AI は急速に浸透しつつありますが、同時に具体的な価値を示すことへのプレッシャーも高まっています。投資が急増し、導入への意欲も高まる一方で、多くの組織は、自社のデータ基盤が AI エージェントやアプリケーションを支えるには十分でないことに気づいています。

データは、オンプレミス環境とマルチクラウド環境のさまざまなシステムに分散して存在します。各ソースには、独自の構造、ロジック、およびビジネスルールがあります。そのデータを分析、計画、またはAIに利用するということは、多くの場合、さまざまなアプリケーションに適したコンテキストを再構築するために、データの抽出、クレンジング、および結合に時間を費やすことを意味します。たとえば、このフィールドは何を意味するのか？どの定義が正しいのか？このデータはそのプロセスとどのように連携するのか？などを検討する手間がかかります。

この状況は組織全体で繰り返し発生し、既存のデータを活用可能にするための作業を増やす、いわゆる「複雑化のコスト」を生み出します。複雑化のコストは、拡張性とガバナンスを担うITチームの業務スピードを低下させます。また、より迅速な回答、よりシンプルなワークフロー、そして結果への確信を必要とするビジネスチームの業務スピードも低下させます。

ビジネスデータファブリックは、データとビジネスコンテキストを信頼できる再利用可能な基盤で結び付けることで、この課題への対応を支援します。この基盤は、実際に利用している人々の体験を通じて見ると、はるかに理解しやすくなります。エンタープライズ組織の 3 人を追いながら、データプロダクトの作成から計画モデルの生成、最終的な計画の更新まで、ビジネスデータファブリックが連携された計画ワークフローをどのように支援できるかを見ていきましょう。

信頼性の高いデータプロダクトの作成

最初のユーザーは、業務部門の開発者であるOlgaです。Olgaは、SAP S/4HANA の既存のデータプロダクトに基づいて派生データプロダクトを作成するよう依頼されています。Olgaの目標は、Ryanが計画モデルを作成する際に使用するための正しいデータを用意することです。

OlgaはJoule Studioで作業を開始します。彼女は必要なものを自然言語で説明し、有効なコストセンターのみを含む、簡略化されたコストセンターのデータプロダクト、英語による説明、およびIDと説明の統合リストを要求しています。

AIエージェントは既存のソースを検索し、Olgaが検討するための選択肢を提示します。ゼロから始めたり、次のステップを決めつけたりすることはありません。その代わりに、反復的なプロセスを通じてOlgaをガイドし、その途中で確認を求めます。Olgaは処理を進める前に新しいデータプロダクトのプレビューを確認できるため、自身がそのプロセスに関わっていたことから、データとロジックに対して確信を持つことができます。

エージェントはデータプロダクトの名前を提案し、Olgaはその後、Ryanと合意している命名規則に合わせてその名前を更新します。エージェントは変更を適用し、データプロダクトを公開できるよう準備します。

Olga の経験は、ビジネスデータファブリックによってビジネスコンテキストをシステムやドメイン全体で再利用できることを示しています。これは重要なメリットです。Olga は、ローデータから始めたり、ロジックをゼロから再構築したりする必要はありませんでした。彼女は既存の統制されたデータプロダクトを活用しながら、次のユーザーのために高品質なデータプロダクトを作成するためのプロセスにも常に関与し続けました。

信頼できるデータを計画モデルに変換する

このシナリオにおける次のユーザーは、SAP Analytics Cloudでプランニングモデラーとして働くRyanです。Ryanは、特定の事業分野を担当するデータアナリストのAnnaのために、運営費計画モデルを作成する必要があります。

Ryanもまた、Jouleで作業を開始し、作成したいモデルとAnnaが必要とする詳細レベルを説明します。Jouleは彼の意図を認識し、リクエストに一致する利用可能なデータプロダクトを検索します。Olgaが新たに派生させたデータプロダクトはすでに公開され、明確に命名されているため、Ryanは簡単に見つけて選択し、処理を進めることができます。

このエージェント主導のプロセスにより、Ryanは利用可能なデータプロダクトを検索したり、その構造を理解したり、ディメンションを作成したり、それらを自分で維持したりする必要がなくなります。エージェントは、Ryanが要求した特定のデータアクションを実行するモデルを、数時間ではなく数秒で構築します。

最後に、Ryanはエージェントに、Annaが結果を視覚的に把握しやすくなるように、計画モデルの上に分析的なストーリーを追加するよう依頼しました。Joule エージェントは、使用するものを要約し、データ視覚化を作成して、直感的なレイアウトに整理します。Ryanは、完成したダッシュボードをAnnaと共有する前に微調整します。

Ryanは、ビジネスデータファブリックの2つ目の重要な利点を実感しました。それは、信頼できるデータソースをすぐに利用できるため、モデリングがよりシンプルかつ迅速になるということです。エージェントは明確なビジネスコンテキストに基づいて管理されたデータに基づいて動作することができ、Ryanはその出力に自信を持っています。

すべてのデータポイントを追跡しない計画

最後に、ファイナンシャルプランナーのAnnaが登場します。彼女は、Ryanが公開した計画モデルとストーリーを開きます。そして、変更を行う前に、公開済みバージョンを変更せずに計画を調整できるよう、プライベートな作業用コピーを作成します。

Annaの視点では、データはすぐに使える状態です。一部のコストはSAP S/4HANAに起因するものです。その他のデータは、ビジネスデータファブリックを介して接続されたサードパーティのキャリアフィードによって取得されます。彼女が計画に必要なデータはすぐに手に入るので、Annaはそれぞれの値がどこから来たのかをいちいち尋ねる必要はありません。

Annaは自然言語を使用して計画を策定し、特定の項目を削除したうえで、代替基準を使用してJouleにそれらを再入力するよう依頼します。JouleはAnnaの以前のプロンプトのコンテキストを保持し、複数の次元にわたって計算を適用し、結果を計画に書き戻します。

Annaの経験は、ビジネスデータファブリックのもう一つのメリットを示しています。つまり、信頼性がワークフローに組み込まれていることです。データはSAPと非SAPのソースにまたがっていますが、Annaは先に進む前にすべてのデータポイントを検証する必要はありません。データ基盤がソースの接続、意味の保持、ガバナンスの適用をすでに担っているため、彼女は自身を持って計画を立てることができます。

3 人のユーザー、1 つの連携したワークフロー

Olga、Ryan、Annaの 3 人の事例は、データ、コンテキスト、AI エージェントが連携することで何が実現するかを示しています。以前は何日もかかっていた作業を、3 人がわずか数分で完了させ、さらに全員が同じ信頼できるデータ基盤を活用しています。

ITリーダーにとって重要なのは、エージェント型AIの信頼性は、その基盤となるデータの信頼性に左右されるということです。ビジネスデータファブリックは、役割、システム、プロセスをまたいだ実際の業務を支援するためにエージェントが必要とするビジネスコンテキストを提供します。これによりチームは、分断されたデータや繰り返される手作業から、データが接続され、意味が保持され、信頼性がプロセスの一部となる、よりシンプルな働き方へと移行できます。

オンデマンドウェビナー「ビジネスデータファブリックでAIのためのデータ基盤を構築する」を視聴して、実際のデモと、Olga、Ryan、Annaが各ステップをSAP Business Data Cloudで進めていく様子を追ってみましょう。