実質的な価値創出に至った企業は4％、生成AIで成果が出ない理由と解決策

　2025年は、生成AIが実験段階から経済的価値の創出へと移行した転換点といえる。しかし、ある調査によれば、概念実証を終えて何らかの価値を生み出している企業はわずか22％にとどまり、実質的な価値創出に至った企業は4％にすぎない。

　別の調査では72％の組織がユースケース拡大における重要な課題としてデータ管理を挙げており、増え続けるデータソースや、生成AIが必要とする膨大なデータ量に対応する基盤の整備に苦戦している様子が明らかになっている。特に課題となるのは大規模言語モデル（LLM）の限界であり、特定企業の顧客情報や製品の詳細といった最新のビジネスコンテキストがなければ、実運用での有効性は大きく制限される。この課題を解決する実装パターンとして注目されているのが、検索拡張生成（RAG）アーキテクチャだ。

　RAGはリアルタイムのデータを生成AIの結果に組み込めるが、その実装には適切なデータ管理基盤が不可欠となる。論理データ管理のアプローチであれば、データ仮想化技術を活用し、生成AIに必要なデータを必要な形式で必要なときに提供できる。詳細については、本資料を確認していただきたい。