詳細を読む
企業向けAIが期待通りの成果を出せない根本原因は、モデルの性能ではなくデータの文脈（コンテキスト）の欠如にあると、Zeta GlobalのCDO Neej Gore氏がVentureBeatへの寄稿で指摘しました。同氏によれば、企業のデータはツール間で分散し、顧客のアイデンティティが一貫せず、シグナルが遅延または欠落しているため、AIモデルが本来の力を発揮できない状態にあります。Gartnerの推計では、データ品質の低さにより企業は年間平均1290万ドルの損失を被っています。
Gore氏は「ミラーテスト」という診断手法を提案しています。高精度な顧客シグナルをAIに与えて出力を確認し、クリーンなデータでは優れた結果が出るのに本番データでは精度が落ちる場合、問題はモデルではなくデータにあると判断できます。AIは拡大鏡のように機能し、強固なデータ基盤をさらに強力にする一方、脆弱な基盤の問題を白日の下にさらします。
記事の核心は、従来の静的な顧客レコードからリアルタイムの文脈情報への転換です。CRMや倉庫に保存された過去の取引記録ではなく、直近の行動パターン、クロスチャネルのシグナル、今まさに生じている意図を統合した「ライブな顧客像」が、AIの推論精度を決定的に左右します。Model Context Protocol（MCP）のようなアーキテクチャが、アプリケーション間で文脈を受け渡す仕組みとして注目されています。
実務面では4つの優先事項が示されました。第一にイベント駆動型アーキテクチャでリアルタイムの行動シグナルを捕捉すること。第二に推論時にミリ秒単位で関連文脈を取得・注入できるシステム設計。第三にデバイスやチャネルをまたぐアイデンティティ解決をインフラとして構築すること。第四にガバナンスと同意を設計段階から組み込むことです。
Gore氏は、ファーストパーティデータと堅牢なアイデンティティ基盤に早期投資した企業には複利的な優位性が生まれていると強調します。優れたデータがより賢いモデルを生み、それがより多くの同意済みユーザーを引き寄せ、さらにリッチな行動シグナルが蓄積されるという好循環です。モデル自体がコモディティ化する中、勝敗を分けるのは「プロンプトを書く前に顧客を理解しているシステム」を持つ企業かどうかだと結論づけています。