# データに溺れていませんか？Inzata COO／SIGNLD Chief AI Officer のクリス・ラフターが語るナレッジグラフと意思決定インテリジェンス

- 番組: [Making Data Simple](https://ai-curator.jp/podcasts/shows/cmv40aty800025j0zuvooimdj)（IBM Big Data & Analytics Hub）
- 元のタイトル: #423 Drowning in Data? Chris Rafter, COO of Inzata and Chief AI Officer at SIGNLD, on Governance, Third-Party Data, and Decision Intelligence
- 配信日: 2026年11月4日
- 長さ: 50分
- 要約作成日: 2026年11月4日
- トピック: [#ナレッジグラフ](https://ai-curator.jp/topics/%E3%83%8A%E3%83%AC%E3%83%83%E3%82%B8%E3%82%B0%E3%83%A9%E3%83%95) [#データガバナンス](https://ai-curator.jp/topics/%E3%83%87%E3%83%BC%E3%82%BF%E3%82%AC%E3%83%90%E3%83%8A%E3%83%B3%E3%82%B9) [#RAG](https://ai-curator.jp/topics/RAG) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#意思決定インテリジェンス](https://ai-curator.jp/topics/%E6%84%8F%E6%80%9D%E6%B1%BA%E5%AE%9A%E3%82%A4%E3%83%B3%E3%83%86%E3%83%AA%E3%82%B8%E3%82%A7%E3%83%B3%E3%82%B9) [#AWS Bedrock](https://ai-curator.jp/topics/AWS%20Bedrock)
- URL: https://ai-curator.jp/podcasts/cmw1wj99b00005r10xk5y9scf

## 要約

Making Data Simple の第423回。Inzata COO で SIGNLD の Chief AI Officer を務めるクリス・ラフター氏が、企業が大量のデータを持ちながら意思決定に活かせていない問題と、その解決策としての SIGNLD を紹介する。散在するデータを AI が推論できるナレッジグラフに変える仕組み、AWS Bedrock 内で完結する API 不使用のセキュリティ方針、決定論的な回答とトークン節約、ROI の可視化などを語った。後半は AI 業界の勝者や今後の働き方についてのラピッドファイアも行われた。

## ポイント

- SIGNLD は QuickBooks、NetSuite、Slack、HubSpot などのデータを取り込み、対話しながら自動でナレッジグラフを構築する。データモデリングに数か月かける従来手法を省き、約1時間で質問に答えられる状態になると説明している。
- 顧客データを外部の API に出さないため、AI は AWS Bedrock の閉じた環境内で動かしている。HIPAA 準拠で、データをモデル学習に使うこともないと述べている。
- ラフター氏は2年前の「データは完璧に整えるべき」という考えを180度改めたと語る。AI は不完全なデータでも意味を読み取り、異常な記録もナレッジグラフに記憶できるという。
- RAG は毎回回答がぶれる「司書」のようなもので、財務データのような一貫性とトレーサビリティが必要な場面には不向きだとの見方を示した。SIGNLD は大半の回答を決定論的に出し、トークン消費も抑える。
- 「リビングダッシュボード」は、ナレッジグラフから AI が生成するカスタム Web アプリのようなものだ。日次の更新や質問、タスクの割り当てまで可能で、現在ベータ版である。
- 料金は月40ドルから（無料プランもあり）で、トークン予算に基づく。トークンあたりの価値を測る ROI ツールも備え、CPA（公認会計士）向けの利用が先行している。

## 章立て

- [00:00] **ゲスト紹介とキャリア** — ラフター氏が Inzata の共同創業者・COO、SIGNLD の Chief AI Officer であることを紹介する。25年のデータ経験や起業についてのアドバイスも語られる。
- [05:11] **Inzata と SIGNLD の誕生** — データ量の増加に処理能力が追いつかない問題から Inzata が生まれた経緯を説明する。生成 AI の登場を受け、独立した製品として SIGNLD を開発したという。
- [08:10] **ナレッジグラフと使い方** — 対話を通じてナレッジグラフが育つ仕組みを紹介する。約800のコネクタ、段階的なデータ投入、変更履歴の不変記録、リビングダッシュボードにも触れる。
- [15:35] **RAG との違いと技術基盤** — RAG の一貫性の弱さを指摘し、DuckDB や Fivetran のコネクタなど技術構成を説明する。API 不使用の方針の理由も語られる。
- [21:45] **データ品質と実例** — 不完全なデータでも AI は扱えるという考えの変化を語る。安全設備会社で、メモ欄から8人目の認定候補者を見つけた事例を紹介する。
- [28:00] **外部データ、料金、ROI** — 外部データの取り込みや、トピックとシグナルの機能を説明する。料金体系やトークン単位の ROI 測定、CPA 向け展開も語られる。
- [39:18] **AI 市場の見方とラピッドファイア** — AI で誰が最も稼ぐかや、スプレッドシートを ChatGPT に渡す場合との違いを議論する。後半はキャリアや技術についての短い質問に答える。

## 解説記事

Making Data Simple の第423回では、ホストの Al Martin 氏が、Inzata の COO で SIGNLD の Chief AI Officer でもあるクリス・ラフター氏にインタビューした。テーマは、企業が過去最大の情報量を抱えながら、なぜ良い意思決定につなげにくいのかである。ラフター氏は、散在するデータを AI が推論できるナレッジグラフに変える SIGNLD を軸に、セキュリティ、データ品質、コスト管理への考えを語った。

#### 問題意識：使われないデータと SIGNLD の誕生

ラフター氏は金融業界でキャリアを始め、約25年にわたりデータウェアハウスなどに関わってきた。公共部門の仕事も多いという。Inzata を立ち上げたきっかけは、生成・収集されるデータの量に比べ、実際に意思決定に使われる量が少ないことだったと述べている。最初の製品 Inzata Enterprise は、AI を使ってデータを自動でモデル化し、ダッシュボードを作れるデータウェアハウス兼データ管理モジュールである。

生成 AI が登場したとき、これは既存製品の機能追加では収まらないと判断し、別製品として SIGNLD を作ったという。両者は互いに依存せず、単独でも使える。きっかけの一つは2024年初頭の商談だった。デモを見た顧客から「なぜ自分がマウスでウィジェットを動かす必要があるのか。AI に頼めばいいのでは」と問われ、答えられなかった経験が大きな動機になったという。

#### 仕組み：対話で育つナレッジグラフ

SIGNLD は QuickBooks、NetSuite、Slack、HubSpot、Microsoft Teams などからデータを取り込む。コネクタは800以上あり、多くは Fivetran との関係に由来する。ラフター氏によれば、利用者は主要な1〜2システムから始められ、データの準備が整うのを待つ必要がない。

ナレッジグラフは利用者が手で組む必要がない。チャットで質問するうちに AI が内容を読み取り、「QuickBooks では8部署だが、7部署と言われた。どちらか」といった確認をしながら構築していく。誰がどう答えたかも記録し、すべての変更を不変の履歴として残す。ラフター氏は、約1時間で質問に答えられる状態になると述べている。

Slack の過去6年分の会話から RFP 対応プロセスの変遷を要約させたところ、3段階の成熟度を識別できたという例も挙げた。従来の BI ツール（Tableau や Cognos）はダッシュボード設計やデータマートの整備に手間がかかるが、SIGNLD はそれを省略できるという立場である。さらに「リビングダッシュボード」を開発中で、ナレッジグラフから AI が生成するカスタム Web アプリのような画面が、質問への回答、日次更新、担当者や AI エージェントへのタスク割り当てまで担う。現在ベータ版である。

#### セキュリティ方針と RAG に対する見方

SIGNLD は「API を使わない」方針を取っている。顧客データを OpenAI や Anthropic などの外部 API に送らず、AWS Bedrock 内の閉じた環境で Sonnet や Opus といった最先端モデルを動かす。データは別事業者のデータセンターに出ず、モデル学習にも使わないとし、この判断を2024年に下したと述べた。HIPAA 準拠で、多要素認証や Auth0、暗号化も採用している。関係する要素を絞ることが安全性を高めるという考え方である。

RAG（検索拡張生成）については、役割はあるものの限界があるという立場だ。毎回書庫に司書を送るようなもので、経路によって答えが変わりうる。財務データのように「98%の正確さでは足りない」領域では、一貫性と追跡可能性が求められる。そこで SIGNLD は、AI をデータの解釈、構造化、ナレッジグラフ構築に使い、実際の回答は大半を決定論的に処理する。同じ質問には、データが変わらない限り同じ答えが返る。ラフター氏はこの方式でトークン消費も大幅に減るとし、近く「トークンの清算」が来るとの見方を示した。

#### データ品質への考えの変化と具体例

興味深いのは、2年前なら「データはきれいにすべきだ」と答えていたが、今は考えが逆になったという発言である。AI は汚れたデータや非構造化データの扱いにも長けており、テスト顧客を示す「z_」始まりのレコードのような癖も、ナレッジグラフに記憶して除外できるという。

具体例として、安全設備の設置会社が挙がった。基幹システム上では認定対象者が7人だったが、SIGNLD は取引データのメモ欄を読み、先輩が指導している若手社員を8人目として示した。管理者は確認して基幹システムを更新したという。

#### 外部データ、料金、ROI の可視化

Inzata には、医療コードや国勢調査などの外部データを提供する「エンリッチメント」があったが、固定的だった。SIGNLD ではエージェントが自律的に公開データを検索して取り込める。非営利団体が地域の人口統計を自動で結びつける例が紹介された。利用者が関心を持つトピックを登録すると、AI が関連するシグナルを継続的に探す機能もある。

料金は月40ドルから（無料プランもあり）で、データソース数、ナレッジグラフの規模、操作量に応じたトークン予算で決まる。チャットの感情分析で得られた価値をトークン支出と対比させる ROI ツールも備えており、初期のベータ利用者の「いくら使うかより、どれだけ価値を得たかを知りたい」という声から生まれたという。利用は CPA（公認会計士）事務所で先行し、月に従業員1人あたり10〜15時間の削減を報告する声があるとのことだ。顧客企業にも同じ環境を提供する「Signaled for CPAs」も準備中である。

#### AI 市場とキャリアへの見解

AI で最も稼ぐのは誰かという問いには、初期ドットコム期の検索エンジン乱立を例に、最も低い投資で最大の価値を届ける企業だろうと答えた。ChatGPT にスプレッドシートを渡す方法との違いについては、新規チャットは自社の文脈を持たない点を挙げ、ナレッジグラフを MCP 経由で接続すれば AI が自社の文脈で作業を検証できると述べた。ラピッドファイアでは、AI による淘汰が最も大きいのは年商1,000万〜100億ドル規模の中堅ソフトウェア企業だと予想し、学ぶべきスキルとして事業戦略と顧客対応力、そして forward-deployed engineer（顧客先で課題解決を担う技術者）の役割を挙げた。

#### まとめ

本回の中心は、データをきれいにしてから AI を使うのではなく、AI を使いながら文脈を蓄積するという発想の転換である。日本企業でもデータ整備の遅れが AI 活用の障壁と語られがちだが、ラフター氏の主張は、その前提を問い直す材料になる。ただし内容は自社製品を扱う創業者の発言であり、精度や効果は各社で検証が必要だ。注目点は、外部 API に出さない設計、決定論的な回答、トークン単位の ROI 管理である。いずれもガバナンスとコストの面から、企業の AI 導入で重要になる論点である。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Making Data Simple「#423 Drowning in Data? Chris Rafter, COO of Inzata and Chief AI Officer at SIGNLD, on Governance, Third-Party Data, and Decision Intelligence」