11月2日、MIT Technology Reviewが「Raising the quality of insights in agentic analytics」と題した記事を公開した。AIエージェントが生成するインサイトのうち、ビジネス改善につながるアクションに結びついているのは平均**48%**にすぎず、過半数がビジネスに貢献できていないという厳しい実態が調査で明らかになった。品質低下の主因は「データの問題」ではなく「ビジネスコンテキストの欠如」であり、高成果企業との差を生んでいる。
※本記事はSnowflakeとの共同制作によるレポートの紹介記事であり、MIT Technology Reviewのカスタムコンテンツ部門「Insights」が調査・執筆している（通常の編集部とは別部門）。
エージェントが出すインサイトの半数以上がビジネス改善に貢献していない
AIエージェントを活用したアナリティクス（以下「エージェンティックアナリティクス」）は、ワークフロー全体の自動化とインサイトに基づく自律的なアクション実行を可能にするとして注目されている。しかし調査結果は厳しい現実を示している。
調査対象企業において、エージェントが生成したインサイトのうちビジネス改善につながるアクションに結びついた割合は平均48%にとどまる。1年前の37%からは改善しているものの、裏を返せば現在でも過半数のインサイトがビジネスに貢献できていないということだ。
誤ったインサイトが誤ったアクションを引き起こした場合、単なる投資対効果の問題にとどまらず、財務的・レピュテーション上のダメージにも直結する。この点が、品質問題を単なる精度の話として軽視できない理由である。
品質低下の根本原因：ビジネスコンテキストの欠如
レポートが最も重要な知見として挙げているのが、インサイト品質低下の主因がビジネスコンテキストの不足であるという点だ。調査対象の経営幹部の55%がこれを主要因として挙げ、次いでデータの断片化・アクセス不能を挙げたのが45%だった。
ここでいう「ビジネスコンテキスト」とは、業界の慣習、企業固有のKPI定義、事業部門ごとの判断基準といった、データそのものには含まれない背景知識を指す。エージェントがこうした文脈を持たないまま統計的なパターン認識だけでインサイトを生成しても、現場で使えるアクションには結びつかない。
この問題への処方箋として、調査企業の45%がセマンティックレイヤーの導入を進めている。セマンティックレイヤーとは、データウェアハウスとBIツール・AIエージェントの間に置く抽象化層で、「売上」「顧客」といったビジネス用語の定義を統一し、エージェントが一貫した意味でデータを解釈できるようにするものだ。レポートにインタビューした専門家たちは、高精度なエージェントを実現するうえでセマンティックレイヤーが不可欠だと口を揃えている。
「インサイトリーダー」との品質格差
レポートは、特に高い成果を出している企業群を「インサイトリーダー」と定義している。このグループでは、エージェントインサイトの70%超がビジネス改善アクションに結びついており、平均（48%）と大きな差がある。なお、「インサイトリーダー」の定義および評価基準はレポート本体の調査設計に基づくものであり、詳細は元記事内の調査方法論セクションで確認できる。
品質格差は特に処方的インサイト（prescriptive insights）、すなわち「何をすべきか」を示すインサイトで顕著だ。現状・過去を記述する記述的インサイト（descriptive insights）については多くの企業が一定の評価をしているが、次のアクションを提案する処方的インサイトの質については評価が割れている。インサイトリーダーはこの処方的インサイトの質でも高いスコアを示しており、ここが競争優位の源泉になっている。
インサイトリーダーが具体的に何をしているかという点でも、レポートは示唆を与えている。これらの企業はビジネス用語の定義・KPI・判断基準を事前にエージェントへ組み込む設計を徹底しており、単に高品質なデータを用意するだけでなく、「そのデータが何を意味するか」をエージェントが解釈できる仕組みを整えている点が共通している。セマンティックレイヤーの活用はその代表例であり、ガバナンス体制と組み合わせることで処方的インサイトの精度を引き上げている。
インサイトの氾濫も別の問題
品質とは別の課題として、インサイトの量的な過剰も指摘されている。調査対象企業の52%が、エージェントが生成するインサイトが多すぎて適切に評価・活用できていないと回答している。すべてのインサイトを評価できている企業は24%未満にすぎず、多くは個別対応に依存しており、現時点では人手が大きくかかる状態だ。
各社が取り組む改善策
品質向上に向けて、調査企業が優先している施策は以下の通りだ。
- AIおよびデータガバナンスの強化（60%が実施）
- セマンティックレイヤーの導入（45%が実施）
ガバナンスの強化はエージェントが参照するデータの信頼性・一貫性を担保し、セマンティックレイヤーはビジネス文脈をエージェントに与える手段として機能する。この2つが現実解として浮上している。セマンティックレイヤーの概念や実装アプローチについては、dbt Labsによる解説や、類似の課題を扱った2024年版 State of Analytics Engineering レポートも参考になる。また、エージェンティックAIとデータ基盤の関係については、Snowflake の公式ドキュメントでも関連する技術背景を確認できる。
詳細はRaising the quality of insights in agentic analyticsを参照していただきたい。
