大量のデータがあるのに、なぜ手探り？　150年企業・資生堂のAI奮闘記

長い歴史を持つ企業には、AIで生かせるデータや知見が豊富にある。それでも、データ改革はスマートには進まなかった。資生堂のデータチームが直面した、150年企業ならではの難しさとは。

　「豊富なデータがあるのだから、AI活用もスムーズに進むはず」――そう思うかもしれない。だが、創業150年を超える資生堂のデータ改革は、その見立てを裏切る泥臭い道のりだった。

　AI活用の第一歩は、AIが参照するデータを集めることだ。だが、集めるだけでは足りない。どの数字が何を意味し、どう使えばよいのかが共有されていなければ、使うたびにデータ部門へ問い合わせることになる。それでは、AIを導入しても現場が自律的に使いこなす状態にはならない。だからこそ、データに意味を持たせ、誰もが使えるようにするデータ基盤の構築が鍵となる。

　資生堂も同じような課題を抱え、AI活用の前提となる基盤整備に乗り出した。鍵を握ったのは、基盤の完成を待たずに、組織とデータをつなぎ続けるという進め方だった。150年企業は、何を起点にそれを成し遂げたのか。

4つのフェーズで「Data as a Product」を推進

　資生堂では、DX＆AIX戦略部がAI変革とデータ活用の推進を担っている。同部が目指すのは、単なる業務効率化ではなく、「AI-Readyなデータ基盤を構築し、競争優位の源泉となるデータを発掘、資産化すること」にある。

　その取り組みを実務面で担うのが、データマネジメントグループだ。グループマネージャーを務める李隆浩氏は、データ基盤の構築と、意思決定を支えるデータ分析、現場の自立に向けたデータ活用の民主化、社内に眠る暗黙知やデータの資産化という4つを軸に、資生堂グループ全体のデータ整備と活用を推進している。

　その取り組みの一つが「Data as a Product」（DaaP）だ。DaaPとは、システムにデータをため込むだけではなく、データそのものをAIや人間が迷わず使いこなせるプロダクトとして扱うアプローチで、データ活用と価値創造を加速させる実践的なアプローチだという。

　ただし、その実現までの道のりは「決してスマートなものではなかった」と李氏は振り返る。分厚い組織の壁やサイロ化された複雑なデータ、事業部門との意識の溝にデータチームが向き合った過程を、李氏は「泥臭く情熱的にぶつかっていった、真実の奮闘史」と表現した。

　DaaPの取り組みは、大きく4つのフェーズに分けられる。1つ目は、サイロを解消し、AIが理解できる意味のあるデータを構築する「DaaPの基盤整備」。2つ目は、自立のための技術伝承に向けた「DaaPの伝承と浸透」。3つ目は、自社の強みを利益化する「AI-CXによる価値加速」。4つ目は、AIとともにビジネスの最前線をデザインする「われわれの役割進化」だ。

　李氏は、この過程について、完璧な準備を待つのではなく、ビジネスの最上流から逆算しながら、組織とデータをつなぎ続けた取り組みだったと説明した。

サイロを解消し、AIが理解できる意味のあるデータを構築する

　1つ目の「DaaPの基盤整備」は、大企業の宿命ともいえる縦割りとサイロ化を解消する取り組みだ。資生堂では、複雑なビジネスモデルと組織の縦割りが引き起こす個別最適が、横断的なデータ活用を阻んでいた。

　そこで、既存資産を生かしつつ、点在するデータを「Google Cloud」に集約した。購買履歴などの構造化データに加え、店頭の会話ログやマニュアルなどの非構造化データも対象とした。生データを集約して加工するメダリオンアーキテクチャを採用し、他社クラウドで動くデータも一元化したことで、李氏が「戦える基盤」と呼ぶ、AI活用を始動できる環境へと再編成した。

　ただし、データを集約しただけでは活用は進まない。李氏によると、そこで重要になるのがデータの意味付けだという。

この記事の著者

関連記事

• 

  「答えは現場にある」　東京都、明治安田が語る、2026年に"AIを使いこなす人"の条件

• 

  オムロンのデータドリブン経営の神髄と同社の傾倒するSINIC理論とは

• 

  AIはERPの未来をどう変える　SAP、Microsoft、Oracleの取り組みから考える