰す 02 探索にも、扱える範囲を定める 03 申請∕変更∕取り消しの⼊⼝をそろえる @IVRy Inc. All rights reserved. 43
44. ① 任せる範囲を決める レビューでは、コピーの⾏き先まで⾒る 保存先 どこに残るか 閲覧者 誰が⾒られるか 保存期間 いつ消えるか @IVRy Inc. All rights reserved. 44
45. パート 2 ここから話すこと 01 任せる範囲を決める 02 範囲を権限に反映する 03 実際の利⽤を確かめる @IVRy Inc. All rights reserved. 45
46. ② 範囲を権限に反映する ⼈とエージェントのアクセスを⽀える設計 予防 ⼈∕アプリ AI エージェント 検知 @IVRy Inc. All rights reserved. 認証 実⾏主体 と権限 担当者と⽤途を確認 認可 対象データ 監査∕利⽤記録 46
47. ② 範囲を権限に反映する｜設計例 本⼈が⽬的に沿って選んだロールで実⾏ 本⼈ ASSUME 引受 role group 実⾏するロール X 所属して権限を継承 permission group 権限の束 Y GRANT 付与 対象データ 強い権限だけを常に持ち歩かずに、使うときに選ぶ @IVRy Inc. All rights reserved. 47
48. パート 3 ここから話すこと 01 任せる範囲を決める 02 範囲を権限に反映する 03 実際の利⽤を確かめる @IVRy Inc. All rights reserved. 48
49. ③ 実際の利⽤を確かめる 本⼈と実⾏ロールを、監査で追う ⽬的の説明と、操作の記録を照合する run_by ロールを選んだ本⼈ run_as 実⾏時のロール @IVRy Inc. All rights reserved. 49
50. ③ 実際の利⽤を確かめる｜照合の例 説明と実際のアクセスを照合する 説明された範囲 集計データ を参照 実際のアクセス 照合 明細データ を参照 ズレがあれば、担当者と⽤途を確認する @IVRy Inc. All rights reserved. 50
51. ③ 実際の利⽤を確かめる｜対応例 検知から、使い続けるための⽀援へ 確認の結果に応じて、対応を分ける 利⽤を把握 担当者と ⽬的を確認 範囲を照合 利⽤可 継続利⽤を⽀援 リスクあり 制限∕修正 修正後に再確認 @IVRy Inc. All rights reserved. 51
52. ③ 実際の利⽤を確かめる 相談したことで、使い続けやすくする 01 情報を、⼀緒に整理する 02 使える条件を、具体的に伝える 03 継続利⽤に合う提供⽅法を考える @IVRy Inc. All rights reserved.
53. 持ち帰り まず、⼀つのアプリと権限を⾒直す 01 任せる⽬的と範囲は、決まっていますか？ 02 その範囲が、権限に反映されていますか？ 03 実際の利⽤を確かめ、対応できますか？ @IVRy Inc. All rights reserved. 53
54. 採用募集中 データチーム 積極採⽤中です！ 募集中のデータ系ポジション、 カジュアル⾯談、参考情報等は こちらのページにあります！ https://ivry.jp/lp-article/data-team/ @IVRy Inc. All rights reserved. 54
55. @IVRy Inc. All rights reserved. @IVRy Inc. All rights reserved. 22