散在するデータを、競争優位に。Sapeet、AIでデータ経営から現場実行までを一気通貫支援

〜企業固有のコンテキストを反映し、データの「意味」をつなぐ新サービスを提供開始〜

株式会社Sapeet

2026年7月16日 13時00分

株式会社Sapeet（本社：東京都港区、代表取締役社長：築山英治、以下「Sapeet」）は、企業独自の知見やノウハウをAIで再構築し、事業成果を生み続ける組織へ導く「SAPEET AX Solution」の取り組みとして、データ活用に悩む企業向けに、AIドリブンなデータ経営から現場実行をサポートするサービスを開始します。

取り組みの背景

これまで多くの企業は長年に渡り、ERPやSFA、CRM、BIツールなどのシステムを導入し、事業活動から生まれるデータの蓄積や可視化を進めてきました。一方で、データが部門や業務ごとに分断されていることや、同じ項目でも部門間で定義や意味が異なることなどから、データ同士の関係性を捉えられず、経営判断や事業改善に十分活用できていないという声が、多くの企業から寄せられています。

生成AIの普及により、商談の音声記録、議事録、日報、問い合わせ履歴といった非構造データを、個人レベルでは容易に分析・活用できるようになりました。しかし、企業全体で見ると、非構造データには業務に直接関係しない情報や重複した情報も多く含まれます。膨大な情報の中から、経営判断や業務判断に必要なシグナルを見つけ出し、その意味を読み解く作業は、推理小説の謎解きと同じで、部門を横断した深い知見と状況を理解し仮説を立てる高度なスキルが要求され、依然として一部の経験豊富な人材に依存しています。

さらに、データを可視化しても、「誰が、いつ、何を判断し、次にどのような行動を取るのか」が設計されていなければ、具体的な業務アクションにはつながりません。従来のデータシステムは、現場や組織の状況が変化するたびにプログラムや設定の改修を必要とするため、変化の速い事業環境に追いつけず、小規模な実証実験や一時的な改善にとどまるケースも見られます。

こうした背景を受け、Sapeetは、データを蓄積・可視化するだけでなく、AIを通じてデータの意味を整理し、実際の意思決定や業務アクションにつなげるデータ活用支援を開始します。

SapeetのAIデータ活用支援について

アクション：成果の出やすい業務から、AIを意思決定と業務プロセスに組み込む
- 経営・事業課題から、成果につながる業務領域を特定
  営業の商談準備、製造現場における品質検知、カスタマーサポートにおけるVOC分析など、データ活用による効果を検証しやすい業務領域から取り組みを開始します。
  データの可視化や分析自体を目的とするのではなく、「誰が、いつ、どのような判断を行い、次に何を実行するのか」から逆算し、AIを活用する業務プロセスを設計します。
- 非構造データを、業務に必要なシグナルへ変換
  商談音声、議事録、日報、問い合わせ履歴といった非構造データをAIが構造化し、業務上の意味を付与します。
  膨大なデータに含まれるノイズや重複を整理し、判断やアクションに必要な情報、示唆、変化の兆候を抽出することで、人がデータの加工や情報探索に費やす時間を削減します。
  これにより、社員が情報処理ではなく、最終的な判断や施策の実行に集中できる環境をつくります。
- 小規模に成果を検証し、実際の業務へ定着
  成果を検証しやすいユースケースから小規模に導入し、設定したKPIや現場からのフィードバックを確認しながら改善を進めます。
  分析結果をレポートとして提示するだけで終わらせず、既存の業務フローやシステムにAIを組み込み、日常的な意思決定やアクションにつながる状態を目指します。
構造：企業独自のコンテキストをAIに組み込み、使うほど進化するデータ活用基盤を構築
- データの「意味」を接続するオントロジーを構築
  従来のようにデータをキーやIDだけで接続するのではなく、データの定義や属性、関係性を示すメタデータを活用し、部門やシステムを超えてデータの「意味」を整理します。
  例えば、同じ「顧客」「売上」「案件」といった言葉でも、営業、経理、カスタマーサポートでは定義や扱いが異なる場合があります。
  こうした違いを整理し、人とデータの間にAIを“翻訳者”として介在させることで、散在するデータを経営判断や業務アクションに活用できる形へ変換します。
- 企業固有のコンテキストをAIに反映
  汎用的なAIモデルをそのまま利用するのではなく、企業独自の意思決定基準、ベテラン社員が持つノウハウ、業務ルール、組織体制、KPIなどをAIに反映します。
  これまでデータの中に埋もれていた、成果につながる判断基準や行動パターンをAIが捉え、優れた社員の判断やアクションを組織全体で再現できる環境を構築します。
  これにより、個人に蓄積されていた知見を組織の業務資産へ変換し、企業固有の競争優位性として活用できる状態を目指します。
- 使えば使うほど、精度と価値が高まる循環を設計
  AIの活用結果や現場からのフィードバックをもとに、収集するデータ、メタデータ、企業コンテキスト、プロンプト、KPIを継続的に更新します。現場や顧客、市場、組織の変化に応じて、AIとデータ活用基盤自体が改善される循環を構築することで、一時的な実証実験で終わらず、継続的に業務へ定着・拡張するデータ活用を実現します。

AIデータ活用によって実現する組織の変化

Before：ノイズ処理に追われ、データを眺めて終わる組織
部門やシステムごとにデータが分断され、意味や定義も統一されていないため、社員は必要な情報を探し、加工し、突き合わせる作業に多くの時間を費やしています。管理下に置かれていないデータ（野良データ）や不要なデータが混在する中から、一部のベテラン社員が手作業でノイズを取り除き、経験に基づいて重要なシグナルを見つけ出している状態です。BIツールでデータを可視化しても、表示された数字やグラフから次に何をすべきかが分からず、具体的な判断や行動に結び付かないケースもあります。
After：AIが必要なシグナルを提示し、人が判断と実行に集中する組織
データレイヤーでデータの意味や関係性が接続され、人とデータの間にAIが介在します。AIが業務シーンに応じて情報を整理し、判断に必要なシグナルや示唆を提示することで、社員は煩雑なデータ加工や評価業務から解放されます。これにより、人はAIが提示した情報をもとに、「最終的にどう判断するか」「事業をどのように動かすか」といった、より高付加価値な業務に集中できるようになります。さらに、ベテラン社員に偏在していた判断基準や行動パターンをAIに反映することで、個人の経験に依存していた業務を組織全体で再現し、継続的に改善できる状態を目指します。

本取り組みの基盤となる「オントロジー」の考え方については、Sapeetのアルゴリズムエンジニアによる解説記事もあわせてご覧ください。

参考：ダッシュボードを作ったのに誰も見てくれないので、オントロジーについて考えてみた