1 つの語彙、2 つの対象者: AI とダッシュボードがセマンティック レイヤーを共有する必要がある理由

3つの異なる意味をもつ数字

同じ会社の 3 つのチームに「今四半期のアクティブなメンバー」を尋ねると、多くの場合、3 つの数字が得られます。マーケティングでは、電子メールを開いた人をカウントします。ロイヤルティ チームは、購入したメンバーをカウントします。財務では、価値を引き換えたメンバーをカウントします。どれも嘘をついていません。これらは異なる定義に基づいて動作し、異なる SQL でエンコードされ、異なるツールに存在します。言葉は共有されます。意味はそうではありません。

人間がこれらの数値の唯一の消費者である場合、これは許容できる問題でした。経験豊富なアナリストは、どの定義を意味するのかを尋ね、スライドの脚注を残りの部分の上に置くことを知っています。しかし、AI エージェントに同じデータを向けた瞬間、脚注は消え、曖昧さが問題になります。エージェントは、「アクティブ」が争われていることを知りません。定義を選択し、さらに悪いことに、定義を発明し、他のすべてのものと同じ自信を持って結果を表示します。

ツールは動詞です。セマンティック層は語彙です

エージェントにツールを与えるということは、クエリ、要約、比較、予測などの動詞を与えることになります。 Anthropic のモデル コンテキスト プロトコルはこれを形式化したものです。ツールとは、モデルが呼び出すことができる型付けされた名前付きの機能です。そのフレーミングは正しくて役に立ちます。しかし、その背後に共通の語彙がない動詞は、即興で作ることができるのです。 「収益を教えてください」は、「収益」が 1 つの認定された定義 (人間がダッシュボード上で見るものと同じもの) に解決され、毎回同じ方法で計算される場合にのみ安全です。

これが中心的な議論です。認定メトリクスのセマンティック層は、エージェントの動詞を正直に保つための共有語彙です。ツールはエージェントを動作させます。セマンティック層は、それらのアクションが何を意味するかを表します。 2 つを分離すると、クエリを実行できるエージェントが得られますが、クエリを解釈することは信頼できません。それらを統合すると、エージェントは、アナリストがすでに同意するために戦ったすべての定義を無料で継承します。

以下の規律は、言うのは簡単ですが、偽造するのは難しいものです。つまり、1 つの語彙、2 つの聴衆です。人々はダッシュボードやアドホックな質問を通じてそれを利用します。エージェントは、MCP ツールとコパイロットを通じてそれを使用します。どちらも同じ認証済みレイヤーから読み取るため、人間が要求してもエージェントが要求しても、数値は同じ意味を持ちます。

共有層がない場合の障害モード

セマンティック層をスキップすると、3 つの障害が同時に発生します。まず、AI は数値の幻覚を見せます。モデルが壊れているからではなく、標準的な定義が何もない生のテーブルを推論するように AI に指示したため、そのギャップをもっともらしい推測で埋めます。第 2 に、KPI の定義が変動します。すべてのチーム、ツール、ノートブックがわずかに異なる方法で「チャーン」または「AOV」を再実装し、その相違は静かに増大します。第三に、「セルフサービス分析」では矛盾する数値が生成され、組織はそれらすべてを静かに信頼するのをやめます。

デロイトの「企業におけるAIの現状」調査では、AIをパイロット段階から本番運用へとスケールアップさせる上で、モデルの生の能力ではなく、信頼とガバナンスが障壁となっていることが一貫して示されています。これは、分析における課題にも直接当てはまります。問題となるのは、モデルがSQLを記述できるかどうかではなく、その回答を信頼して行動に移せるかどうか、そして後になって、そのnumberがどこから来たのかを説明できるかどうかです。

認定された定義とその背後にあるバージョン履歴

認証済みメトリクスは、所有者が確認し、信頼できる唯一の情報源として承認した定義です。 「アクティブなメンバー」は、現在のクエリが計算するものではありません。明示的なロジック、所有者、およびステータスを備えた、名前付きの管理対象オブジェクトです。マーケティング、ロイヤルティ、財務の意見が異なる場合でも、SQL で議論する必要はなくなりました。彼らは一度、その定義について公の場で議論した。その後、それは認証され、すべての人間、すべてのエージェントが同じ答えを継承します。

バージョン管理によって耐久性が高まります。定義は進化します。会計カレンダーが変更され、セグメントが洗練され、データ ソースが修正されます。バージョン管理を行わないと、再定義によって履歴が自動的に書き換えられ、前四半期のボード番号が再現されなくなります。これを使用すると、すべての指標にその系譜が伝わるため、監査人や CFO が実際に尋ねる質問に答えることができます。単に「数値は何か」ではなく、「報告日のその数値は、どのような定義に基づいていたのか」ということです。

1 つのクエリ エントリ ポイント。その外側でテナントのスコープが適用される

定義は、それを実行するパスと同じくらい信頼できます。私たちのアーキテクチャでは、すべてのメトリクスは、ダッシュボードまたはエージェント ツールによって要求されたかどうかに関係なく、単一のクエリ エントリ ポイントを通じて解決されます。 AI にとって、これより緩やかな第 2 の道はありません。副操縦士と画面上のチャートは、同一の認定済みロジックを実行します。これが、数値が発散できない機械的な理由です。

テナントの分離はクエリの内部ではなく外部で強制されます。呼び出し元は、どのテナントのデータを表示するかについて決して提供せず、影響を与えることもできません。スコープは、認証されたコンテキストから実行層によって適用されます。これは、スクリプトではない方法で入力を作成するエージェントにとって非常に重要です。モデルが組み立てを支援したクエリ文字列内に分離が存在する場合、巧妙なプロンプトがそれを混乱させる可能性があります。スコープはクエリの外部にあるため、敵対的または偶発的なプロンプトはテナントの境界を越えることはできません。その結果、再現可能で、テナントから分離され、構築による監査が可能な回答が得られます。

許可ベースの読み取り専用ビュー: モデルが論理的に回避できないセキュリティ

現在、エンタープライズ AI で最も危険なパターンは、チャットボットを生のテーブルに直接ボルトで固定することです。それは美しくデモし、まさにあなたが買うことができない場所で失敗します。テーブル アクセスが与えられると、エージェントは、結合する予定のなかったデータを結合したり、ソース システムから離れるはずのない列を表示したり、すべて一致しない 3 つの有効と思われる方法でメトリクスを計算したりできます。あなたは確率システムが慣習としてのみ存在する境界を尊重することを信頼していることになります。

別の方法は、データベース内のモデルの下に境界を強制することです。認可ベースの読み取り専用ビューを通じて認証済みレイヤーを公開します。 AI の資格情報は、これらのホワイトリストに登録された安全なビューを読み取ることができますが、それ以外は何も読み取ることができません。生のテーブル、書き込みパス、証明されたサーフェスの外側にある列は読み取りません。境界はデータベースの許可であり、システム プロンプトの指示の段落ではないため、モデルが越えようとする境界を認識することはありません。これはまさに、NIST AI RMF 1.0 のようなフレームワークが推進している種類の明示的で技術的な制御です。つまり、モデルの動作を信頼するのではなく、AI システムの実際のアクセスとデータ フローを管理およびマッピングします。

エージェントをこのサーフェスに接続するのは配線の問題であり、再構築ではありません。ヒューマン ダッシュボードを強化するのと同じ認定レイヤーが MCP ツールと SoCode を通じてエージェントに公開されるため、エージェントは認定メトリックを基に推論し、生のテーブルを基にすることはありません。 AI は数値をまったく生成しないため、数値を発明することはできません。AI はレイヤーに質問し、レイヤーは認証された数値を返します。

共有レイヤーによりノーコード オーサリングが安全になる理由

セルフサービスはガバナンス リスクのように聞こえます。ビジネス ユーザーに指標ビルダーを手渡すと、間違いなく、他の手段で同じ矛盾する定義を作成するでしょう。ビルダーが認定レイヤーの上に位置する場合は、その逆が当てはまります。コード不要の構造化メトリクスのオーサリングにより、ユーザーは、生の SQL を記述したり、ベース テーブルに一切触れたりすることなく、ホワイトリストに登録された安全なビュー上で、認定されたディメンション、フィルタ、集計を選択して新しいメトリクスを作成できます。

作成されたすべてのメトリックは、既に管理されている構成要素から組み立てられるため、安全性に関する特性は再検証されることなく継承されます。新しいメトリックは、認証済みのメトリックと同様に、テナントごとにスコープが限定され、再現可能で、監査可能です。つまり、同じエントリポイント、同じビュー、同じ権限の下で実行されるためです。ガバナンスは、人々の作業を遅らせる障壁ではなくなり、より多くの人が安全に構築できる基盤となります。これが、定義を再分割することなく拡張できる唯一のセルフサービス方式です。

CDO が実際に立ち向かうべきこと

あなたが AI 分析レイヤーを構築している CDO である場合は、チャットボットから始めたいという衝動を抑えてください。チャットボットは簡単な 20% ですが、危険な部分もあります。まずは語彙から始めましょう。上位のメトリクスを認定します。メトリクスを定義し、所有者を割り当て、バージョンを付けます。これらを、テナントのスコープを外部で強制する単一のクエリ エントリ ポイントの背後に配置します。許可ベースの読み取り専用ビューを通じてそれらを公開します。その後初めて、MCP スタイルのツールを介してエージェントをその管理対象サーフェスに接続します。この順序で実行すると、AI は幻覚を起こすものが何もないため、初日から信頼できるものになります。

これは理論的な演習ではありません。 AI によってリテンション ループを閉じるブランドは、エージェントとダッシュボードがすでに同じ言語を話しているブランドです。McDonald's China は、SocialHub.AI と協力して、会員からの GMV のシェアを 5% から 85% に増加させました。その規模の結果は、その下の数値が認証され、再現可能であり、ダッシュボードをレビューする人間とそれに基づいて行動するエージェントにとって同じである場合にのみ信頼できるものとなります。

この論文は 1 行で成り立ちます。ツールは動詞、セマンティック層は語彙です。個人とエージェントのどちらが尋ねても、数字が同じ意味になるようにするには、2 人の聴衆に対して 1 つの語彙が必要です。 AI 分析レイヤーを立ち上げていて、同じ信頼できる情報源からダッシュボードとエージェントの両方を強化する、認定され、テナントから分離され、監査可能なメトリクスがどのようなものかを確認したい場合は、デモを予約してください。お客様独自の定義に基づいてチームに説明します。