170万円の差はどこから来たのか。AIが読んだのは、Aさんが毎月更新している売上管理表そのものでした。実はAさん、報告の前にいつも、グループ会社向けの取引と、検収が翌月にずれた大口案件を手で除いていたんです。そのルールは、表のどこにも書いてありません。AIは表をそのまま足し、Aさんは頭の中のルールで数えていた。どちらも、うそはついていません。
同じ名前の数字が、いくつもある
最近よくニュースになるコメの値段も、似たところがあります。農林水産省が発表する「コメ5キロの平均価格」には、全国約1,000店のスーパーを対象にした数字と、ドラッグストアやホームセンターまで含めた約6,000店の数字があります。同じ「平均価格」でも、どの店を数えるかで、数字の意味は変わります。
私もこれまで、スマホやパソコン、ゲーム機の販売実績を分析する機会が何度もありました。一言で「販売実績」と言っても、どの価格帯なのか、法人向けを含むのか、予約分を入れるのか。そこを決めないまま分析を進めると、結果が意図しない戦略につながりかねません。
「Aさんに聞けばわかる」は、AIには通じない
人同士なら、まだ何とかなります。「この表、グループ会社の分は引いてます?」と作った人に聞けばいいからです。困るのは、その答えが特定の人の頭の中にしかない場合です。
NTTデータ ビジネスブレインズが2026年9月に公表した調査では、実務経験3年以上の担当者221人のうち64.2%が、異動や退職した前任者の読み解けないマクロや関数に直面することがあると答えました。特定の人がいなくなると業務が滞る、という回答も52.3%ありました。
AIは、この「Aさんにひと言確認」ができません。しかも、迷わず答えます。データ基盤ツールを手がけるdbt Labsも、AIが集計を間違えるときは、もっともらしいけれど誤った数字になると指摘しています。
会社の「数え方」を、AIにも読める形で渡す
そこで効いてくるのがセマンティックレイヤーです。名前は難しそうですが、普段の業務に置き換えると「社内の用語集と計算ルールを、システムにも読める形でまとめたもの」です。たとえば「売上」なら、こう決めておきます。
- 参照先:販売管理システムの売上データ
- 含めないもの:グループ会社間の取引、キャンセル、返品
- 確定のタイミング:毎月5営業日目の締め後
受注ベースの数字が見たいときは、「受注額」という別の言葉で呼ぶ。こうしておけば、AIもグラフも会議資料も、同じ数え方で答えます。
先日参加したSnowflakeのセミナーでも、セマンティックレイヤーがあるとAIの回答精度が大幅に上がる、という調査結果が紹介されていました。質問やデータが複雑になるほど、その差は大きく開くそうです。Snowflakeのプラットフォームでは、集計クエリなどをもとにセマンティックレイヤーの項目をAIが提案してくれる機能もあるようです。
聞く前に、三つだけ決めておく
私なら、いきなり全社の指標を整えようとはしません。まずは会議でいちばんよく使う「売上」一つについて、三つだけ決めます。
一つ目は、正式な参照先。どの表の数字を「正」とするか、誰が更新するかです。二つ目は、期間と基準日。「先月」を何日から何日まで、どの日付で数えるか。三つ目は、数える範囲。グループ会社との取引やキャンセル、返品を含めるのか。冒頭の170万円の差も、ここで決まっていれば起きませんでした。
そのうえで、AIの回答には「どの表を、どの条件で集計したか」を必ず添えてもらいます。数字が食い違っても、出どころをその場でたどれます。
エージェンティックAIに仕事を任せる前に
これからAIは、聞かれたことに答えるだけでなく、エージェントとして集計からレポート作成、次の打ち手の提案まで自分で進めるようになっていきます。数字の定義があいまいなまま任せると、冒頭の朝会のような数字のずれに誰も気づかず、間違った数字のまま資料が作られ、判断が下されてしまうかもしれません。AIに仕事を任せる前に、まずは「うちの売上って、どう数えてる?」から。数字の定義づけを、この機会に始めてみませんか。



