WEBVTT

00:00:00.000 --> 00:00:02.640
企業のAIがハルシネーションを起こしているのは壊れているからではありません

00:00:02.640 --> 00:00:04.880
何も見えていないからハルシネーションを起こしているのです

00:00:04.880 --> 00:00:08.700
今日の組織のほとんどがコパイロットをワンドライブ用の豪華な検索バーのように扱っています

00:00:08.700 --> 00:00:13.740
何ヶ月もかけてシェアポイントフォルダを整理しPDFにタグ付けをしてそれがゴールだと思い込んでいます

00:00:13.740 --> 00:00:16.800
しかし実際にはそれはビジネスの10%に過ぎません

00:00:16.800 --> 00:00:22.100
残りの90%は分断されたサイロ、レガシーデータベース、サードパーティ製ツールの中に閉じ込められており

00:00:22.100 --> 00:00:23.340
AIには見えてさえいません

00:00:23.340 --> 00:00:30.020
モデルにプロジェクトの健全性の要約を求めても先週火曜日のパワーポイント資料にしかアクセスできなければそれなりの回答を返してくるでしょう

00:00:30.020 --> 00:00:33.560
専門的で構造化された回答のように聞こえますが中身は間違っています

00:00:33.560 --> 00:00:38.780
モデルは1時間前に開かれた優先度の高いチケットやERPにある予算凍結の状況など知らないのです

00:00:38.780 --> 00:00:42.100
不完全な知能を大規模に展開することはツールではなく不採です

00:00:42.100 --> 00:00:48.480
それは自信満々な推測の文化を生み最も高価な人材が最も重要な情報の半分も知らない機会を信頼し始めることになります

00:00:48.480 --> 00:00:54.340
データがマイクロソフトグラフ内でインデックス化され権限設定されていない場合AIにとっては実質的に存在しないのと同じです

00:00:54.340 --> 00:00:57.420
私たちは単にPDFとチャットする段階を超えなければなりません

00:00:57.420 --> 00:01:00.320
私たちはリアルタイムのビジネス脳の時代に突入しています

00:01:00.320 --> 00:01:03.340
そしてその脳が機能するためには神経系が必要です

00:01:03.340 --> 00:01:06.320
静的な知能の世界ラグのハネムーンは終わりました

00:01:06.320 --> 00:01:09.720
この1年間誰もが検索拡張生成ラグに夢中でした

00:01:09.720 --> 00:01:12.400
それはLLMを実用的なものにする魔法のトリックでした

00:01:12.400 --> 00:01:16.320
モデルをフォルダに向ければファイルを読み込み突然会社の方針を理解するようになるのです

00:01:16.320 --> 00:01:20.660
しかしこれらのパイロット運用が本番環境へ移行するにつれ土台に大きな亀裂が生じています

00:01:20.660 --> 00:01:23.380
その亀裂とはデータが陳腐化するという現実です

00:01:23.380 --> 00:01:26.060
従来のラグは手動アップロードや静的なフォルダに依存しています

00:01:26.060 --> 00:01:27.960
それはある時点の静止画にすぎません

00:01:27.960 --> 00:01:29.900
結局のところ走っている車の写真を見せて

00:01:29.900 --> 00:01:33.200
今車はどのくらいのスピードで走っているかと尋ねてAIを教育しているようなものです

00:01:33.200 --> 00:01:36.480
これが知識のラグを生み重要な意思決定を台無しにします

00:01:36.480 --> 00:01:39.200
ビジネスがスラックメッセージの速さで動く世界において

00:01:39.200 --> 00:01:43.700
48時間前に更新されたドキュメントに頼ることは破滅を招く行為です

00:01:43.700 --> 00:01:45.780
AIが先週の市販機レポートに基づいて

00:01:45.780 --> 00:01:48.400
積極的な調達アクションを提案したと想像してください

00:01:48.400 --> 00:01:51.200
それ自体は堅実な推奨に見えますが一つだけ問題があります

00:01:51.200 --> 00:01:55.120
それはサプライチェーンの混乱を警告した今朝のシステム更新を完全に無視しているということです

00:01:55.120 --> 00:01:57.840
AIに従うことであなたはリスク増幅エンジンを作り上げてしまったのです

00:01:57.840 --> 00:01:59.480
あなたはミスを自動化してしまいました

00:01:59.480 --> 00:02:00.920
従来のエンタープライズ業務のモデルは

00:02:00.920 --> 00:02:03.160
人間には文脈を探し回る時間があることを前提としていました

00:02:03.160 --> 00:02:05.100
5つのタブを開きCRMを確認し

00:02:05.100 --> 00:02:07.280
プロジェクトボードを見てそれから判断を下すというやり方です

00:02:07.280 --> 00:02:10.480
新しいモデルではAIにコンテキストをプッシュする必要があると考えます

00:02:10.480 --> 00:02:11.880
AIが人を支援するならば

00:02:11.880 --> 00:02:14.460
人間と同じ状況認識能力を持つ必要があります

00:02:14.460 --> 00:02:17.880
これが従来の文書グラウンディングが現代の企業で通用しない理由です

00:02:17.880 --> 00:02:20.620
ライブシステムのテレメトリーという結合組織が欠けているのです

00:02:20.620 --> 00:02:23.220
皆さんの持つ真実の多くはワード文書の中にはありません

00:02:23.220 --> 00:02:25.580
それはシステムの現在の状態の中にあります

00:02:25.580 --> 00:02:28.960
請求書の保留状況や顧客チケットの優先度フラグ

00:02:28.960 --> 00:02:30.960
監査ログの例外記録などがそうです

00:02:30.960 --> 00:02:32.640
文書だけをグラフに提供しても

00:02:32.640 --> 00:02:35.240
神経系が切り離された脳を作るようなものです

00:02:35.240 --> 00:02:37.700
脳は思考できても足元の感覚は得られません

00:02:37.700 --> 00:02:40.500
建物が火事なのか正面玄関が施錠されているのかすら分かりません

00:02:40.500 --> 00:02:42.540
ただ真空中でテキストを処理しているだけです

00:02:42.540 --> 00:02:45.340
このギャップを埋めるにはデータに対する考え方を変える必要があります

00:02:45.340 --> 00:02:47.140
もはや単なるファイルの移行ではありません

00:02:47.140 --> 00:02:49.320
私たちは現実をストリーミングしているのです

00:02:49.320 --> 00:02:51.760
AIが棚から本を探す図書館モデルから

00:02:51.760 --> 00:02:55.820
ビジネスのテレメトリーを絶えず供給されるセンサーモデルへと移行すべきです

00:02:55.820 --> 00:02:59.980
この転換こそがチャットボットと真のインテリジェンス層を隔てるものです

00:02:59.980 --> 00:03:02.140
一方は過去への回答を提供し

00:03:02.140 --> 00:03:04.680
もう一方は現在の舵取りを支援します

00:03:04.680 --> 00:03:09.040
後者を望むならマイクロソフトグラフを単なる保存場所としてではなく

00:03:09.040 --> 00:03:12.160
全事業の中枢神経として扱うべきです

00:03:12.160 --> 00:03:15.460
そのライブ接続なしではインテリジェンスの拡張はできません

00:03:15.460 --> 00:03:18.200
本質を見失うスピードを早めているにすぎません

00:03:18.200 --> 00:03:20.380
静的な情報の壁を取り払い

00:03:20.380 --> 00:03:23.200
ライブなインデックス認識への橋を架ける必要があります

00:03:23.200 --> 00:03:24.380
盲点その1

00:03:24.380 --> 00:03:26.240
ゴースト化された承認フロー

00:03:26.240 --> 00:03:29.160
承認とは業務運営の真の生命線です

00:03:29.160 --> 00:03:30.720
資金移動やコードのデプロイ

00:03:30.720 --> 00:03:34.380
契約締結を決定するイエスかノーの信号だからです

00:03:34.380 --> 00:03:36.180
しかしここに問題があります

00:03:36.180 --> 00:03:39.680
ほとんどの組織においてこれらの重要な信号は影に隠れています

00:03:39.680 --> 00:03:42.800
専門的な調達ツールやレガシーなチケットシステム

00:03:42.800 --> 00:03:45.760
あるいは無数のメールスレッドの中に埋もれています

00:03:45.760 --> 00:03:48.520
AIにとってこれらの承認は幽霊のようなものです

00:03:48.520 --> 00:03:51.000
AIの世界ではそれらは存在していないも同然だからです

00:03:51.000 --> 00:03:54.640
これにより早すぎる意思決定シンドロームと呼ぶ危険な現象が生まれます

00:03:54.640 --> 00:03:59.040
これはユーザーがプロジェクトの進捗状況や推奨事項をAIに尋ねた時に起こります

00:03:59.040 --> 00:04:01.640
AIはシェアポイントにある利用可能な文書を確認します

00:04:01.640 --> 00:04:03.060
プロジェクト計画を見ます

00:04:03.060 --> 00:04:04.580
ドラフトの請求書も見ます

00:04:04.580 --> 00:04:06.500
すべて準備完了だと結論付けます

00:04:09.680 --> 00:04:12.100
調達ソフトウェアにある保留ステータスは認識できません

00:04:12.100 --> 00:04:15.740
ホームチームが外部ポータルで特定の条項にフラグを立てたことも知りません

00:04:15.740 --> 00:04:18.300
その結果は単なる小さなミスでは済みません

00:04:18.300 --> 00:04:20.740
組織としての信頼が完全に崩壊します

00:04:20.740 --> 00:04:24.020
AIが既存のワークフローに違反する行動をユーザーに促すと

00:04:24.020 --> 00:04:27.180
二重作業が発生し管理体制が回避されてしまいます

00:04:27.180 --> 00:04:31.160
単にインテリジェントアシスタントが問題ないと言ったという理由だけで

00:04:31.160 --> 00:04:34.000
新入社員が承認されていない発注を行ってしまうのです

00:04:34.000 --> 00:04:36.480
これはLLMの論理的な失敗ではありません

00:04:36.480 --> 00:04:38.300
可視性の欠如という失敗です

00:04:38.300 --> 00:04:40.120
資料の半分しかない部屋に閉じ込めたまま

00:04:40.120 --> 00:04:42.360
プロジェクトマネージャーの役割を求めているようなものです

00:04:42.360 --> 00:04:46.000
このコンテキストの欠如によるコストはやり直しのループによって測定されます

00:04:46.000 --> 00:04:51.020
外部システムでの却下や保留ステータスを見落としたAI生成のドラフトが拒否される度に

00:04:51.020 --> 00:04:53.900
約束されていた生産性の向上は失われます

00:04:53.900 --> 00:04:57.160
手作業による検証ステップをプロセスに戻さざるを得なくなり

00:04:57.160 --> 00:04:59.220
自動化の目的が台無しになります

00:04:59.220 --> 00:05:02.080
結局のところ高速なアシスタントを雇いながら

00:05:02.080 --> 00:05:04.520
そのアシスタントが社内のルールを根本的に知らないため

00:05:04.520 --> 00:05:06.940
常に監視する人間を雇っているようなものです

00:05:06.940 --> 00:05:09.920
このギャップを埋める唯一の方法がカスタムコネクタです

00:05:09.920 --> 00:05:13.760
これを使えば生のコンテンツとともに状態やステータスを可視化できます

00:05:13.760 --> 00:05:15.960
調達ツールへのコネクタを構築する際

00:05:15.960 --> 00:05:19.040
単に注文書のテキストをインデックス化するだけではありません

00:05:19.040 --> 00:05:21.800
承認プロセスのメタデータもインデックス化するのです

00:05:21.800 --> 00:05:25.180
ドキュメントの有効性が特定のシステムフラグと結びついていることを

00:05:25.180 --> 00:05:26.780
グラフが理解できるようにします

00:05:26.780 --> 00:05:29.320
これによりAIは単なるドキュメント読み取りかかりから

00:05:29.320 --> 00:05:31.320
プロセスを理解するパートナーへと進化します

00:05:31.320 --> 00:05:33.680
ドキュメント内の言葉だけに頼るのではなく

00:05:33.680 --> 00:05:36.280
社内のルールを基準にするようになるのです

00:05:36.280 --> 00:05:38.860
ユーザーがこれを出荷できますか?と尋ねた時

00:05:38.860 --> 00:05:41.740
AIは単に計画では可能ですと答えるだけではありません

00:05:41.740 --> 00:05:42.800
計画では可能ですが

00:05:42.800 --> 00:05:45.920
外部の出荷ポータルでは安全承認が保留中となっていますと答えるのです

00:05:45.920 --> 00:05:49.340
それこそがチャットボットとエンタープライズインテリジェンス層の違いです

00:05:49.340 --> 00:05:52.800
権限やステータスが魔法のように同期されるという思い込みはやめなければなりません

00:05:52.800 --> 00:05:54.440
承認がグラフの外部に存在する場合

00:05:54.440 --> 00:05:56.480
AIはそのゲートキーパーに対して盲目になります

00:05:56.480 --> 00:05:58.180
こうした接続を設計することで

00:05:58.180 --> 00:06:00.720
実態のない承認を具体的なデータポイントへと変換できます

00:06:00.720 --> 00:06:03.980
AIがビジネスロジックの境界線を確実に尊重するようにします

00:06:03.980 --> 00:06:07.440
自信過剰な推測やをルールを守るアドバイザーへと変えるのです

00:06:07.440 --> 00:06:09.360
こうして重複する労力を止め

00:06:09.360 --> 00:06:13.180
ビジネスの判断基準を真に理解するAIの構築が始まります

00:06:13.180 --> 00:06:16.900
2つ目の盲点

00:06:16.900 --> 00:06:18.920
分断されたカスタマージャーニーです

00:06:18.920 --> 00:06:21.660
顧客があなたの会社をどのように体験しているか考えてみてください

00:06:21.660 --> 00:06:23.360
彼らにとって部署の区別などないのです

00:06:23.360 --> 00:06:25.060
顧客は一つの組織として見ています

00:06:25.060 --> 00:06:27.740
しかし社内の現実は孤立した島の集まりです

00:06:27.740 --> 00:06:29.260
CRMには販売データがあり

00:06:29.260 --> 00:06:31.420
チケットシステムはサポートの問題を管理しています

00:06:31.420 --> 00:06:34.400
配送プラットフォームは実際の履行状況を追跡しています

00:06:34.400 --> 00:06:35.580
この群島の中央に

00:06:35.580 --> 00:06:39.620
マイクロソフト365という島の地図しか持たないAIアシスタントを投入してしまいました

00:06:39.620 --> 00:06:41.200
これが偏った対応を生み

00:06:41.200 --> 00:06:43.740
ブランドの評判を大きく損なう恐れがあります

00:06:43.740 --> 00:06:44.720
長期の顧客から

00:06:44.720 --> 00:06:48.260
新しいプロジェクトの見積もりを求めるメールが届いたと想像してみてください

00:06:48.260 --> 00:06:50.680
AIはアウトルックでそのメールを認識します

00:06:50.680 --> 00:06:52.240
シェアポイントのホルダをスキャンし

00:06:52.240 --> 00:06:54.100
顧客の過去の契約書を確認します

00:06:54.100 --> 00:06:56.960
そして拡張について話し合うための会議を提案する

00:06:56.960 --> 00:06:59.120
明るく積極的な返信文を作成します

00:06:59.120 --> 00:07:00.420
完璧に思えます

00:07:00.420 --> 00:07:03.420
しかし極めて重要な文脈が欠落しています

00:07:03.420 --> 00:07:06.080
AIは外部のサービスデスクに届いている

00:07:06.080 --> 00:07:10.420
その同じ顧客からのシステム障害に関する緊急のチケットを見ることができません

00:07:10.420 --> 00:07:12.760
チケットデータがグラフにインデックスされていないため

00:07:12.760 --> 00:07:15.040
顧客が危機的状況にあるにも関わらず

00:07:15.040 --> 00:07:17.920
AIは丁寧な売り込みメールを作成してしまうのです

00:07:17.920 --> 00:07:21.240
アカウントマネージャーがAIの生成した下書きを送信すれば

00:07:21.240 --> 00:07:23.280
単に売上を逃すだけでは済みません

00:07:23.280 --> 00:07:27.020
顧客の現実に全く寄り添えていないことを示してしまうことになります

00:07:27.020 --> 00:07:30.520
私たちはやり直しや一貫性のない顧客体験を解決しようとしていますが

00:07:30.520 --> 00:07:33.320
AIが断片的な情報しか見ていなければそれは不可能です

00:07:33.320 --> 00:07:36.740
多くの組織は統合機能があるから解決済みだと考えています

00:07:36.740 --> 00:07:39.580
CRMとメールは統合されていると言います

00:07:39.580 --> 00:07:42.480
しかしここに理解すべき構造的な欠陥があります

00:07:42.480 --> 00:07:45.000
統合とインデックスは別物です

00:07:45.000 --> 00:07:47.700
統合によってアウトルック内でCRMレコードを見ることはできても

00:07:47.700 --> 00:07:49.860
AIがそれを横断して推論できるとは限りません

00:07:49.960 --> 00:07:52.320
AIが状況を関連づけサポートの危機ゆえに

00:07:52.320 --> 00:07:54.200
営業の問い合わせを保留すべきだと判断するには

00:07:54.200 --> 00:07:56.720
データがセマンティックインデックス内に存在する必要があります

00:07:56.720 --> 00:07:59.620
グラフの統合された世界モデルの一部でなければならないのです

00:07:59.620 --> 00:08:00.660
インデックスがなければ

00:08:00.660 --> 00:08:03.740
AIは状況認識能力のないただの早いタイピストにすぎません

00:08:03.740 --> 00:08:06.480
全体像を把握できない専門ツールにすぎないのです

00:08:06.480 --> 00:08:08.940
これらの外部の島々へのカスタムコネクタを構築することで

00:08:08.940 --> 00:08:11.120
グラフに一元化されたハンドオフのビューを提供できます

00:08:11.120 --> 00:08:13.600
あなたはこれらの断片を一つのジャーニーへと変えるのです

00:08:13.600 --> 00:08:16.880
チケットシステムCRM配送ログがすべてインデックスされれば

00:08:16.880 --> 00:08:19.760
AIはついに顧客のライフサイクル全体を把握できるようになります

00:08:19.760 --> 00:08:23.500
保留中の販売案件と未解決のチケットの間にある緊張関係を認識できるようになります

00:08:23.500 --> 00:08:25.240
AIはユーザーに警告できます

00:08:25.240 --> 00:08:26.660
返信案を作成しましたが

00:08:26.660 --> 00:08:30.040
サービスポータルに未解決の優先度の高い問題があることをお伝えしておきますと

00:08:30.040 --> 00:08:34.000
これこそが自動化された返信からインテリジェントなエンゲージメントへと移行する方法です

00:08:34.000 --> 00:08:37.020
全容を知らないAIを人間が手作業で修正するという

00:08:37.020 --> 00:08:38.820
無駄なやり直しを防ぐことができます

00:08:38.820 --> 00:08:41.460
テクノロジーのせいで組織が統制されていないように見えてしまう

00:08:41.460 --> 00:08:42.820
恥ずかしい瞬間を防げます

00:08:42.820 --> 00:08:46.100
本質的にAIに空気を読む能力を与えているのです

00:08:46.100 --> 00:08:50.180
しかしそれには顧客データをバラバラの島に放置することをやめなければなりません

00:08:50.180 --> 00:08:54.980
AIが実際に利用できるようデータをグラフへ統合する橋渡しが必要です

00:08:54.980 --> 00:08:59.780
全体を通じた認識こそが断片化した混乱を競争優位へと変える唯一の手段です

00:08:59.780 --> 00:09:01.740
引き継ぎをインデックス化しなければ

00:09:01.740 --> 00:09:06.120
最も重要な会議に常に欠席しているアシスタントに給料を払っているようなものです

00:09:06.120 --> 00:09:07.060
資格その3

00:09:07.060 --> 00:09:08.640
リスクと例外の露呈

00:09:08.640 --> 00:09:13.360
どの組織も公式ハンドブックには滅多に乗らない隠れた例外の層で動いています

00:09:13.360 --> 00:09:15.740
オンボーディングで誰もが読む標準ポリシーと

00:09:15.740 --> 00:09:18.820
実際の業務遂行の現実との間には乖離があります

00:09:18.820 --> 00:09:24.040
その現実は免除事項、監査メモ、特別価格協定、地域特有の安全プロトコルで構成されています

00:09:24.040 --> 00:09:26.580
これらは単なる保管用の追加書類ではありません

00:09:26.580 --> 00:09:31.320
これらは会社が法的または経済的な深淵へ陥らないように守るガードレールなのです

00:09:31.320 --> 00:09:36.560
問題はこれらのガードレールがAIの読んでいるシェアポイントフォルダにはほとんど存在しないことです

00:09:36.560 --> 00:09:38.960
これらはニッチなシステムや不明瞭なデータベース

00:09:38.960 --> 00:09:42.940
あるいはマイクロソフトグラフの外にあるレガシーなコンプライアンス保管庫に存在します

00:09:42.940 --> 00:09:45.200
AIが標準的な行動を推奨する際

00:09:45.200 --> 00:09:49.000
それは一般的なポリシーが常に誰にでも適用されるという前提で動作します

00:09:49.000 --> 00:09:52.720
しかし企業においてルールよりも例外の方が重要な場合が多々あります

00:09:52.720 --> 00:09:58.360
アシスタントが標準的な配送ルートを提案しても規制ポータルにある特定の環境免除規定を見落とせば

00:09:58.360 --> 00:10:00.060
それは単なるミスでは済みません

00:10:00.060 --> 00:10:04.560
知的なツールを使って違反を自動化するというコンプライアンス上の悪夢を生み出してしまうのです

00:10:04.560 --> 00:10:09.700
ここで資格は単なる生産性の悩みの種からビジネス全体を揺るがす構造的脅威へと変わります

00:10:09.700 --> 00:10:13.840
認識こそが単純な自動化と真の知能を分かつ決定的な違いです

00:10:13.840 --> 00:10:18.340
自動化はスクリプトに従うだけですが知能はそのスクリプトの背景にある文脈を理解します

00:10:18.340 --> 00:10:24.920
ニッチなリスクシステムへのカスタムコネクタがなければAIは日常的なタスクと高リスクな例外を区別できません

00:10:24.920 --> 00:10:27.840
状況にそぐわない正しい答えを返してくるでしょう

00:10:27.840 --> 00:10:31.160
ホームデータベースに割引不可のフラグがあるクライアントに対し

00:10:31.160 --> 00:10:34.340
AIは自信を持って標準割引の提案を営業担当者に指示します

00:10:34.340 --> 00:10:37.000
AIが反抗しているわけでも意地悪をしているわけでもありません

00:10:37.000 --> 00:10:39.160
単に根本的な情報が不足しているだけなのです

00:10:39.160 --> 00:10:43.860
私たちは議論の焦点を一般的なポリシーは何かからこの特定のケースにおけるポリシーは何かへと移さなければなりません

00:10:43.860 --> 00:10:48.280
その転換には例外データをグラフの推論レイヤーに取り込むカスタムコネクタが必要です

00:10:48.280 --> 00:10:53.240
監査メモや免除事項をインデックス化することでAIに停止を判断する能力を与えられます

00:10:53.240 --> 00:10:56.980
標準的な手順に従うべきではない状況をAIが認識できるようになります

00:10:56.980 --> 00:11:00.320
これこそがAI戦略のロイを経営陣に証明する方法です

00:11:00.320 --> 00:11:03.340
単にメールの作成がどれだけ早くなったかという話ではありません

00:11:03.340 --> 00:11:09.480
レガシーな保管庫に隠れた特殊なステータスをAIが把握することで高額なコンプライアンス違反を回避できるという話です

00:11:09.480 --> 00:11:14.060
多くのチームはアクセスが困難であったりデータ量が少なかったりするニッチなシステムを無視しがちです

00:11:14.060 --> 00:11:18.500
彼らはまず主要なシェアポイントサイトに注力しますがそこにこそリスクが蓄積しているのです

00:11:18.500 --> 00:11:23.120
主要サイトには一般的な知識が含まれていますがニッチなシステムには重大な例外が含まれています

00:11:23.120 --> 00:11:27.400
後者を無視することは実質的にAIを自信満々な素人に育てているようなものです

00:11:27.400 --> 00:11:31.340
それは基本は知っていても地雷がどこに埋まっているかを知らない人間のようなものです

00:11:31.340 --> 00:11:35.020
こうしたコネクタの設計はIT部門の単なる技術的な作業ではありません

00:11:35.020 --> 00:11:37.220
それはリスク軽減のための戦略です

00:11:37.220 --> 00:11:43.020
AIを全社に展開する中で壊滅的な見落としの確率まで拡大させないようにするためです

00:11:43.020 --> 00:11:47.240
マシンのロジックを組織運営の実際の複雑さに根差させるのです

00:11:47.240 --> 00:11:53.440
AIがプロジェクト計画と並んで監査メモを参照できるようになればそれは不採ではなく保護者となります

00:11:53.440 --> 00:12:00.040
視覚を戦略的優位性に変えAIによるあらゆるアクションが迅速かつ根本的に安全であることを保証します

00:12:00.040 --> 00:12:03.760
こうしてリスクを正しく理解するビジネスの能が構築されるのです

00:12:03.760 --> 00:12:06.520
ライブインジェストリアルタイム取り込みのアーキテクチャについて

00:12:06.520 --> 00:12:10.240
推測を排除するならそのブリッジがどのように構築されるかを議論しなければなりません

00:12:10.240 --> 00:12:13.180
これは一括データ移動や昔ながらの意向とは異なります

00:12:13.180 --> 00:12:16.880
私たちは推論エンジンに供給するための高精度なパイプラインを構築しているのです

00:12:16.880 --> 00:12:21.040
そのために私はイベント推論オーケストレーションモデルというフレームワークを使用しています

00:12:21.040 --> 00:12:25.700
これは沈黙するデータベースをAIの世界の能動的な参加者へと変えるための青写真です

00:12:25.700 --> 00:12:27.900
第一の柱は接続です

00:12:27.900 --> 00:12:31.320
これはソースへの物理的なリンクですが単なるパイプ以上の役割を果たします

00:12:31.320 --> 00:12:33.740
単にデータのバケツをグラフに放り込むわけではありません

00:12:33.740 --> 00:12:35.480
アイデンティティをマッピングしているのです

00:12:35.480 --> 00:12:37.880
ここがほとんどのエンジニアリングチームがつまずく箇所です

00:12:37.880 --> 00:12:40.140
外部システムがユーザーを社員99番と識別し

00:12:40.140 --> 00:12:43.480
マイクロソフトエントラIDがgendoeatmarkcompany.comとして認識している場合

00:12:43.480 --> 00:12:45.260
AIはその人物と権限を結びつけられません

00:12:45.260 --> 00:12:48.120
ソースの段階でそのアイデンティティを正規化しなければなりません

00:12:48.120 --> 00:12:49.780
データが1ビットでも移動する前に

00:12:49.780 --> 00:12:53.600
すべてのレコードが企業IDシステムのDNAを保持していることを確認する必要があります

00:12:53.600 --> 00:12:55.640
AIがデータの所有者を確認できない場合

00:12:55.640 --> 00:12:57.200
そのデータは誰にも表示されません

00:12:57.200 --> 00:12:58.740
第二の柱はスキーマです

00:12:58.740 --> 00:13:00.740
これはコネクタの辞書のようなものだと考えてください

00:13:00.740 --> 00:13:02.980
グラフに対して何を見ているのかを教える必要があります

00:13:02.980 --> 00:13:04.380
これはステータスフィールドでしょうか

00:13:04.380 --> 00:13:05.520
それとも記述でしょうか

00:13:05.520 --> 00:13:07.000
重要な例外事項でしょうか

00:13:07.000 --> 00:13:08.540
これらのプロパティを明確に定義しなければ

00:13:08.540 --> 00:13:10.120
AIにはただのテキストの羅列にしか見えません

00:13:10.120 --> 00:13:13.000
キーワードは見つけられてもその重要性は理解できないのです

00:13:13.000 --> 00:13:14.620
充実したスキーマを作成することで

00:13:14.620 --> 00:13:17.320
セマンティックインデックスが情報を適切にランク付けできるようになります

00:13:17.320 --> 00:13:19.000
ユーザーがリスクについて尋ねた時に

00:13:19.000 --> 00:13:21.740
この特定のフィールドを最初に見るようAIに指示するのです

00:13:21.740 --> 00:13:24.360
これは送り込むテレメトリに優先順位をつける方法を

00:13:24.360 --> 00:13:25.900
マシンに学習させることに他なりません

00:13:25.900 --> 00:13:28.980
第3の柱はアクセス制御リストACLです

00:13:28.980 --> 00:13:31.020
これはセキュリティの調整を行うものです

00:13:31.020 --> 00:13:33.740
AIの世界においてアクセス権限は生産性の向上と

00:13:33.740 --> 00:13:35.300
大規模なデータ漏洩の分かれ道となります

00:13:35.300 --> 00:13:38.540
コネクタは元の権限を完全に忠実に再現しなければなりません

00:13:38.540 --> 00:13:40.920
元のSQLデータベースで記録を見ることができないユーザーは

00:13:40.920 --> 00:13:43.260
コパイロットの応答でも見ることができないようにする必要があります

00:13:43.260 --> 00:13:45.460
私たちはエントラーIDベースの視覚情報を使用して

00:13:45.460 --> 00:13:47.580
全てのクエリがリアルタイムで制限されるようにしています

00:13:47.580 --> 00:13:50.000
AIがユーザーの権限を超えて情報を見てしまうようでは

00:13:50.000 --> 00:13:51.380
ツールを作ったことにはなりません

00:13:51.380 --> 00:13:53.260
脆弱性を作ってしまったことになります

00:13:53.260 --> 00:13:55.000
次にスピードの問題があります

00:13:55.000 --> 00:13:57.940
0.4に関するサービスレベル目標SLをお定義しなければなりません

00:13:57.940 --> 00:14:00.100
全てがリアルタイムに近い必要はありません

00:14:00.100 --> 00:14:03.600
アーカイブされた監査ログは24時間ごとのバッチ同期で十分かもしれませんが

00:14:03.600 --> 00:14:06.000
承認待ちの状態はストリーミングする必要があります

00:14:06.000 --> 00:14:07.660
私たちは夜間のクローリングから

00:14:07.660 --> 00:14:09.860
イベント駆動型のインジェクションへと移行しています

00:14:09.860 --> 00:14:11.580
ERPのステータスが変更されたら

00:14:11.580 --> 00:14:14.260
その変更が即座にグラフインデックスの更新をトリガーすべきです

00:14:14.260 --> 00:14:16.980
これによりAIが古い情報を機に動作することを防ぎます

00:14:16.980 --> 00:14:19.060
ここでの技術的な転換は非常に大きなものです

00:14:19.060 --> 00:14:21.500
私たちはデータ移行からセマンティックインデックスへと移行しています

00:14:21.500 --> 00:14:23.600
データを保存するために移動させるのではありません

00:14:23.600 --> 00:14:26.100
AIが横断的に推論できるように移動させるのです

00:14:26.100 --> 00:14:29.440
LLMがナビゲートできるビジネスロジックの地図を構築しているのです

00:14:29.440 --> 00:14:33.760
このアーキテクチャこそがサイロ化された情報の集まりを統一された知能レイヤーへと変えるのです

00:14:33.760 --> 00:14:35.800
これはバラバラのセンサーを持っている状態と

00:14:35.800 --> 00:14:38.280
完全に機能するダッシュボードを持っている状態との違いです

00:14:38.280 --> 00:14:40.220
このインジェクションモデルを習得することで

00:14:40.220 --> 00:14:44.280
単なるデータ管理者から会社の集合地を構築するアーキテクトへと変われるのです

00:14:44.280 --> 00:14:47.220
これこそがリアルタイムのビジネス脳の基盤となります

00:14:47.220 --> 00:14:49.780
ガバナンスを競争上の優位性に変えるのです

00:14:49.780 --> 00:14:52.720
ガバナンスをホーム部門からの否定的な意見の集まりとみなすのは

00:14:52.720 --> 00:14:53.940
もうやめなければなりません

00:14:53.940 --> 00:14:55.640
マイクロソフトグラフの時代において

00:14:55.640 --> 00:14:58.180
ガバナンスこそが最大の競争優位性となります

00:14:58.180 --> 00:14:59.300
なぜでしょうか

00:14:59.300 --> 00:15:01.760
自社のデータを最も信頼できる組織こそが

00:15:01.760 --> 00:15:03.580
最も迅速に動けるからです

00:15:03.580 --> 00:15:06.760
AIが地域の境界やユーザー権限を遵守しているか確信が持てず

00:15:06.760 --> 00:15:08.860
常にAIを疑ってしまうような状況では

00:15:08.860 --> 00:15:10.540
自然とブレーキを踏むことになります

00:15:10.540 --> 00:15:12.160
展開は制限されるでしょう

00:15:12.160 --> 00:15:14.600
追い求めていたロイそのものを損なうことになります

00:15:14.600 --> 00:15:16.760
問題はこれまで過剰な権限設定がされた

00:15:16.760 --> 00:15:18.900
ファイル共有を静かなリスクとして扱ってきたことですが

00:15:18.900 --> 00:15:20.480
AIがプロンプトへの回答のために

00:15:20.480 --> 00:15:22.120
コンテキストを積極的に探索する世界では

00:15:22.120 --> 00:15:24.180
その同じファイル共有が次元爆弾となります

00:15:24.180 --> 00:15:26.920
最小権限の原則はもはや提案ではありません

00:15:26.920 --> 00:15:29.240
それは安全なAI戦略の基盤なのです

00:15:29.240 --> 00:15:30.800
コネクタは単純なルールに基づいて

00:15:30.800 --> 00:15:31.820
構築されなければなりません

00:15:31.820 --> 00:15:33.180
ユーザーがアクセスすべきでないものは

00:15:33.180 --> 00:15:34.500
AIも表示すべきではありません

00:15:34.500 --> 00:15:36.760
私たちはエントラーID主導の権限付与を使用しています

00:15:36.760 --> 00:15:39.120
これが唯一の信頼できる情報源となるからです

00:15:39.120 --> 00:15:42.540
AIの可視性のために手動のアクセス申請が飛び交うことは望んでいませんし

00:15:42.540 --> 00:15:45.420
権限を二重に管理することも絶対に避けたいと考えています

00:15:45.420 --> 00:15:46.900
役割とアイデンティティに基づき

00:15:46.900 --> 00:15:50.180
各個人が何を推論できるかをシステムが正確に把握することを求めています

00:15:50.180 --> 00:15:52.460
次にデータレジデンシーの問題があります

00:15:52.460 --> 00:15:54.580
グラフに情報がインデックスされているからといって

00:15:54.580 --> 00:15:56.620
地域の境界が消滅したわけではありません

00:15:56.620 --> 00:15:58.240
インデックスにあるからという理由は

00:15:58.240 --> 00:16:00.080
そのデータが物理的にどこに保存されているか

00:16:00.080 --> 00:16:02.380
誰が管轄権を持っているかを無視する言い訳にはなりません

00:16:02.380 --> 00:16:03.360
ガバナンスモデルは

00:16:03.360 --> 00:16:06.660
EUデータ協会やその他の主権要件を考慮に入れる必要があります

00:16:06.660 --> 00:16:08.460
AIがデータを認識していても

00:16:08.460 --> 00:16:12.140
そのデータが属さない地域へ移動していないことを証明できなければなりません

00:16:12.140 --> 00:16:14.800
これは所有権における根本的な転換につながります

00:16:14.800 --> 00:16:16.340
構築するすべてのカスタムコネクタには

00:16:16.340 --> 00:16:17.920
開発者以上の存在が必要です

00:16:17.920 --> 00:16:19.540
ビジネスオーナーが必要です

00:16:19.540 --> 00:16:23.560
その人物はデータの品質基準とライフサイクルポリシーに責任を負います

00:16:23.560 --> 00:16:25.120
彼らはコネクタの廃止時期や

00:16:25.120 --> 00:16:28.740
ビジネスの変化を反映するためのスキーマ更新のタイミングを決定します

00:16:28.740 --> 00:16:30.000
この所有権がなければ

00:16:30.000 --> 00:16:32.140
グラフはデジタルなゴミ捨て場と化してしまいます

00:16:32.140 --> 00:16:34.660
それは混乱した脳に古いテレメトリを提供する

00:16:34.660 --> 00:16:36.780
放棄されたセンサーの集まりになってしまうのです

00:16:36.780 --> 00:16:38.520
2026年の現実として

00:16:38.520 --> 00:16:41.120
AIの性能はガバナンスモデルの質に左右されます

00:16:41.120 --> 00:16:44.720
コネクタを一家製のITプロジェクトとして扱えば失敗するでしょう

00:16:44.720 --> 00:16:47.660
しかしそれを継続的なビジネス意識戦略として扱えば

00:16:47.660 --> 00:16:49.060
成功を収めることができます

00:16:49.060 --> 00:16:52.300
あなたは従業員がこれらのツールを完全に信頼して使用できる

00:16:52.300 --> 00:16:54.300
信頼のフレームワークを構築しているのです

00:16:54.300 --> 00:16:59.200
企業の集合値が財務監査と同等の厳格さで管理されるようにしているのです

00:16:59.200 --> 00:17:00.400
その信頼こそが

00:17:00.400 --> 00:17:04.500
AIが何を漏らすか恐れて委員会で足踏みする競合を尻目に

00:17:04.500 --> 00:17:06.480
事業を拡大させる力となるのです

00:17:06.480 --> 00:17:07.980
宿題はシンプルです

00:17:07.980 --> 00:17:09.080
文脈の欠如により

00:17:09.080 --> 00:17:11.660
現在最も手戻りが発生しているシステムを一つ特定してください

00:17:11.660 --> 00:17:13.460
一度に全てを変えようとしてはいけません

00:17:13.460 --> 00:17:15.680
インパクトの大きい接続先を一つ見つけましょう

00:17:15.680 --> 00:17:18.280
例えば調達状況やCRMのチケットステータスを

00:17:18.280 --> 00:17:19.980
アウトルックやチームに統合するのです

00:17:19.980 --> 00:17:21.180
単なる自動化よりも

00:17:21.180 --> 00:17:23.340
状況把握が常に勝ることを証明してください

00:17:23.340 --> 00:17:25.460
静的なラグからライブテレメトリへの転換で

00:17:25.460 --> 00:17:27.580
企業インテリジェンスへの考え方が変わったなら

00:17:27.580 --> 00:17:28.680
リンクトインで私

00:17:28.680 --> 00:17:30.320
ミルコペータースをフォローしてください

00:17:30.320 --> 00:17:33.680
特に不完全な情報で重要な意思決定を下すことに疲れているなら

00:17:33.680 --> 00:17:35.100
ぜひチームと共有してください

00:17:35.100 --> 00:17:36.000
状況把握こそが

00:17:36.000 --> 00:17:37.400
単なる気の利いたチャットボットを

00:17:37.400 --> 00:17:38.640
真のビジネス脳へと変えるのです

00:17:38.640 --> 00:17:39.400
推測はやめ

00:17:39.400 --> 00:17:40.920
事実を直視する時が来ました

00:17:40.920 --> 00:17:42.780
あなたの企業にふさわしい神経システムを

00:17:42.780 --> 00:17:43.680
一緒に構築しましょう
