DXやAIの必要性が広く共有される一方で、現場に定着せず、成果に結び付かない取り組みも少なくない。

3月23日～24日に開催された「TECH+データ×イノベーション エキスポ 2026 Mar. データ駆動型組織を定着させるために、活用のその先へ」に、積水ハウスイノベーション＆コミュニケーション CMO兼CDDO の木田浩理氏が登壇。「データ活用を成果に変える組織と人材――現場を動かす“橋渡し”の力」をテーマに、失敗に陥る背景とその打開策を語った。

AI導入はなぜ失敗するのか？DXと同じ過ちが繰り返される理由

木田氏は講演の冒頭で、数年前の国内企業におけるDXブームを振り返った。鳴り物入りで導入したアプリが使われなかったり、ダッシュボードをつくっても見られなかったり、研修を実施しても現場で生かされなかったりといった事例は、決して珍しくない。その背景には「導入そのものが目的化していた」状況があったという。生成AIでも同じ過ちを繰り返す企業は少なくないとして、同氏は「本質的な問題は、ツールの性能ではなく、それを使う組織と人にある」と語った。

木田氏自身は、通信インフラ企業で営業職としてキャリアをスタートした後、独学でデータ分析を習得し、損害保険会社などでデータサイエンス組織とマーケティング組織の立ち上げを経験してきた。現在は、積水ハウスグループの技術や顧客基盤、データを活用しながら、人材育成と新たな価値創出に取り組んでいる。営業、分析、マーケティング、AI推進などの多彩な経験を積んできた同氏が一貫して重視してきたのは、異なる部門や職種の間にある「言葉のずれ」をどう埋めるかという点だ。

生成AIの普及によって、分析やコーディングのハードルは大きく下がった。「だからこそ価値が高まるのは、AIに何をさせるのかを定義し、出てきた結果を批判的に見極め、ビジネスの文脈に載せて解釈する力である」と同氏は指摘する。

背景には、AIによって企業や専門家が持っていた知識の非対称性が崩れつつあるという事情もある。知識量で差がつきにくくなるなかで競争力となるのは、知識に文脈を与え、意思決定や行動に結び付ける力なのだ。

なぜ現場・データ・経営は分断されるのか？「翻訳不全」の正体

では、なぜ組織のAI活用は失敗するのか。木田氏は、その本質を「翻訳不全」にあると説明した。現場はナラティブな言葉で語り、データ部門は事実やデータで語り、経営はROIや事業インパクトで判断する。どれもそれぞれの立場では妥当だが、そのままでは意味が通じ合わず、合意形成に至りにくい。AIを導入しても成果が出ない背景には、この断絶があるというわけだ。

講演では、そうした状態を生む構造として、専門化、サイロ化、対症療法という3つの壁が紹介された。部門ごとに言葉も判断軸も異なり、必要なデータの所在さえ分からない。目の前の課題対応に追われ、将来の資産となるデータ基盤整備も後回しになる。同氏は、こうした状態に心当たりがあるなら、それは個人の能力不足ではなく、組織の仕組みが危険水域にあるサインだと指摘した。

その突破口として提示されたのが「ビジネストランスレーター」である。現場の苦労に共感し、データの論理を理解し、経営のインパクトで語る。3つの言語を行き来しながら、共通言語でそれぞれをつなぐマルチリンガルな存在だ。

「高度な専門知識を完璧に備えていなくても、ドメイン知識と現場感覚を持つ人がAIを武器に翻訳者になることができます」（木田氏）

  • ビジネストランスレーターのイメージ図

    ビジネストランスレーターのイメージ図

ビジネストランスレーターとは何か？AI時代に求められる3つのスキル

ビジネストランスレーターのコアスキルとして挙げられたのが、「共感洞察力」「本質深掘力」「翻訳力」の3つだ。共感洞察力とは、相手の価値観やビジネススキーマを理解する力である。ここでいうビジネススキーマは、業務マニュアルのような形式知だけでなく、職場特有の空気感や暗黙のルールも含む。正しいデータを示すだけでは人は動かず、その背後にある不安や譲れない事情まで理解して初めて、真の要求が見えてくるという考え方だ。

本質深掘力は、現場からあがる「忙しい」「売上が下がった」といった表面的な症状に引っ張られず、「なぜ」を重ねて真因に迫る力である。木田氏は、ジョブ理論やセオドア・レビットの言葉として、ドリルを買いに来た人が本当に欲しいのはドリルそのものではなく「穴」だという有名な例を紹介した。

そして翻訳力は、数字や専門用語を分かりやすく言い換えることだけではない。情報を、相手が動けるかたちへと変換し、納得感のあるストーリーに組み替える力である。同氏は、これら3つのスキルを循環させながら、人が問いを立て、AIが計算し、再び人が語るという役割分担が成立したとき、データ活用が初めて成果に結び付くとした。

AI活用を成果に変えるには？5Dフレームワークの実践方法

こうした力を実務に落とし込む方法として紹介されたのが、Demand、Design、Data、Develop、Deployの五つの段階から成る「5Dフレームワーク」だ。曖昧な依頼から本質的な課題を見つけ、成功条件を定義し、必要なデータを揃え、分析し、最後に現場の行動につなげる。木田氏はこれを、データ活用を成果に変えるための具体的な型であり、自分が今どの段階にいるのかを把握するための羅針盤でもあると説明した。

これはレストランに例えると分かりやすい。Demandは「顧客が何を食べたいか」、Designは「献立決定」、Dataは「食材の仕込み」、Developは「レシピ通り調理する」、Deployは「顧客に満足を届ける」にあたる。つまり、目的を定めないままデータ分析やAI活用に走るのは、顧客の注文を聞かずに料理をつくり始めるようなものなのだ。それではうまくいかないのも当然だろう。

講演では、同氏がかつて経験した小売における5Dフレームワークの実践例も提示された。例えば「客数の減少」という現場の感覚をPOSデータで可視化して真の課題を探り、AIとの壁打ちで打ち手を考える。さらに、システム上の数値だけでなく、店長のメモや現場アンケートのような情報でも補完しながら施策を実行し、ベテランスタッフも巻き込みつつ成果へつなげていくという流れだ。

AI時代に求められる人材とは？「M字型人材」の考え方

講演終盤で木田氏は、AI時代に求められる人材像を「M字型人材」と表現した。従来のT字型人材が広い知識と1つの深い専門性を重視してきたのに対し、M字型人材はMedium・Multi・Mergeの頭文字からとったもので、複数領域を横断する基礎を持ったうえで、AI活用して専門性を強化する。必要なのは全領域で100点を目指すことではなく、まずはデータ、テクノロジー、ビジネスといった幅広い領域を60点から70点程度理解し、それらをAIでつないでいくことだという。そこに前述した「共感洞察力」「本質深掘力」「翻訳力」を加えた人材こそが、AI時代に求められるビジネストランスレーターだといえる。

  • ビジネストランスレーターのスキルマップ

    ビジネストランスレーターのスキルマップ

最後に同氏は、担当者、リーダー、管理職ではAIの使い方や求められるレベルが変わるとし、例えば「週末のAI工作」のようにまずは小さく試すことを勧めた。生成AIの進展によって、専門的なスキルがなくても誰もが簡単にアプリをつくれるようになり、UI/UXを自分ごととして考えられる環境が整いつつある。だからこそ、AIでアプリをつくり実際に使ってみるなかで、「どうすれば相手が喜ぶか」「どうすれば課題を解決できるか」と考える経験が重要になる。こうした試行錯誤は、実際のビジネスにおいて価値を生み出す力へとつながっていく。AIを「相棒」として活用しながら、自らの思考や行動をアップデートしていくことが重要だ。

「本当に必要なのは高度な数学の知識でも専門技術でもなく、私自身が現場とデータの間を翻訳する架け橋になるんだという、たった1つの決意です」（木田氏）

面倒な計算や定型作業はAIに任せ、人は顧客をどう喜ばせるか、そのためにどのようなストーリーや価値を設計するかに力を注ぐ。AIを使って組織の言葉をつなぎ、現場を動かすこと。その実装を担う人材こそが、これからの企業に求められている。