「オントロジーって何？」と社長に聞かれたときの答え方―AIに会社の世界地図を教える

「オントロジー」という言葉を、AIの記事やSNSでよく見かけるようになりました。

技術者向けには「データに意味づけをする層です」と説明されます。
これでは、多くの経営者は「それで会社の何が変わるの？」が分かりません。

経営者は、自分でAIシステムを作る必要はありませんがしかし、何を導入して、何を決めて、どこをベンダー任せにしてはいけないか。その相場観は持つ必要があります。

あなたが、もし社長に一言で説明するなら
オントロジーとは、AIに会社の「世界地図」を教える仕組みです。
星に線を引いて星座MAPを示すような感じです。

顧客、商品、契約、注文、売上、在庫、社員、権限が、会社の中で何を意味して、どうつながっているかを定義します。この地図がなければ、AIは社内資料を読めても、会社の事情を推測するしかありません。
優秀な新人に、入社して、何も教えずに現場に投入するようなものなのです。

◆サクッと動画はこちら

1．なぜ、資料を読ませてもAIは会社を理解できないのか？

多くの企業が、規程、マニュアル、議事録、FAQ、営業資料を生成AIに読み込ませています。

情報量は増えました。それでも回答が安定しません。
原因は、情報が足りないからではありません。

たとえば、営業部の「顧客」は商談相手、経理部の「顧客」は請求先、法務部の「顧客」は契約当事者を意味します。

人間は、経験や、会話からその違いを補い、推察する事ができますが、AIは与えられたデータからしか推測できません。

AIの中身は推論なのです。
意味を教えなければ勝手に推論します。
しかも、企業の重要な「問い」は、一つの文書に答えが全部書かれているわけではありません。

単に文書データベースを検索するわけではありません。
会社の中にある「関係性」をたどる事なのです。

ただやみくもに情報を増やすだけでは、ゴミ情報が増えるだけです。
これはAIにとっては雑音が増えているのと一緒。
問題は「情報不足」ではなく、「構造不足」なのです。

もしあなたが、会社という広大な宇宙に星座MAPも無しに突然放り出されたらどうしますか？推測して、宇宙空間を泳ぐしかありません。
AIも同じなのです。

2．オントロジーとは何か？

経営者向けに言うなら、オントロジーは、次の三つを書いた「会社の世界地図」です。

1️⃣会社には何が存在するのか？
顧客、商品、社員、契約、注文、在庫、店舗、原稿、著者、書籍、権利などです。

2️⃣それぞれが何を意味するのか？
たとえば「売上」「顧客」「新規」「在庫」「返品」といった言葉の正式な定義です。

3️⃣それらがどう関係するのか？
例えば、作家が小説を書く。作品が契約に基づいて本になる。本が問屋を経由して書店へ流通する。実売が売上と在庫に影響する。こうした関係です。
これは本のサプライチェーンですが、あなたの会社のサプライチェーンに当てはめてみてください。

重要なのは、オントロジーが新しいデータそのものではないことです。
既存のデータに、意味と関係性の層を与えます。

単に項目を線で結ぶだけでも足りません。
「所有する」「承認する」「依存する」「算出される」「禁止される」と、線の意味を定める必要があります。

さらに、いつから有効か、根拠は何か、誰が更新するかまで持たせて、初めて会社の情報基盤になります。

AIに「会社の情報基盤」を与えないで考えさせるのは、何も教えないで優秀な新人を現場に突っ込むのと同じなのです。

この「会社の情報基盤」という概念を経営者が持たずに、AXさせると、「AI初心者の現場」は混乱して悲劇が生じます。

3．オントロジーを使うと、何が変わるのか？

1️⃣AIの推測が減り、回答が安定します。
関係が明示されていれば、AIはファイル名や文章の近さ、一般常識だけに頼らず、会社が定めた関係をたどれます。

2️⃣探索範囲を絞れます。
会社中の資料を毎回読むのではなく、対象とその周辺だけを調べられるため、処理時間と費用を抑えやすくなります。

3️⃣複数の関係をたどる判断を支援できます。
「AがBに依存し、BがCに依存するなら、Aも間接的にCの影響を受ける」といった多段の関係を調べられます。

4️⃣変更の影響範囲が見えます。
規程、価格、契約、組織、システムを変えたとき、どの業務や顧客へ波及するかを追えるようになります。
これは回答精度だけでなく、リスク管理、監査、事業再編も、見えるようになります。

ただし、オントロジーは万能薬ではありません。
モデルの生成の揺れ、曖昧な指示、古いデータ、間違った定義まで自動的に解決するわけではありません。
オントロジーの役割は、AIが推測しなければならない範囲を、会社側の設計によって減らすことなのです。

4．「説明するオントロジー」と「実行するオントロジー」は違う

ここは、経営者が最も注意すべき点です。
AIチャットと、AIエージェントは違います。

たとえば、ClaudeCodeや、各種LLMに、会社の関係図（知識基盤）を参考情報として渡せば、回答の助けにはなります。

しかし、それは単に地図を見せているだけです。チャット形式でのやりとりをしているだけです。

企業AIエージェント化した場合、その知識基盤に、対象、操作、権限、承認、状態遷移を実装すれば、規則そのものを執行できるようになります。
つまり、AIが自ら判断して、自走できるようになります。

同じ「オントロジー」という言葉でも、説明を助ける地図と、業務を動かす基盤では違うのです。

5．オントロジーだけでは、企業AIは完成しない

企業AIを経営者向けに整理すると、役割は次のように分かれます。

地図だけでは、どの道を通ってよいかは決まりません。
法律だけでは、現実のどの案件に適用するかが分かりません。
事件ファイルだけでも、誰が何を実行してよいかは決まりません。
企業AIは、意味、関係、正式ルール、案件別の文脈、権限と実行を組み合わせて、知識基盤にすることで　自走して働ける状態になります。

6．なぜ、これは経営企画のテーマなのか？

「顧客とは誰か」「売上をいつ計上するか」「誰が例外を承認するか」「どのリスクを許容するか」は、システム部門だけでは決められません。
会社をどう定義し、どう動かすかという、全社横断するからです。
だから、経営視点で判断する必要があります。

だから、オントロジー設計を情報システム部門やAIベンダーへ丸投げしてはいけません。

そこで、経営企画部などが旗振りして、交通整理して、フォワードさせていく事が必要になります。

この場合、経営企画の役割は、AIを直接開発することではなく、ディレクションすることです。

各部門に散らばる言葉、指標、判断基準、権限の衝突を、全社の経営課題として統合する必要があります。

さらに、現場、財務、法務、情報システムと一緒に、会社の意味を整理し、更新責任者を各部に置く必要があります。

これは、ERPが取引と記録を統合した時代よりも、さらに深い部分まで考える必要があります。

なぜなら、オントロジーは、会社の意味や関係性を統合するからです。
だから、経営企画は、人間にも、AIにも信用される、両方の目利きである必要があります。

その経営企画も、社長次第です。
会社は。社長以上の器にはなりません。
だから、社長には、AIリテラシーが必要になるのです。

まとめ――AI競争は、会社の判断OSを設計する競争になる

AIエージェントに作業を自走させている会社と、いちいち人間が手作業している会社では競争になるでしょうか？
それじゃあ「算盤 VS エクセル」より差がひらくでしょう。

逆に言えば、AIを使いこなせば、小さい会社でも大きな会社と互角か、それ以上の戦いができるようになります。
※ウクライナ戦争をイメージしてください。

そのためには、あなたの会社の「判断OS」が必要になります。

だから、AI時代の競争力は、どのLLMを選ぶかではありません。
会社の中に何が存在し、何を意味し、どう関係し、どのルールと権限で動くのか。会社の知識基盤で勝負が決まります。

情報をAIが扱える形にしなければ、どれほど賢いモデルを導入してもダメなのです。

だから「会社の知識基盤」／「判断OS」がが必要になります。

ココで、よくありがちな意見に「そんなのLLMが高性能になれば、吸収してくれるだろう」という人がいます。
それは、間違いです。

あなたの会社のローカルルールを汎用AIは学習しません。
だから汎用AIなのです。
あなたの会社の常識は、AIの非常識。と言えます。

「じゃあ、Slackを読ませるから大丈夫」
それも間違いです。
Slackのやりとりに「判断基準」や「例外事例」が書かれてますか？
その関係性を書いてありますか？
書いてありません。

単にデータをぶっこんでも、会社の知識基盤、判断OSが自動的に出来上がらないのです。

だから、経営者が問うべきは、「どのAIが一番賢いか」ではありません。
「会社の知識基盤」／「判断OS」があるか。
自社の意味、判断基準、権限を、どこまで会社の資産にできているかです。

汎用AIは「知能」を貸してくれます。
しかし「会社の判断」までは貸してくれません。

モデルは借り物でも、会社の判断OSまで借り物にしてはいけない。

会社の常識を、AIの常識に変える。
その競争は、すでに始まっているのです。

◆スライドはこちら

経営者向け・用語集

#オントロジー
会社に存在する概念、意味、関係、制約を定義する世界モデル。

#ナレッジグラフ
対象と関係をグラフ構造で記録したもの。
オントロジーに基づいて構築される場合もある。

#RAG
質問に関連する文書やデータを検索し、AIへ渡して回答を補強する仕組み。

#GraphRAG
グラフによる関係探索と、文書検索・生成を組み合わせる考え方。

#セマンティックレイヤー
システムや部門ごとに異なる用語、指標、データ表現を、共通の業務的意味へ統一する層。

#AI正本
AIが参照すべき正式な定義、ルール、例外、判断基準、根拠、版、責任者を管理する基盤。

#コンテキストレイヤー
利用者、案件、目的、時点、権限に応じて、今回必要な情報を選び、AIへ渡す層。

#ハーネス
AIが仕事を進めるための操縦装置。
タスク分解、ツール利用、権限、状態、検証、承認、再試行の仕組み。
本メモでは、会社の規則を権限・承認・検証のもとで実行する役割を、比喩として「執行機関」と呼ぶ。