社内のデータは、どうすれば競合にまねできない強みになるのか？

1. 基本的な賢さが買えるようになると、自社だけの知識の価値が上がる

自社と競合が同じAIを使えば、手に入る賢さも同じです。競合がまねできない唯一のものは、自社の中でしか起きないことです。顧客がどんな不満を口にしたか、どの仕事で問題が起きたか、技術者がそれをどう直したか、といったことです。これはお金では買えません。

汎用的なモデルは、文章を書く力も、要約や分析の力も、どんどん上がっています。しかし、自社がどんな顧客を優良顧客と考えているか、どんな条件のときにプロジェクトが遅れるか、どんな回答なら顧客が離れずにいてくれるかは知りません。こうした情報は実際の業務から生まれるもので、インターネット上にはありません。

データの堀（Data Moat）になるデータとは、成果と結びついていて、品質がよく、正しい権限のもとで使え、意思決定に還元されているデータのことです。量の多さはあまり関係ありません。競合はAIの機能なら数か月でまねできるかもしれませんが、何年もかけて積み上げたフィードバックの履歴や、自社ならではの理解をまねるのは困難です。

2. 差を生む5種類のデータ

データの価値はさまざまです。誰でもインターネットで見つけられる情報は、ほとんど役に立ちません。一方、自社でどんなケースがどう決着したかの記録は、ほかでは手に入りません。

1. Behavioral Data：顧客が好きだと言うものより、実際に何をしたかを示すデータです。
2. Outcome Data：どの解決策が売上、継続利用、品質の向上、コスト削減につながったかを示すデータです。
3. Exception Data：どのケースが標準から外れ、専門家がそれをどう解決したかを示すデータです。
4. Domain Knowledge：業界の人が知っているルール、理由、トレードオフです。
5. Feedback Data：下書きへの修正、却下、そして成果物が合わなかった理由です。

大量のマーケティング資料より、商談で顧客から出た反論とその結果を結びつけた記録のほうが、価値が高いこともあります。データが価値を持つのは、判断のための問いに答えたり、ワークフローを改善したりするのに役立つときです。大きさだけでは価値になりません。

3. 経営者の視点でデータを棚卸しする

すべてのデータベースを調べて回るのではなく、ユースケースから始めます。リード（見込み客）の優先順位づけや代替商品の提案といった重要な判断を1つ選び、使うデータ、その出どころ、責任者、品質、利用権限、結びつく成果を書き出します。そのうえで、数字や回答がどこから来て、いつ更新されるのかをたどれるデータリネージを整えます。

データをCritical、Useful、Archiveの3段階に分けます。すべてを一度にきれいにしようとしないでください。最初のワークフローに必要なデータに投資し、あとで広げられる標準をつくります。責任者のいないデータを、正解データ（Ground Truth）として使ってはいけません。

4. 散らばったファイルをナレッジレイヤーに変える

事実、規定、事例、意見を分けます。事実は基幹システムから取り、規定には承認者を置きます。事例は型を教えるためのもので、ルールとして扱いません。意見は意見だとわかるように示します。システムは出典を示し、日付を表示して、利用者が確かめられるようにします。

5. 取引のたびに良くなるフィードバックのフライホイールをつくる

人がAIの出力を直したら、最終版だけを残すのはやめましょう。何を直したか、誤りの種類、理由を記録し、顧客セグメントや成果と結びつけます。たとえば、手直ししたメッセージで成約に至った、ある回答で同じ問い合わせが減った、といった結果です。このデータは、プロンプト、ルール、ナレッジ、評価の改善に使います。

フィードバックを、すべて自動的に学習に回すべきではありません。人の修正が間違っていることもあれば、特殊なケースのこともあるからです。手本とするデータ（ゴールデンデータ）には、抜き取り検査と承認の手順が必要です。質が高く多様なフィードバックを選び、特定の利用者グループによるバイアスを抑えます。

6. 権限、品質、信頼も堀の一部になる

重要な項目について、網羅性、鮮度、正確さといったデータ品質のSLAを定め、基準を外れたときの責任者も決めます。監視の仕組みでは、顧客の行動パターンが変わったのにルールが古いまま、といったドリフトに気づけるようにします。また、関連する規定に沿って、顧客が自分のデータを訂正できる手段も用意します。

7. 行き先のないデータプロジェクトにせず、事業の成果につなげる

• コストを下げる：ナレッジが充実すれば、自動で解決できる割合が上がり、レビューが減ります。
• 売上を伸ばす：行動データと成果データを組み合わせると、勧めるべき提案とタイミングがわかります。
• 新しい商品をつくる：例外のパターンから、まだ誰も解決していない問題が見えてきます。
• スイッチングコストを高める：透明性を保ち、許可を得たうえで、顧客自身のデータを使うほど結果が良くなります。
• リスクを減らす：データリネージと根拠の記録が、監査や判断の説明に役立ちます。

8. データの堀を築く18か月のロードマップ

まとめ：データの堀は、成果と結びつき、責任者と利用権限が決まっていて、フィードバックの循環がある自社だけのデータから生まれます。ファイルをたくさん貯めても堀にはなりません。会社は重要な判断から着手し、ナレッジレイヤーを構築し、修正の記録を構造化して残すべきです。モデルが入れ替わっても、自社の知識と学習の仕組みは差を生み続けます。