EU의 사이버 복원력법(Cyber Resilience Act,CRA)은 기존 대부분의 사이버 보안 규제와 달리 프로세스나 인증이 아닌 ‘제품 안전성’에 초점을 맞춘 것이 특징이다. 물리적 제품에 적용되던 CE 마크 개념을 소프트웨어, 펌웨어, 백엔드 서비스, 그리고 네트워크에 연결되는 모든 요소로 확장한 것이다. 이 법은 기존 모범 사례를 제도화하고, 최소 제품 지원 수명 주기를 강제하며, 기업이 의존하는 오픈소스 프로젝트와의 협력 강화도…
구글이 화요일 구글 I/O에서 공개한 ‘안티그래비티 2.0’은 에이전트 중심 개발 플랫폼의 두 번째 버전이다. 새로운 데스크톱 애플리케이션과 안티그래비티 CLI, 확장된 SDK 기능, 그리고 제미나이 엔터프라이즈 에이전트 플랫폼과의 한층 강화된 통합을 제공한다. 이와 함께 구글은 기존 AI 개발 도구를 안티그래비티로 통합하기 시작했다는 계획도 밝혔다. 구글은 블로그를 통해 “사용자 피드백을 통해 한 가지가 분명해졌다. 오늘날의 멀티 에이전트…
지난해 11월 등장한 자율 에이전트 오케스트레이션 도구 ‘오픈클로(OpenClaw)’는 출시 직후 빠르게 확산됐지만, 동시에 심각한 결함도 곧 발견됐다. 그럼에도 불구하고 이는 에이전트형 AI 시대의 중요한 전환점이 됐으며, 이후 기업들은 자율 에이전트를 안전하고 안정적으로 운영할 수 있는 방안을 지속적으로 모색해 왔다. 이에 오토메이션 애니웨어(Automation Anywhere)는 시스코, 엔비디아, 옥타, 오픈AI와 협력해 ‘엔터프라이즈클로(EnterpriseClaw)’를 공개하며 해법을 제시했다. 오토메이션 애니웨어는 해당…
Antigravity 2.0, launched at Google IO on Tuesday, is the second iteration of Google’s agent-first development platform, and comes with a new desktop app, Antigravity CLI, expanded SDK capabilities, and deeper integration with the Gemini Enterprise Agent Platform. But along with its announcement came the news that Google is beginning to consolidate its existing tools…
はじめに：AI時代の競争力の源泉は何か 生成AIの登場以降、企業におけるAIの利活用は「やった方が良いもの」ではなく、「やらないと生き残れないもの」となりました。多くの企業が、生産性向上や価値創出を目的として、AIの利活用に取り組んでいます。 ここで改めて、皆さんへの問いが１つあります。それは「AIの性能を決める本質は何か」という問いです。 AIの性能を決めるのは、AIのモデルでしょうか？AIのツールでしょうか？AIエージェントでしょうか？ もちろんいずれも重要だとは思いますが、例えば複数社によるAIモデルの性能競争は長期的な視点で見ればどこかで収束し、いずれは「どのAIモデルもスゴイ！」という状況に至ると考えます。 そのような中で、AIの性能に影響を与える、最も重要だと私が考えているものは、企業に蓄積された自社の強みにつながる「データ」です。 例えば、「草花は良い何を浴びて成長するのか」と問われれば、「良い水や光」だと思います。 また、「ヒトは良い何を浴びて成長するのか」と問われれば、「良い言葉」だと思います。 さいごに、「AIは良い何を浴びて成長するのか」。それは「良いデータ」です。 この極めてシンプルな原理の重要性について、どれだけ本気で理解し愚直に実行できるかが、企業の競争優位の確立と持続的成長を決定づけていくと考えます。 AIは「データの鏡」である 皆さんすでに認識されていると思いますが、AIは決して魔法の杖ではありません。与えられたデータをもとに学習し、その範囲内で推論を行う存在です。つまり、AIのアウトプットは、インプットであるデータの質にも大きく依存する、いわば「AIはデータの鏡である」とも言えます。 ・不正確なデータを与えれば、不正確な結果が返る（＝ゴミを食べればゴミしか出てこない）・偏った（バイアスのかかった）データを与えれば、偏った判断がなされる・不十分なデータからは、浅い知見・示唆しか得られない このように、AIは「賢い」のではなく、「データに忠実」なのです。この前提に立てば、AI活用の本質は、「どのツールを使うか」ではなく、「どんな良いデータを整備し、どう活用するか」にあることが見えてきます。 「良いデータ」とは何か では、「良いデータ」とは何でしょうか。単にデータの「量」だけが多くても役に立たないというのは自明だと思いますが、一方で、「質」が良いデータとは、どんな「質」が良ければ良いのでしょうか？ 一般的な観点として、「良いデータ」は少なくとも以下の要素を備えています。 正確性（Accuracy）：誤りやノイズが多いデータは、どんな高度な分析をしても結論が歪みます。センサーの誤差、入力ミス、重複などが少ないことが重要です。 完全性（Completeness）：必要な項目が欠けていないか、欠損値が多すぎないか。例えば顧客データなのに年齢・地域・性別などが部分的に抜けていると、有効な分析は難しくなります。 一貫性（Consistency）：同じ意味のデータが異なる形式で混在していないか（例：日付形式、単位、表記ゆれ）。これはシステム統合や長期データで特に重要です。 最新性（Timeliness）：いくら正確でも古すぎるデータは意思決定に役立たないことがあります。リアルタイム性が必要か、過去データで十分かは用途次第で異なりますが、「目的に対して適切な鮮度」であることが大事です。 目的適合性（Relevance）：分析目的に関係ないデータが多いと、ノイズになって判断を誤ります。「何のためにデータを使うか」が明確で、それに合ったデータであることが必要です。 信頼性（Reliability）：どこから来たデータで、どう収集されたかが明確で信頼性が確保され、再現性があることも重要です。出所不祥でブラックボックスなデータは後から検証できません。 まとめると、「良いデータ」とは「正確で、欠けが少なく、意味や表記が揃っていて、適切なタイミングのもので、目的に合っていて、出所が信頼できる」というデータです。 これらの「良いデータ」としての「質」が担保されて初めて、AIは価値あるアウトプットを生み出すことができます。逆に言えば、データが整っていない状態でAIを導入しても、期待した成果は得られません。「AIを入れたが使えない」「AIの正答率があがらない」という声の多くは、データの問題に起因しています。 データは「自然に整うものではない」 ここで重要なのは、良いデータは自然に生まれるものではないという点です。むしろ放置すれば、データは必ず劣化します。 ・入力したヒト、タイミングによって、ルールがバラバラになる・同じ意味のデータが複数存在する・更新されないデータが散在し放置されている・部門ごとにサイロ化する こうした状態は、多くの企業で見られるのではないでしょうか。 以下に、当社におけるデータマネジメントの全体像を掲載します。 大きくは、役割・体制、リスク管理、評価に関する「データガバナンス」と、データ利活用サイクルマネジメントとデータ利活用支援サービスの「データマネジメント」で構成されています。このうち、データ利活用サイクルマネジメントでは、 ニーズ管理：「何のためにデータを使うのか」「そのデータは、誰のどんな価値につながるのか？」という目的・ニーズを明確にします。 収集：目的に基づいて必要なデータを集めます。必要なデータは何か（内部／外部）、どの粒度・頻度で集めるのか、品質をどう担保するのかを設計します。 加工：使える形に質を高め、整えます。クレンジング（誤り・欠損の補正）、フォーマット統一、名寄せ・統合、構造／非構造データ別の加工、事業・業務面での意味づけなどを行います。 蓄積：「必要な人が、必要なときに使える状態」にしておきます。データベース／データレイクへの格納、セキュリティ・アクセス制御、メタデータ管理（どんなデータか分かる状態）などを行います。 利活用：ここが最も重要なステップです。データの目的は、「分析すること」ではなく「行動につなげること」です。可視化（ダッシュボード）、分析（統計処理、BI、AutoML、AI）、業務への組み込み（自動化・意思決定支援）などで、データから価値を生み出します。 廃棄：不要になったデータを適切に処理します。保管期限の管理、法令・ガバナンス対応、セキュリティリスクの低減など、データは「持っていること」自体がリスクにもなります。だからこそ、「使わないデータは持たない」という考え方も重要です。 データマネジメントは一度整備すれば終わりではなく、継続的に維持・改善していく取組みです。 CIOは、データマネジメントを仕組みとして組織に埋め込み、定着するまで実施し続ける必要があります。 データマネジメントは「IT部門だけの仕事」ではない もう一つの重要なポイントは、データマネジメントはIT部門だけの仕事ではないということです。 データは、基本的に現場の業務の中で生まれます。したがって、 ・データの意味・定義は誰が決めるのか・入力ルールをどう統一するのか・品質をどう担保するのか といった問題は、本質的には業務の問題であり、事業の問題であり、経営の問題です。 2026年4月に経済産業省から公表された最新のデジタルスキル標準ver.2.0では、データマネジメント類型の中で、以下の３つのロールを定めています。 データスチュワード：事業ドメイン知識に基づき、データの品質・信頼性・安全性の確保に向けた運用を担うとともに、事業部門・現場組織におけるデータマネジメントの浸透・定着、およびデータ利活用の促進を担う、言わば「データ品質の責任者と利活用の促進者」です。 データエンジニア：データの現状を把握し、収集・統合・加工・提供などの各プロセスにおけるデータ整備、前処理の実施、データパイプラインの設計・実装を通じて、組織全体の継続的なデータ利活用を支える役割を担う、言わば「データを動かす実装・運用の担い手」です。 データアーキテクト：組織・事業全体のデータ構造や流れ、利活用のあり方を俯瞰し、事業戦略に沿ってデータライフサイクル全般を見据えたデータアーキテクチャを設計・継続的な見直しを行うことで、全社横断的なデータ利活用とガバナンスの両立を実現する役割を担う、言わば「データの全体設計者」です。 CIOは、単にデータ蓄積・分析基盤を整備するだけではなく、これらの３つのロールを持つ人財を社内に適切に配置し、部門横断での全社のツールやルールを整備することで、経営・事業・業務とデータをつないでいく役割が求められます。 データ活用の成否は最終的には「組織風土」で決まる 一方で、いくら人財配置や基盤・ツール・ルール整備を進めても、データを元に経営・事業・業務を進めようという組織風土が伴わなければ、データは活用されません。 ・データを入力する意味が理解されていない・自部門の業務だけに最適化されている・データを使った意思決定が評価されない こうした状態では、いくら仕組みを整えても形骸化してしまいます。 一方で、データ活用が進んでいる組織では、 ・データを前提に議論する・仮説を立て、データで検証する・データを改善し続ける…
En 2021, Ingka Group (el principal operador de las tiendas IKEA, con aproximadamente 90% de las ventas globales), puso en marcha un chatbot llamado Billie. El objetivo era el típico de un asistente conversacional: responder a las consultas rutinarias de los clientes, como disponibilidad de producto, plazos de entrega o estado de un pedido. De…
IT leaders are rethinking a long-standing assumption: that tightly controlled, closed systems are the simplest way to manage their surveillance technologies. Businesses increasingly find themselves moving away from monolithic, proprietary approaches. Instead, they’re favoring modular ecosystems that offer greater flexibility and scalability. This shift is especially prevalent when organizations have a need to harmonize devices,…
Enterprises are sitting on a massive, underutilized asset: the data produced by their physical environments, especially from network cameras and sensors. Historically seen only as “security devices,” modern cameras are now rich data generators. In fact, the “Axis Perspectives Report 2026” shows that the number of organizations using video systems for business intelligence nearly doubled between 2024…
In pursuit of lower emissions and reduced operational costs, CIOs continue to prioritize cloud efficiency, workload optimization, and infrastructure. Those efforts undoubtedly matter…but they no longer tell the full story. While IT sustainability strategies have traditionally homed in on the data center, a growing share of enterprise infrastructure now lives outside of those hubs. These…
Dsempeñar un gran trabajo en el puesto actual es lo mínimo exigible para los CIO modernos. Los líderes digitales más exitosos adoptan nuevos retos tanto dentro de su organización como en nuevos entornos de trabajo, y dado que los estudios sitúan la permanencia media en un puesto de liderazgo digital en unos cinco años, la…