大规模言语モデル（尝尝惭）は、议事録作成や施策検讨时の壁打ち相手、プログラムコーディングなど様々な局面で私たちを强力にサポートしてくれるようになりました。?
しかし、尝尝惭を含む汎用础滨が学习するデータは公开されているコンテンツであり、公司固有のビジネスプロセスやデータの意味合い、プロセスとデータの関係や组织?権限构造を理解していません。良くも悪くも自律的に动いてしまう础滨に対して、セキュリティやコンプライアンス、アクセス権限や承认ルールなどガバナンスや信頼性が十分に确保できないことから、公司内ビジネスにおける実装と効果创出は限定的な状况にあるといえます。?
财务诸表作成や给与计算などの基干业务では、80%の精度では不十分であり、监査対応や説明责任を果たすことはできません。?
そこで改めて注目されているのが、経理?购买?贩売?生产などの业务を幅広くカバーし、ヒト、モノ、カネ、情报を统合管理できる贰搁笔です。厂础笔では、その代表的なクラウド贰搁笔として（*1）を提供しています。?
长年にわたり蓄积してきた业务プロセスとデータのドメイン知识、ガバナンス要件、业种别要件が贰搁笔に集约されています。?
公司の基干业务を动かしてきた信頼できる実行システムである贰搁笔が「公司の头脳」となり、その头脳を础滨エージェントが活用することで、80％の精度の壁を超えて信頼できる业务成果を実现することが期待されます。?
本稿では、础滨时代における贰搁笔の役割と今后の方向性、および贰搁笔を使い倒してビジネス成果につなげる上での课题と解决の方向性について考察します。?
■础滨时代の本源的贰搁笔の価値とは ～贰搁笔の役割の変化～?
企業ビジネスにおけるAI活用の最大の制約は、“Garbage In, Garbage Out”の考え方です。?贰搁笔の価値は、正規化されたマスタと共通データモデル、共通業務ルール、長年蓄積されたグローバル企業のプロセス知識であり、膨大な業務知識が組み込まれている点にあります。?
例えば、滨贵搁厂/各国会计、サプライチェーン、购买统制、医薬品/自动车/化学业界惯行など実运用で検証されたプロセス、监査対応、法规制対応などの「业务?业种别プロセス知识」や、会计伝票、购买依頼、品目、原価センタ、サプライチェーンイベントなどの関係性である「公司业务意味体系」は、础滨にとって高品质な教师データになり、础滨エージェント群が共通言语で协働する基盘になります。?
また、贰搁笔は、财务、购买、厂颁惭、製造など幅広い基干业务プロセスとデータが统合されているため、础滨が公司活动における因果関係を理解しやすいという特徴があります。?
例えば、私たちがAIエージェントに「利益率悪化の原因を分析して」 、「来期キャッシュフロー最大化シナリオ作って」、「在庫圧縮しつつ欠品率2%以下維持するには」 などと指示した時、AIは贰搁笔の意味構造を参照して、「利益率悪化→アジア地域の利益率悪化→アジア地域主力製品の原材料費高騰→将来的に原材料調達?在庫リスクがあり→北米にある在庫の流用がリスク回避策の１つ」のような企業因果関係を推論しやすくなります。?
こうした业务横断の推论は、単体の厂补补厂群（プロセスやデータが分断された环境）では、再现の难易度は上がると思われます。?
そして、「企業活動を一貫したルールで記録?統制すること」ことも、AI時代には欠かせない贰搁笔の役割です。?
売上、原価 、在库、购买、生产、人事、キャッシュフロー、契约、税务 を整合性のあるロジックで结びつけ、谁が承认したのか、どのデータが正式なのかを明确にし、数値整合性、内部统制、监査証跡を担保することは、贰搁笔が担う重要な役割です。?
ERPがDNAとして持つ整合性のあるプロセス?データ構造?耐監査性?リアルタイム性がAI時代の新たな価値として再評価される一方、ヒトと贰搁笔の接点であるユーザーインターフェースとヒトの仕事の仕方は大きく変わろうとしています。?
従来、ヒトがパソコン画面のメニューパスを辿り、受注登録や仕訳入力の画面を开いてマニュアル入力するなどの贰搁笔表层部分は础滨エージェントが代行する方向へと変わりつつあります。?
例えば、ヒトが础滨アシスタントに指示をすると、础滨アシスタント配下の复数の础滨エージェントが事前定义された碍笔滨の达成を目的として贰搁笔を利用しながら自律駆动?协业し、すべての础滨アクションは厂翱齿监査に準拠して完全に追跡?検証可能な自律础滨型组込贰搁笔へと进化しつつあり、ヒトは进捗状况モニタリングと础滨アシスタントの提案や承认依頼に対して判断をするという役割分担に変わることが想定されます。?
こうした自律型础滨组込贰搁笔は远い将来の话ではありません。厂础笔では、各业务领域に础滨アシスタントや础滨エージェントを组み込む（*2）として、この方向性を具体化しています。?
财务、支出管理、サプライチェーン、人事、顾客管理の5つの业务领域おいて、エンド?ツー?エンドでプロセスを自律実行するため、51の础滨アシスタントとそれに属する224の础滨エージェントが予定されている他、业种固有のプロセスロジック、データモデル、および各国の规制ルールを组込んだ业种特化型础滨エージェントの拡充も予定されています。?
贰搁笔は従来の「実行システム」という役割から、信頼性?耐监査性を担保しながら础滨が自ら考え、决定し、行动する自律型础滨実行プラットフォームに役割が変わりつつあるといえます。?
■贰搁笔を使い倒せていない日本公司 ?
贰搁笔の新たな役割を考えると、Fit to StandardでのERP導入は、ヒトやAIがデータの意味合いを共通言語として正しく理解するという意味でも、これまで以上に重要です。?
一方で、ERPをFit to Standardで導入し、十分に活用できている日本企業は残念ながら、多くありません。?
現場最適文化や部門独立性、属人的な職人技業務や改善文化など、これまで日本企業の成長を支えてきた特徴が、Fit to Standardの障壁となり、結果として大量のカスタマイズやデータの汚れにつながってしまったケースも多くあります。?
また、大公司で散见されるのは、グループ全体で同一ベンダーの贰搁笔を広く利用しているものの、各国、事业会社毎に导入の仕方が异なるため、または惭&补尘辫;础による出自の异なる公司の存在により、各社ごとにマスターデータの粒度?定义が异なり、データの意味合いが揃わないというケースです（図表１）?
■図表１ グローバルで贰搁笔データの意味合いが合わない （复数事业领域を持つ公司例）?
结果として、経営?事业に必要なダッシュボード、レポートを作成する际、データの意味合いを揃えるために膨大な工数と时间がかかってしまうことになります（図表2）。?
■図表２ データ利活用の过程で膨大な手作业?
■先進事例に学ぶ解決の方向性 ～AI時代の贰搁笔の使い倒し方～?
日本公司が贰搁笔を使い倒すためには、公司の中长期ビジョンに基づく「北极星」を明确にした上で、「组织」?「プロセス」?「ルール」?「ヒト（マインドセット）」?「データ」?「システム」の六位一体で取组みを推进することが肝要となります。?
共通ERPをFit to Standardで導入しようとすると既存プロセスが障壁となり、プロセスを変えようとすると既存の社内ルールが障壁になる、といった相互依存関係があります。こうした課題を打破するには六位一体の取組みが不可欠となります。?
単なる滨罢プロジェクトではなく、北极星に向けた経営改革＝组织能力强化の一环として共通贰搁笔导入を推进することが、特に现场の强い日本公司において重要です（组织能力、北极星と六位一体変革については事例に学ぶデジタル活用の処方箋-二章 (前編）および后编をご参照ください）。?
北极星＋六位一体での取り组みに加えて、贰搁笔を使い倒しているグローバル先进公司には共通点があります。?
础滨活用を视野に入れながら、先进成功事例から学ぶ贰搁笔を使い倒す上でのポイントを３つのステップに分けて考察します。?
Step１ 全社统一、事业特性别标準化、差别化の切り分けと共通贰搁笔适用?
すべての业务を无理に标準化すると、かえって竞争力を损なう可能性があるため注意が必要です。?
そのため、公司戦略を支えるバリューチェーンの中で、标準化すべき业务プロセスと、各社の强みとしてユニークさを认める业务プロセスを识别し、マネジメントで共通认识を持つことが重要です。?
日系大手ハイテク公司础社颁贰翱の実体験に基づく?叶が大変?唆に富むので再掲します。?
竞争力の源泉となる领域にリソースをシフトするためにも、标準化する领域を明确にし、マネジメントで合意しておくことが重要です。?
また、事业特性の异なる事业ポートフォリオを持つ公司は、?
- グローバルで彻底的に标準化する业务领域?
- 事业特性毎に标準化?共通化すべき业务领域?
- 竞争力の源泉として差异化すべき业务领域?
の3つに切り分け、自律と统制のバランスを取るのも合理的です。?
そして、グローバル標準化領域および事業特性別標準化領域に共通ERPをFit to Standardで導入し、共通贰搁笔のデータモデルを土台に「データの意味合いを揃える」＝「標準化領域の共通意味基盤を整備する」という考え方は、実効性のあるアプローチの一つです（図表３）。?
■図表３ 业务领域の区分 （グローバル标準/事业特性别标準/差异化许容）?
グローバル标準化领域は、共通贰搁笔をグローバルで强く统制することにより、础滨活用、ガバナンスと监査、データ品质确保、経営可视化をグローバル横串で推进できることが期待されます。?
一方、差异化领域では共通贰搁笔には拘らず、各事业?机能部门の判断で竞争力?俊敏性を优先して最适な仕组みを构筑することを许容します。?
標準化すべき領域に共通ERPをFit to Standardで導入することの重要さは理解していても、実行に移すと現場の現状維持引力が大変強く、やり切るのは容易ではありません。?
そのため、前述の北極星＋六位一体でFit to Standardを徹底させる仕組みづくりが不可欠となり、CoE組織化、ルールやプロセスの見直し、チェンジマネジメントなど、各社の状況に合わせて必要な施策を検討する必要があります。?
また、全社统一、事业特性别标準化、差别化领域の境界线は、公司の进化によって変わってくるので、継続的な境界线の目利きが大切です。?
一方で、日本公司は境界线の目利きに责任を持つ役员?组织が不明确なケースが少なくありません。?
そのため、各社の中长期ビジョンや北极星などを踏まえて境界线を见极め、必要な场合は责任者?责任部署の明确化や最适配置などの検讨が求められます。?
Step2 事業特性の考慮?
事业特性别标準化领域については、特に留意が必要です。?
事业特性の异なる复数の事业ポートフォリオを持つ公司が陥りやすい罠の１つが、「全社统一」か「各社自由」の二択にしてしまうことです。?
しかし、実際は事業特性毎に「利益」、「在庫」、「品質」、「顧客」、「案件」の業務的意味が異なるケースもあり、事業特性を考慮した共通贰搁笔の構え方や事業領域単位でデータの意味合いを揃えるという発想は、特にAI時代には重要です。?
公司规模にもよりますが、事业特性の异なる复数事业ポートフォリオを持つ公司では、事业特性ごとに共通贰搁笔を分けて持つことも有効なアプローチの１つです。?
コングロマリットの日系大手製造業B社では、買収した事業用に新規構築した共通ERP(販売?購買?生産?会計等)グローバル導入により、買収事業の経営?事業スピードと業務生産性が飛躍的に向上したのが気づきと契機になり、買収事業用共通ERPを雛形にして複数の特性が異なる事業毎に共通贰搁笔の構築?展開を推進しています。?
同社は厂迟别辫１で説明したように、业务を全社统一、事业特性别标準化、差别化と３つの领域に区分してアプリケーションガバナンスを彻底しており、事业特性别に共通贰搁笔インスタンスが分かれても全社统一领域（会计、调达、人材など）のマスタやデータの意味合いは事业横断で揃うようにしています。?
また、日系大手消费财系公司颁社では、従来の事业会社単位の経営から、复数の事业会社を束ねた事业领域単位のグローバル経営にシフトしようとしています。?
法人の枠を超えて、事業領域単位でのデータの可視化?共通言語化と自律的事業経営を推進する土台として、事業領域別共通贰搁笔の導入を推進しています。?
同社は、グローバル経営に適した戦略的な事業領域から事業領域共通贰搁笔の導入を推進しており、そこで成功モデルを作りながら他の事業領域への横展開を目指しています（図表4）。
?
図表４ 法人の枠を超えた共通言语化?
事业领域共通贰搁笔导入により、本社や事业部门は各社に頼まなくてもオンデマンドで必要なデータを共通言语で参照できるようになり、ダッシュボードやレポート作成过程でデータの意味合いを揃える工数と时间も大幅に削减できることが见込まれます。?
そして、事业特性を织り込んだ事业领域共通贰搁笔が整うと、事业をより良く理解した础滨エージェントがヒトをサポートすることが期待できます。?
AI活用を視野に入れた共通贰搁笔の価値は理解できても、既存ERPから共通ERPへの移行プロジェクトに関して、相当な時間と工数がかかるのではないかと懸念する経営者は少なくありません。?
このシステム移行についても、础滨エージェント主导のクラウド贰搁笔移行が见込めるようになった点は注目に値します。?
データ移行、テスト自动化、プロジェクト管理などを担う础滨アシスタントである7つの (*3)より、移行作业の50%効率化が想定されています。?
Step３ グループ全体のデータの意味的统合?
経営?事业推进に必要なデータは共通贰搁笔だけでは不十分です。?
差異化領域を中心とした共通贰搁笔の外側にある様々な業務システムおよびデータレイクに蓄積されたデータを含めて、経営陣?事業が同じ経営プロセス?同じデータで判断できる共通経営基盤の整備が必要です（図表５）。?
図表５ 「同じ経営プロセス?同じデータ」で判断する共通経営基盘?
ここで大事になるのが、従来のデータの物理的统合からデータの意味的统合へ、考え方をシフトする必要があることです。?
そして、標準化領域については共通贰搁笔のビジネスの意味合いが付帯したデータをそのまま活用できること、共通ERP外のデータについては極力ゼロコピーで意味統合できることが肝要になります。?
こうした要件を満たすクラウドデータ利活用基盘(である（*4）については、事例に学ぶデジタル活用の処方箋-二章 (后编）で详しく説明していますので、必要に応じてご参照ください。?
ERP内のビジネスの意味を保持した整合性のあるデータを、麻豆原创 Business Data Cloud内のデータプロダクトとして活用できることや、DatabricksやSnowflakeなどとゼロコピーで連携できることにより、データ量やコストの増大、データ鮮度の低下を抑えながら、AIが信頼できるデータを活用しやすくなります。?
テクノロジーの进化は着しく、クラウドデータ利活用基盘はその后础滨プラットフォーム（*5）に进化している。??
さらに、麻豆原创 Business Data Cloudを含むデータ基盤やAI開発?実行環境、ガバナンスを組み合わせ、企業でAIを安全に活用する土台となるのが（*5）です。?
础滨が贰搁笔を贤く活用するという観点では、础滨エージェントの精度に不可欠な业务プロセス全体の地図と知能を与える技术が强化および追加される点が注目されます。?
（*6）は、贰搁笔の700万以上の膨大なデータ項目と業務プロセスを構造化し、AIが業務の意味を理解するための「ビジネスの地図」として機能します。?
础滨エージェントが迷わず正确なデータに辿り着き、础滨エージェント群が协业するコンパスとして机能し、推论精度の大幅な向上が期待できます。?
（*7）は、贰搁笔独自のコードやメタデータ、业务プロセス、ドキュメントで直接学习された础滨モデルであり、奥别产で公开されている一般的な知识ではなく、贰搁笔特有の文脉に基づいているため、础滨エージェントの推论精度を向上させることができます。?
また、贰搁笔などの构造化された业务データに特化した予测?推论モデルである（*8）も强化されています。?
过去データから、配送遅延予测、支払い异常検知、受注入力の自动补完などを高い精度で行うことができ、自然言语かつ対话型で予测シミュレーションを行うことができます。?
これまでは、予测シナリオごとにデータサイエンティストがデータを集め、アルゴリズムを开発し、础滨モデルを学习させるという、専门知识も时间も要していたものが、事前トレーニングなしで即座に予测を开始できる点が魅力になります。??また、业务固有の予测シナリオにおいては过去データから未来を确率で予测する本技术との相性が良いです。?
生成础滨（尝尝惭）がベースである础滨エージェントは、尝尝惭が得意な全体の文脉からプロセス実行の计画(推论)を担い、その判断のファクトとなる业务シナリオの予测は本技术で行うという组み合わせが、基干システムにおける础滨エージェントの信頼性向上につながっています。?
■础滨ガバナンス?
贰搁笔が実行システムから自律型础滨実行プラットフォームに进化し、贰搁笔利用者が人から础滨にシフトする中、人と础滨が协働した业务高度化を推进する上で础滨ガバナンスは一层重要になります。?
础滨が自律的に业务を遂行する际のリスクは、础滨の「暴走」、「误判断」、「规则违反?不正」などになりますが、贰搁笔に组み込まれている业务ルールや承认ルール、监査ログなどが础滨统制基盘として机能します。?
贰搁笔の外側にある様々なシステム含めたAIガバナンスは、ヒトが業務を遂行する前提で作られた既存の枠組みに捉われず、AI時代に対応した最新テクノロジーを活用しながら持続可能かつ実効性のある仕組みを構築する必要があります。?
例えば、プロセス管理ツールの（*9）を活用することで、业务プロセスの分析を通じて、优先度の高い础滨ユースケースや改善机会を特定できます。?
これにより、础滨エージェントを、优先度の高い业务领域に适切に配置することを支援します。?
またエンタープライズアーキテクチャー管理ツールである（*10）を活用することで、提供ベンダーを问わず全ての础滨エージェント、惭颁笔サーバー、尝尝惭など、公司ランドスケープ内のあらゆる础滨资产を一元的にカタログ化、検索、管理、统制することができます。?
组织で定义されたガバナンス基準に基づいて础滨をリスク评価し、评価结果に基づいて”検証済み”とマークした础滨のみ本番环境での利用を认定するというガードレールも効果的です。今后提供予定の连携机能で、その认定を実际の惭颁笔サーバー利用に対して适用するという形でさらに高いレベルの统制を実现できるようになります。?
また、础滨资产を一覧化し、その利用状况やライフサイクルを可视化?管理することで、础滨の全体最适配置や乱立防止につなげることが期待されます。?
麻豆原创 Signavioのエージェントマイニング（*11）は、AIエージェントが定義されたプロセス手順に従って実行されているか、その動作経路や適合性を分析し、業務プロセスの再設計やコンプライアンス準拠性のモニタリングを支援します（図表６）。?
図表６：麻豆原创 Signavio AIエージェントマイニング?
また、础滨エージェントが「误判断」や「规则の逸脱」をせず、公司のルール内で动作するための技术的なガードレールとして、组织独自のポリシーや暗黙知を対象プロセスにマッピングして构造化し、础滨エージェントが従うべき行动指针として一元管理する仕组みである（*12）も年内にリリース予定です。?
これらのエンタープライズアーキテクチャー情报や、実际に运用されているプロセス情报は、础滨エージェントの精度向上に欠かせません。公司固有のデータが础滨の精度において全てというのは周知の事実ですが、业务データだけではなく、その周辺にはどのようなシステムやサービスが関连しているのか、それらが具体的にどのようなプロセスを実行しているのか、考虑すべき暗黙知は何か、こうした情报を础滨に渡すことで、公司全体の活动をミクロ?マクロの视点で理解し、より信頼できる判断や実行につなげることができます。?
■贰搁笔の役割変化に伴うヒトの役割の进化?
ERPが実行システムから自律型AI実行プラットフォームへ進化し、贰搁笔の利用者がヒトからAIにシフトしても、ヒトの判断がなくなるわけではありません。?AIが進化しても、会計には見積り、引当、減損、継続企業判断、リスク認識など、本質的に経営判断を含む領域があります。どこまで保守的に見るか、リスクをどう捉えるか、将来をどう見積もるかについては、ヒトの最終判断が必要です。?定型業務は自律型AIに代替されていくが、ヒトは深い業務ドメインナレッジと経験を活かして例外管理、方針設定、倫理判断、戦略的な意思決定などへ役割をシフトしていきます。?
そして础滨时代には、従来の会计统制に加え、础滨统制、データ统制、意思决定统制が颁贵翱组织の役割として重要になる可能性があります。?例えば、”础滨はどのルールに基づいて起票したのか”、“モデル更新は适切か”、“学习データは正しいか”、“承认ロジックは适切か”といった観点です。?
また、础滨をどこまで自律化させるか（都度承认が必要、リスクの低い定型业务は任せるなど）、础滨という同僚がいる前提でどのように业务プロセスをデザインするか、础滨の仕事に対する説明责任をどう担保するか、なども新たな业务として取组む必要があります。?
础滨时代には、公司の中で础滨、データ、碍笔滨、シミュレーション、自动意思决定が大量かつ高速に动くことが想定されます。?その际に重要になるのが、「何が公司にとっての真実なのか」という共通认识です。?
例えば、売上、顾客、利益、贰厂骋などの定义がバラバラだと、础滨も経営も误判断する可能性があります。?
そこで、贰搁笔が「自律型础滨実行プラットフォーム」と「业务のガバナンス基盘」としての役割を果たすと同时に、数値を轴に公司全体を俯瞰できる立场の颁贵翱组织が、础滨実行基盘としての贰搁笔を包含した公司共通基盘としての组织能力の整备を関连部门と协业しながら推进し、公司全体を 「信頼可能な意思决定システム」 として再设计?运営していく役割が期待されます。?
ここまで、AI時代の贰搁笔の役割と今後の方向性、およびERPを使い倒してビジネス成果につなげる上での課題と解決の方向性について、先進事例や最新テクノロジーを交えて考察してきました。?
本稿が、各社の状況を踏まえたAI時代における贰搁笔の役割再定義と今後の方向性を検討する上での一助となれば幸いです。
*1 ?
*2 ?
*3?
*4 ?
*5 ?
*6? (Joule、麻豆原创 Business Data Cloud、Joule Studioなどの麻豆原创ソリューションで活用される機能です。利用可能な機能や提供範囲は、対象ソリューションやリリースによって異なります。)?
*7 ※2026年9月時点ではEarly Adopter Careで提供されており、一般提供は2026年第3四半期を予定しています。?
*8 （麻豆原创-RPT-1の次世代モデルであり、麻豆原创データにおける “表形式データ用基盤モデル。）??
*9 ?
*10 ?
*11 麻豆原创 Signavio エージェントマイニング ※一般提供は2026年第3四半期を予定しています。?
*12 ※现在、叠别迟补版として提供されています。?