日本IBMは11月19日、AI時代のリアルタイムデータ活用に関する記者説明会を開催した。同社が提唱するのは、リアルタイムに発生するイベントを継続的に処理するConfluentの「Streamhouse(ストリームハウス)」と、企業固有の知識や判断基準などをAIが利用可能な形に整備する「Data Product(データプロダクト)」を組み合わせるアプローチだ。

AIの意思決定に必要な「リアルタイムデータ」と「企業ナレッジ」

冒頭、日本IBM 理事 ハイブリッドクラウド & データ Data & AIデリバリー事業部長の西川啓氏は「AIモデルがどれほど高性能でも、AIが参照する情報が古かったり、断片的だったりすれば、その判断は現実からズレる。人間も昨日の情報だけで今日の経営判断を下すことはない。AIに業務を任せ、アクションにつなげるためには、まずAIが企業の『今』を正しく理解する必要がある」と指摘する。

  • 日本IBM 理事 ハイブリッドクラウド & データ Data & AIデリバリー事業部長の西川啓氏

    日本IBM 理事 ハイブリッドクラウド & データ Data & AIデリバリー事業部長の西川啓氏

IBMのCEO Studyによると、業務上の意思決定にAIが占める割合は2026年の25%から、2030年には48%まで高まると予想されているという。AIが単に人間の作業を支援する存在ではなく、意思決定そのものを担うようになれば、AIが参照する情報の鮮度と質は、企業経営に直結する問題となる。

しかし、最新データをAIへ与えるだけでは十分ではなく、西川氏は「最新の数字だけを知っていても、自社のルールや判断基準を知らなければ、AIは的外れな提案をしてしまう。逆に知識があっても、情報が古ければ判断は現実とズレている。AIに必要なのはリアルタイムの業務データと企業ナレッジの組み合わせだ」との認識を示す。

「今起きたこと」を捉えるStreamhouseとは

リアルタイムデータを担う基盤として日本IBMが提示したのが、Streamhouseだ。Streamhouseは特定の製品やサービスの名称ではなく、リアルタイムに変化するビジネスの最新状況を継続的に取得、処理、ガバナンスし、AIエージェントやアプリケーションなどに提供するデータアーキテクチャ。Confluentは、自社のデータストリーミングプラットフォームをStreamhouseを構築するための基盤と位置づけている。

日本IBM Confluent事業担当 Confluent事業部長の石井晃一氏は「『今起きたこと』に対してアクションするためには、従来とは異なるデータアーキテクチャや新たな取り組みが必要になる。Streamhouseは、発生したイベントを継続的に取り込み、最新の状態として処理し、AIエージェントやアプリケーションなどへ届けるアーキテクチャ」と説く。

  • 日本IBM Confluent事業担当 Confluent事業部長の石井晃一氏

    日本IBM Confluent事業担当 Confluent事業部長の石井晃一氏

一方で石井氏は、Streamhouseはデータレイクを置き換えるものではないと明言する。過去から蓄積してきたデータを分析・モデリングするデータレイク/レイクハウスと、「今起きたこと」を捉えて即座のアクションにつなげるStreamhouseを組み合わせることが重要だという。

Streamhouseの特徴は「常に最新」「ミッションクリティカル」「分散型」の3つだ。ConfluentはStreamhouseを実現するため、Kafkaを中核としたストリーミングに加え、Apache Flinkによる処理、データガバナンス、Apache Iceberg、Delta Lakeとの連携などをデータストリーミングプラットフォームとして提供する。また今回、新たにクエリ機能を追加し、Lightning Tablesを通じて、ライブストリーミングデータを低遅延で直接クエリーできるようにした。

  • Confluentのデータストリーミングプラットフォーム

    Confluentのデータストリーミングプラットフォーム

石井氏は「何らかのイベントが発生すると、それを接続し、ストリームで処理し、ガバナンスを担保して目的地に届ける。これがConfluentが提供するデータストリーミングプラットフォームの考え方だ」と話す。

リアルタイムデータだけでは足りない、AIの判断を支えるData Product

では、Streamhouseによって「今」をAIに提供すれば、それだけでAIエージェントは企業に適した意思決定を行えるのか。そこで、日本IBMがもう1つの柱として提示するのがData Productだ。

日本IBM ハイブリッドクラウド&データ 理事の石見忠雄氏は「Data Productは企業が持つ『知恵』に当たる部分」と述べている。IBMでは、AI活用に必要なData Productを大きく3種類に整理している。

  • 日本IBM 理事 ハイブリッドクラウド&データの石見忠雄氏

    日本IBM 理事 ハイブリッドクラウド&データの石見忠雄氏

1つ目が、KPIや閾値など、意思決定の基準となる判断データ。2つ目が、企業内の文書や資料に蓄積された知識を構造化したナレッジデータ。3つ目が、最新の事実を「どのような観点から見るべきか」を整理するコンテキストデータだ。

  • Data Productを3種類に整理している

    Data Productを3種類に整理している

石見氏は自動運転を例に「車が今どこを走っているのか」という最新のセンサデータだけでは、自動運転は成立しないと説明する。道路がアスファルトなのか砂利道なのか、晴れなのか雨なのか、昼なのか夜なのかというコンテキストが必要になる。さらに、どのような状況が危険なのかというナレッジと、どの条件なら減速・停止すべきなのかという判断軸が必要になる。

企業のAIエージェントも同じだという。例えば、製造業で品質不良が発生した場合、リアルタイムに収集した事実をコンテキストに基づいて整理し、不良率が閾値を超えているかを判断する。

必要であればAIエージェントが追加情報を収集し、過去の設計変更と不具合の関係などを構造化したナレッジグラフと照合して原因仮説を生成。最後は判断データを用いて複数の対応案から適切なものを選ぶ。

石見氏は「エージェント型AIを正しく動かすためにもData Productは非常に重要になる。また、企業ナレッジは既存文書などからAIを使って抽出できる一方で、コンテキストや人間の判断軸は、業務の専門家やコンサルタントがAIを活用しながら一定の時間をかけて整備する必要がある」と力を込めていた。

AI時代、データ基盤は「保管庫」から「判断を支えるインフラ」へ

日本IBMが示すAI時代のデータ基盤は、Streamhouseがリアルタイムに変化する「今、何が起きているのか」をAIへ届け、Data Productが「その事実をどう捉え、何を根拠に判断するのか」を与えるというものだ。

西川氏は「AIエージェントが自律的に動く時代には、データ基盤の役割も変わる。データをためておく『保管庫』から、最新の事実と知識をAIに供給し続ける『インフラ』へと進化していく必要がある」との認識を示す。

  • Confluentはリアルタイムな判断を支えるデータ基盤を提供する

    Confluentはリアルタイムな判断を支えるデータ基盤を提供する

AIエージェントの競争軸がモデルそのものから、企業固有のデータやコンテキストへ広がる中で、リアルタイムデータと企業固有のナレッジをどう接続するか。StreamhouseとData Productの組み合わせは、AI時代に求められるデータ基盤のあり方を示すものと言えそうだ。