DataGPTに組ませた工程は即本番にしない|Prophecyの承認線

DataGPTに組ませた工程は即本番にしない|Prophecyの承認線

「DataGPTなら人が承認するまで定期実行されないのだから、マーケ部門に配っても問題は起きないはずだ」「いや、部門ごとにAIが工程を作り始めたら、情シスはどこで何が動いているか追えなくなる」——データ基盤を預かる情シスと、月次のレポート作りに追われる業務部門とで、見方が割れやすい製品です。米国の Prophecy は2026年10月、社員が普段使っている ChatGPT・Claude・Copilot から、言葉でデータの取り込みと加工の工程を組ませる DataGPT を発表しました。「承認するまで動かない」は安全の保証ではなく、承認する人と確かめる中身を会社が決めて初めて効く仕組みです。この記事では、マーケ担当が月次の報告を組ませる場面を追いながら、本番の定期実行を誰が承認するか、情シスが工程をどう棚卸しするか、集計の定義違いを誰が確かめるか、元データが誰の資格で使われるかを整理します。


カメ先生カメ先生

AIが工程を組んでくれて、人が承認するまで動かないと聞くと、それで統制は済んだと思われがちなんだ。でも本当は、承認の確認を押すのが依頼した本人だけなら、本人が見落とした誤りはそのまま毎月動き続けるんだよ。


カメ子カメ子

承認の仕組みがあることと、誰がどこまで見て承認するかが決まっていることは、別の話ということですか。


カメ先生カメ先生

そう。もう一つ大事なのは、工程が誰の権限で元データを読むかだ。DataGPT は依頼した本人の権限で動くから、権限の広い人ほど、AIが組む工程も広いデータに届くことになる。


カメ子カメ子

便利さの裏で、承認する人と、読める範囲と、棚卸しの三つを先に決めておく必要があるんですね。


この記事のポイント
  • DataGPT は依頼した本人の権限で動き、チャットで保存した定期実行の予定は、公開と実行先への展開まで動かない。ただし公開の確認を押すのが本人だけだと、確かめは一人分にとどまる
  • AIが組んだ工程の誤りで多いのは、エラーにならない集計の定義違い。工程の図を見るのではなく、定義と数字の突き合わせを人の仕事として残す
  • 情シスは監視の画面で展開済みの案件と予定付きの工程を定期的に棚卸しし、本番の公開はデータ基盤の担当を通す形に寄せる

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Prophecyとは:業務部門のデータ準備をAIと工程図で支える基盤

Prophecy は、データの取り込み、整形、突き合わせ、集計といったデータ準備の工程を、図で組み立てて動かすための製品です。報道によれば2017年の創業で、2025年1月に4,700万ドルの追加調達を発表し、創業からの調達額は1億ドルを超えています。顧客としてドイツの大手ソフトウェア会社 SAP や英国の大手銀行、製薬の Pfizer の名が挙がっています。もともとは技術者向けの開発基盤として知られ、ここ1年ほどで業務部門の分析担当へと対象を広げてきた会社です。

2026年9月には、業務部門の利用者が技術者に頼らずデータ準備を進められるAIの機能を発表し、それまでの Databricks に加えて Snowflake でも同じ使い方ができるようにしました。製品ページでは BigQuery も実行先として挙げています。この時の発表で同社の技術責任者は、データを別の場所へ持ち出さず、データ基盤の担当がすでに決めている権限の範囲の中でAIを動かすことを強調していました。DataGPT はこの方針を、社員が使う汎用のAIの画面にまで延ばした製品と位置付けられます。

取り込みと加工の仕組みを内製するか製品を買うか、分析用のノートブックをどう使うかといった一般論は、この記事では扱いません。ここで絞るのは、Prophecy という特定の製品を、全社に配ったAIの画面から業務部門が使うときに、何を誰が決めるかです。想定する読者は、データ基盤を預かる情シスと、社内のAI導入を統括する担当、そして実際に使うマーケ・営業企画の責任者です。

2026年10月のDataGPT:普段のAIの画面からデータ準備を頼む

DataGPT は、Claude と ChatGPT では各社の接続先の一覧から追加でき、Microsoft の Copilot では Copilot Studio のエージェントに MCP の接続先として追加して使います。利用者が「広告と商談のデータをつないで、月次の費用対効果の表を作って」のように目的を伝えると、Prophecy の側のAIがデータを調べ、取り込みから集計までの工程を図にして、結果と並べて示すのが基本の動きです。公式の説明では、数字や表や図はすべて Prophecy が計算し、AIの画面の側には計算させないよう指示しているとしています。

組み上がった工程は、公開されたコードとして保存され、定期実行の予定を付けると、自社の Snowflake・Databricks・BigQuery などの上で毎月動きます。報道によれば、一度承認された工程の再実行ではAIのモデルを呼ばないため、追加のAI費用がかからないと同社は説明しています。会社としてまだ汎用のAIを認めていない場合は、Prophecy 自身のアプリで同じ使い方ができ、個人は無料の登録から始められ、管理者が一括で展開することもできるとされています。

発表の中で同社の創業者は、ソフトウェア開発者はAIでコードを本番まで運べるようになったのに、業務のデータを扱う人は質問に答えてもらえるようになっただけで、仕事の流れは変わらなかったと述べています。つまり DataGPT の狙いは、表計算ソフトをチャットに貼って一度きりの答えを得る使い方から、承認された工程を繰り返し動かす使い方へ移すことです。この移行こそが、統制の面では新しい問いを生みます。

誤解:「承認するまで動かない」なら統制は効いている、ではない

報道は、人が見るまでどの工程も定期実行には乗らず、問題に気づいた分析担当はその段を直してから全体を承認できると伝えています。公式の文書でも、エージェントは自律的ではなく補助的なもので、本番で動かす前に変更をすべて人が確かめて承認する、と書かれています。ここまでは安心材料ですが、文書が言う「人」は、多くの場合、依頼した本人です。チャットから公開するとき、確認の画面を見て押すのは、そのチャットを使っている当人だからです。

依頼した本人が承認者を兼ねると、本人が気づかない種類の誤りは素通りします。とくにデータ準備では、処理が止まる誤りより、処理は最後まで通るのに、数字の意味がずれている誤りのほうが厄介です。承認の仕組みは、その誤りを見つける力までは持っていません。

  • マーケ担当が自分で組ませた工程を、自分で確認して公開し、データ基盤の担当は存在を知らないまま毎月動いている
  • 「AIが組み、人が承認した工程だから正しい」として、経営会議の資料に数字をそのまま転記している
  • 承認の画面に並んだ工程の図を眺めただけで、元データの件数や合計との突き合わせをしていない
  • 権限の広い部長のアカウントで工程を作らせ、本来その部門が見られないデータまで集計に入っている

承認の画面は、確かめるための材料をそろえてくれる道具だと捉えるのが正確です。何を見れば承認してよいか、承認を誰の名前で残すかは、製品ではなく会社が決めることです。以降は、ある会社のマーケ部門がDataGPTで月次の報告を組ませる場面を追いながら、決めるべき点を一つずつ確かめます。

場面の前提:マーケ担当が月次のキャンペーン報告を組ませる

想定するのは、法人向けの製品を扱う会社のマーケ部門です。毎月、広告の管理画面から出した費用の表、顧客管理システムから出した商談の一覧、ウェブ解析の数字を表計算ソフトで手作業でつなぎ、キャンペーンごとの費用と商談の金額を対応させた報告を作っています。Prophecy の製品ページも、広告・顧客管理・ウェブの出力をまとめて費用を商談に結びつけ、定期的に更新する報告を用途の例に挙げています。業務部門がDataGPTに最初に頼みたくなる、典型的な仕事です。

会社はすでに Copilot を全社に配っており、情シスのデータ基盤チームは Snowflake を運用しています。マーケ担当は、Copilot から DataGPT を呼び出し、三つの表をつないで月次の報告を作り、来月からは自動で更新されるようにしたいと考えています。ここで論点になるのは、依頼した瞬間・データが動く瞬間・工程を読む瞬間・定期実行に乗せる瞬間の四つの場面です。

情シスの側から見ると、これは業務部門が自分でデータの工程を作り、本番の基盤の上で毎月動かすことを意味します。従来は依頼票を受けてデータ基盤チームが作っていた仕事が、チャットの中で完結し得るわけです。依頼票という関所がなくなる分、別の場所に関所を置き直す必要があります。どこに置くかを、場面ごとに見ていきます。

場面1:依頼した瞬間、DataGPTは誰の資格で動くか

DataGPT を初めてつなぐとき、利用者は Prophecy のアカウントでログインし、同意の画面で権限を許可します。公式の文書によれば、許可する権限は、名前とメールアドレスの読み取り、会話をまたいだ接続の維持、ファイルと接続先の作成・読み取り・更新・削除、工程の実行と編集、AIによる分析の生成で、これらは一括で許可するしかなく、一部だけを選んで許可することはできません。読むだけの利用者を作りたい場合は、Prophecy の側の権限で絞る必要があります。

組織の管理者が Claude や ChatGPT で DataGPT を全員向けに追加しても、各自は自分の Prophecy のアカウントでつなぎ、管理者の権限が配られることはないと公式は説明しています。工程を検証したり動かしたりするときも、処理はつないだデータ基盤の上で、エージェントを呼び出した利用者の権限のまま行われるとされています。データ基盤の側で決めた役割や読める範囲は、AIを通しても越えられないということです。

裏を返せば、利用者が読める範囲が広すぎれば、AIが組む工程もその広さで元データに届きます。部門をまたいで閲覧できる管理職のアカウントや、試験のために広く付けた権限が残っている担当者のアカウントでDataGPTを使えば、本来その報告に入れるべきでない部門のデータまで集計に混ざり得ます。接続の維持は、利用が途絶えて30日で切れ、それまでは短い有効期限の鍵が自動で更新される仕組みです。配る前に、DataGPTを使う人の読める範囲を、その人が作る報告に必要な範囲まで絞り込んでおくことが第一の関所になります。

場面2:ファイルとデータはどこへ行くか

マーケ担当が広告の費用の表をチャットに添付すると、そのファイルはAIの画面の側ではなく、Prophecy が管理するファイル置き場の本人の個人フォルダに保存されると公式は説明しています。添付は一つ2ギガバイトまでで、マクロ付きの表計算ファイルや実行ファイル、パスワード付きのファイルは受け付けず、保存後にはマルウェアの検査も行われます。添付した時点で、社外の製品の保管場所にファイルの写しができることは、情報の持ち出しの規程と照らし合わせておく必要があります。

AIのモデルに送られるものについて、公式の文書は、表の名前、列の名前、型、作業中の変換のコードといった構造の情報が含まれ得るとし、見本のデータは既定では送らず、送る設定は管理者しか有効にできないとしています。一方で、チャットの中に出る表示には、見本の行が含まれ得ると公式が明記している点も見落とせません。顧客の会社名や担当者名が並ぶ商談の一覧は、AIの画面の中に一部が映ることを前提に扱いを決めます。

  • データベースの接続のパスワードなどは、チャット内の入力欄から Prophecy へ直接送られ、AIの画面の側には渡らないと公式は説明している。ただし、利用者がチャットの本文に直接書き込めばこの仕組みは効かない
  • 無料版とプロフェッショナル版は、Prophecy が管理するAIのモデルを使う形。自社契約のモデルを使えるのは、エクスプレス版とエンタープライズ版と公式の比較表にある
  • 列の名前そのものが機密に当たる場合(取引先名や製品の開発名を列名にしている等)は、構造の情報だけでも社外に出ると考えて扱いを決める

この場面で情シスが決めるのは、添付してよいファイルの種類と、個人フォルダに残ったファイルの扱いです。添付が手軽なぶん、顧客の一覧を表計算ソフトのまま投げ込む使い方が広がりやすくなります。顧客の個人データを含むファイルは添付せず、データ基盤の上の表を参照させる形に寄せると、元データの権限の線をそのまま使えます。

場面3:AIが組んだ工程を読む。集計の定義違いは画面で光らない

DataGPT が組み立てた工程は、元データからの取り込み、絞り込み、結合、集計の各段が図で並び、段ごとの件数も表示されます。報告の数字を選ぶと、その値に効いた段が強調される監査の表示もあります。どう計算したかを後から追える点は、表計算ソフトの手作業より確実に優れています。ただ、追えることと、正しいことは別です。

この場面で起こりがちなのは、エラーにならない定義のずれです。たとえば、費用は広告の配信日で月に割り振ったのに、商談は作成日ではなく受注予定日で月に割り振っている。キャンペーン名の表記ゆれをAIが似た名前同士でまとめた結果、別のキャンペーンが一つに合算されている。商談の一覧に同じ商談が段階の変化ごとに複数行あり、金額が二重、三重に数えられている。どれも処理は最後まで通り、図の上では何もおかしく見えません。

ここで大切なのは、定義を決める判断をAIに任せないことです。どの日付で月に割り振るか、どの商談を数えるか、表記ゆれをどう名寄せするかは、マーケと営業の間で合意すべき業務の定義であって、AIに推測させるものではありません。依頼の段階で定義を言葉で渡し、AIにはどの列をどう使ったかの根拠を工程の説明として書かせ、人はその説明が合意した定義と合っているかを確かめます。もう一つの確かめ方は、元データの件数や合計と、報告の数字を手で突き合わせることです。図を見るより、数字を照らすほうがずれは見つかります。

確認した規則は次の依頼に引き継がれる

Prophecy の製品ページは、利用者が確認した規則、たとえば会計年度の区切りや取引先の対応表、勘定の階層などを Prophecy が覚えておき、本人や同僚の次の依頼はすでに承認された内容から始まる、と説明しています。報道でも、承認された工程は、業務の規則やデータの目録から作る顧客ごとの知識の土台に取り込まれると伝えられています。同じ説明を毎回やり直さずに済む点は、業務部門にとって大きな利点です。

ただ、統制の目で見ると、この仕組みは誤りも引き継ぎます。マーケ担当が場面3の定義のずれに気づかないまま規則を確認すると、その規則は営業企画や経営企画の次の依頼の出発点にもなり得ます。一人の確認の誤りが、部門をまたいで静かに広がる経路ができるということです。

このため、全社で共有される規則の確認は、個人の工程の承認とは別の扱いにするのが筋です。たとえば、会計年度、商談の数え方、キャンペーンの分類のような部門をまたぐ定義は、データ基盤チームか、定義の持ち主として決めた部門の責任者が確かめてから確定させます。誰が確認した規則なのかを後から追える形で残しておくことも、導入前に販売元に確かめておきたい点です。公開資料からは、規則ごとの確認者の記録の詳細までは読み取れませんでした。

場面4:定期実行までの三つの関門。保存・公開・展開

マーケ担当が「来月から毎月1日の朝に動かして」と頼むと、DataGPT は定期実行の予定を作ります。公式の文書によれば、チャットで保存した予定は案件の中に保存されるだけで、案件を公開し、実行先へ展開するまでは動きません。人が承認するまで定期実行されないという説明の実体は、この公開と展開の手前で止まる作りにあります。

STEP1
予定を保存する

工程と予定は、案件の既定の開発用の枝に保存されます。この時点では本番では何も動きません。時刻の既定は協定世界時なので、日本時間の朝に動かしたいなら時差の指定が要ります。

STEP2
公開の内容を確かめる

公開を頼むと、DataGPT は確定していないファイルと、新規・変更・削除・停止された予定の一覧を見せます。確認すると、未確定の変更が記録され、新しい版番号の版が作られます。

STEP3
実行先へ展開する

公開時に選んだ実行先へ展開されて初めて、予定が動き始めます。実行先を選ばずに公開した版は、展開されないため予定も動きません。展開の結果はチャットに返り、長引く場合は Prophecy の画面で確かめます。

見落としやすいのは、止めるときも同じ関門を通る点です。公式の文書は、チャットで予定を削除しても、再び公開するまでは展開済みの予定が動き続けると明記しています。間違った工程を止めたいときに「予定を消して」と頼むだけでは本番は止まりません。止める手順を、作る手順と一緒に決めておく必要があります。

承認者を分ける:公開の確認を押すのは誰か

三つの関門のうち、統制の要になるのは公開です。ここで押さえたいのは、チャットからの公開ができるのは簡易な版管理を使う案件に限られ、本格的な版管理を使う案件は、チャットからは公開できず Prophecy の画面から公開する必要があると公式が書いている点です。変更の記録だけを残すことや、レビューの依頼を出すことも、チャットからはできません。

この制約は、情シスにとっては関所を置く手がかりになります。本番の実行先に展開する案件を本格的な版管理の側に置けば、業務部門はチャットで工程を作って試すことはできても、本番への公開はデータ基盤チームのレビューを通す流れになります。どこまでを業務部門の判断に任せ、どこからをデータ基盤チームの承認に回すかを、段階ごとに表にしておくと、迷いが減ります。

段階主に押す人見るものAIに任せないこと
工程を組んで試す依頼したマーケ担当工程の図と段ごとの件数集計の定義を決めること
数字の突き合わせ依頼者とは別の部門の担当元データの件数・合計と報告の数字ずれを許容してよいかの判断
本番への公開データ基盤チーム変更点、読む表の範囲、実行先どの実行先に展開するか
部門をまたぐ規則の確定定義の持ち主の責任者規則の中身と影響を受ける報告規則を全社で使ってよいかの判断

表の二行目が、いちばん省かれやすいところです。工程を作った本人とは別の人が、元データと報告の数字を照らし合わせる。この一手間があって初めて、承認が一人分の確かめから組織としての確かめに変わります。公開の確認を押す人と、数字を確かめた人の名前を、公開時の説明欄に残す運用にしておくと、後から追う材料にもなります。

野良パイプラインを増やさない:情シスの棚卸し

業務部門が自由に工程を作れるようになると、次に起きるのは、誰が作ったか分からない工程が本番で動き続ける状態です。DataGPT は、案件を指定せずに依頼すると新しい案件を自動で作り、その名前を伝える作りになっています。気軽な依頼のたびに案件が増えていくため、放っておけば一人で数十の案件を抱えることも珍しくなくなります。

棚卸しの土台になるのは、Prophecy の監視の画面です。公式の文書によれば、公開された案件の展開の一覧(実行先、版、最後の公開と実行、その結果)、予定付きの工程の一覧(予定の名前、実行先、直近5回の結果)、全実行先をまたいだ実行の履歴を見られ、実行の詳細からは、誰が、または何が実行を起こしたかを確かめられるとされています。報道でも、情シスやデータ基盤の担当がすべての工程を見て、ほかの管理対象と同じように統制できる点を同社は強調しています。

運用としては、月に一度、予定付きの工程の一覧を書き出し、持ち主の部門、使い道、最後に結果を見た人を確かめます。持ち主が答えられない工程、異動や退職した人が作った工程、直近の実行が続けて失敗している工程は、停止の候補として持ち主の部門と相談します。展開そのものは画面から取り消したり削除したりできないと公式は書いているため、止めるときは予定を外した版を公開し直す手順になります。この点も、棚卸しの手順書に書いておきます。

版の管理と、間違いに気づいたときの戻し方

Prophecy では、公開された版は後から書き換えられず、変更するには新しい版を公開する必要があります。開発用の実行先では新しい版、本番では一つ前の版というように、実行先ごとに別の版を動かすこともできます。本番で数字の誤りに気づいたときに、確かめ済みの前の版へ戻せるのは、表計算ソフトの手作業にはなかった利点です。

この仕組みを生かすには、本番と試験の実行先を分けておくことが前提になります。業務部門の試行は試験の実行先で行い、本番の実行先には、場面4と承認者の表で決めた流れを通った版だけを展開する。公開の説明欄には、何を変えたか、誰が数字を確かめたかを残すよう決めておけば、戻すべき版を選ぶときに迷いません。

戻した後の扱いも決めておきます。誤った数字がすでに会議資料や広告の予算配分に使われていたなら、どの月の報告が影響を受けたかを、実行の履歴から洗い出して関係部門に伝える必要があります。AIに誤りの原因を調べさせることはできますが、どの報告を訂正し、誰に知らせるかを決めるのは人です。訂正の連絡まで含めて、戻し方の手順にしておきます。

費用の増え方:AIの利用料と計算資源は別に増える

費用の面では、増え方の違う二つを分けて考えます。一つは Prophecy とAIの利用料です。公式の比較表によれば、無料版とプロフェッショナル版は Prophecy が管理する資源をクレジットで計量する形で、無料版は月5クレジット、利用者は1人に限られます。工程を組む会話を重ねるほどAIの利用は増えますが、承認された工程の再実行ではAIのモデルを呼ばないと同社は説明しています。

もう一つは、データ基盤の計算資源です。工程が自社の Snowflake などの上で動く以上、定期実行の回数と処理するデータの量に応じて、データ基盤の側の利用料が増えます。業務部門の工程が増えるほど、データ基盤チームの予算に、業務部門が作った工程の計算費用が積み上がる構図になります。毎時の実行を気軽に設定できるため、日次で足りる報告が毎時動いていないかも棚卸しの項目に入れます。

エクスプレス版は、Databricks・BigQuery・Snowflake をすでに使う組織向けに、主要なクラウドの市場から専用の環境として提供され、利用者は最大20人とされています。具体的な価格は公開資料では確かめられないため、どの部門の予算で何人分を契約し、データ基盤の利用料をどの部門に配賦するかを、契約の前に情シスと業務部門で決めておくと、後の揉め事を避けられます。

エディションの選び方と、監査の記録

公式の比較表を見ると、エディションによって統制の道具がかなり違います。無料版とプロフェッショナル版は複数の会社で共有する環境で、エクスプレス版とエンタープライズ版は自社専用の環境です。シングルサインオン以外の認証方式はエクスプレス版以上、利用者の自動作成と、監査ログの閲覧はエンタープライズ版だけと記載されています。

注意したいのは、2026年11月時点の DataGPT の公式文書では、使えるエディションが無料版とプロフェッショナル版と書かれていることです。報道は管理者による一括展開にも触れていますが、自社専用の環境のエディションで DataGPT がどこまで使えるかは、公開資料からは確かめきれませんでした。統制を重視して上位のエディションを選ぶなら、DataGPT が使えるか、使える場合に監査ログへ何が残るかを販売元に書面で確かめます。

確かめる点無料版・プロフェッショナル版エクスプレス版・エンタープライズ版
環境複数社で共有する環境自社専用の環境
AIのモデルProphecy が管理するモデル自社契約のモデルを使える
監査ログの閲覧記載なしエンタープライズ版のみ
DataGPT の対象公式文書に記載あり販売元に確認が必要

導入前に確かめるチェックリスト

ここまでの場面を、配る前の確認項目にまとめます。全部を一度にそろえる必要はありませんが、上から順に、少なくとも本番への公開を始める前には答えを持っておきたい項目です。答えが空欄のままの項目があるうちは、試験の実行先だけで使うという線を引いておくと、現場の勢いに押されずに済みます。

  • DataGPT を使う人の読める範囲が、その人の作る報告に必要な範囲に絞られているか
  • 添付してよいファイルの種類と、個人フォルダに残ったファイルの扱いが決まっているか
  • 集計の定義(日付の基準、数える対象、名寄せの方法)を、依頼の前に言葉で渡す決まりがあるか
  • 工程を作った本人とは別の人が、元データと報告の数字を突き合わせる担当として決まっているか
  • 本番の実行先への公開が、データ基盤チームのレビューを通る形になっているか
  • 部門をまたぐ規則を確定させる責任者が決まっているか
  • 予定付きの工程の棚卸しの周期と、持ち主が答えられない工程の止め方が決まっているか
  • データ基盤の利用料の増え方を誰が見て、どの部門に配賦するかが決まっているか

項目の多くは、DataGPT に限らず、業務部門が自分でデータの工程を作る仕組みを入れるときに共通する問いです。DataGPT の場合は、それを全社のAIの画面から誰でも始められる点が違います。入り口が広いぶん、関所を後ろの公開と棚卸しに寄せておく、という考え方で項目に答えていくと整理しやすくなります。

止め方・やめ方

止め方は、細かい順に用意しておきます。一人の利用をすぐに止めたいときは、その人のAIの画面の設定で DataGPT の接続を外します。公式の文書は、チャットから署名を終えるには接続を外すか削除すると案内しており、利用が途絶えれば30日で接続は失効します。接続を外しても、その人が公開した本番の工程は動き続けます。人の接続を止めることと、工程を止めることは別だと覚えておきます。

工程を止めるには、前述のとおり予定を外した版を公開し直す必要があります。会社として汎用のAIからの利用をやめる場合は、管理者が接続先の一覧から DataGPT を外し、社内の規程で Prophecy 自身のアプリだけを使う形に切り替えることもできます。どの事態でどの止め方を使い、誰が実行するかを、障害対応の手順書に書いておくと、慌てずに済みます。

製品そのものをやめる場合は、工程が公開されたコードとして残る点が助けになります。データの加工は自社のデータ基盤の上の表として残り、工程のコードも版管理に残るため、別の仕組みへ移すときの設計図として使えます。やめる前に、予定付きの工程をすべて止めた版を公開すること、個人フォルダに残ったファイルを削除すること、業務部門の報告の作り方を誰が引き継ぐかを決めることを、手順に入れておきます。

まとめ

Prophecy の DataGPT は、社員が普段使う ChatGPT・Claude・Copilot から言葉でデータ準備の工程を組ませ、工程を図で見せ、公開と展開を経るまで定期実行しない仕組みです。依頼した本人の権限で動き、接続のパスワードはAIの画面に渡さず、再実行ではAIを呼ばないと公式は説明しています。残るのは、読める範囲をどこまで絞るか、集計の定義を誰が決めて誰が数字を突き合わせるか、本番への公開を誰が承認し、予定付きの工程を誰が棚卸しするかという、会社の側の判断です。業務部門の手元で工程を作れる速さは生かしつつ、定義の判断はAIに任せず、公開と棚卸しに人の関所を置くこと。そうして初めて、承認するまで動かないという仕組みが、組織としての確かめになります。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次