データを“持つ”競争から、“信頼されてつなぐ”競争へ

産業融合時代の競争基盤――AI・データスペースと「データの信頼性」が企業の勝敗を分ける

  • 2026-11-18

革新的な技術が産業の融合を促す産業融合の時代において、既存の産業またはその組み合わせは、人間が社会生活を営むための基本的な機能ごとの価値変化を通じて、新たな産業へと変化していきます。そして、価値の中心がモノからデータへ、所有から利活用へと変化する中で、競争単位は業界内の企業間競争から、異なる産業・業種のデータを安全につないだAI・データスペースへと移行していきます。競争インフラとしてのAI・データスペースの成立条件は、技術そのものではなく、企業間で連携されるデータに対する信頼です。データの信頼性評価機能は、データを「守る」ことと「つなぐ」ことを両立させる、産業融合時代の競争基盤であるとともに、信頼を担保する社会インフラです。

加速する産業融合とデータ連携の必要性

デジタル変革(DX)への取り組みは、これまで幅広く進められてきました。しかし、いま企業経営者が向き合うべき変化は、単なる業務効率化やデジタル化の延長線上にあるものではありません。より本質的な変化、それは産業構造そのものの再編です。

「産業融合」という考え方が示す重要な点は、価値創造の単位が「産業」から「機能」へ移行するという指摘です。具体的には、これまで「産業」ごとに形成されてきた価値創造の仕組みが、AI、気候変動、地政学的変化などのメガトレンドによって、「機能」を軸に再構成されることを示しています。これは、自動車、金融、医療、製造といった従来の「産業」による区分ではなく、「移動する」「つくる」「ケアする」といった人間の基本的ニーズを起点に市場を捉え直す考え方です(図表1)。

例えば、自動車産業はもはや自動車メーカーだけで構成される市場ではありません。EV化の進展により、電力会社、充電インフラ事業者、ソフトウェア企業、通信事業者が一体となってモビリティサービスを提供する世界へと変化しています。同様に、医療分野では医療機関だけでなく、保険会社、製薬企業、デジタルヘルス企業が連携し、予防医療や個別化医療を実現しようとしています。

このような産業融合が進むと、それに伴って競争の単位も変化します。同じ産業内の企業間競争ではなく、既存産業を横断するエコシステム間の競争へと移行するのです。この変化の中での価値創出は、複数の産業や企業が保有するデータの流通、統合、利活用に依存するようになるでしょう。企業はもはや単独で価値を生み出すのではなく、複数の産業や企業が形成する、データを中心としたエコシステムの中で価値を創出する時代に入ったといえます。

その結果、企業に求められる競争力も変化しています。これまでは、自社内で「どれだけデータを持っているか」が重要でした。しかし今後は、「どれだけ他社とデータをつなぎ、新たな価値を創出できるか」が競争力の源泉となります。

図表1:既存産業と9つの機能および機能ごとに発揮される価値のポイント

既存産業と9つの機能および機能ごとに発揮される価値のポイント ,

出所:PwC intelligence「産業融合」(2026)

AI・データスペースの必要性とデータ連携の課題

このような大きな環境変化の中で注目されているのが、AI・データスペースです。AI・データスペースとは、企業がデータを適切に保持・管理しながら、安全かつ信頼できる形でデータを共有・活用するための仕組みです。

AI・データスペースが注目される背景として、新たな顧客価値の創造にはデータの組み合わせが重要である点が挙げられます。例えば、EVの充電体験を最適化するためには、自動車データだけでは不十分です。しかし、電力需給データ、充電設備データ、位置情報データなどを組み合わせることで、新たな価値を創出できます。また、医療データと保険データ、物流データと製造データのように、従前は異なる産業に属していた企業が保有するデータを組み合わせることで、新たな顧客体験を生み出すことが可能になります。つまり、AI・データスペースは単なるデータ共有のためのIT基盤ではなく、産業融合時代の競争インフラとして位置づけられるために必要とされるものです。

しかし、現実には企業間でのデータ連携は容易ではありません。独立行政法人情報処理推進機構(IPA)が公表した「DX動向2026」によると、データ連携を推進する上で、最も多く挙げられた課題は、「社内にデータ連携を企画・推進・実装できる人材が不足している」(45.7%)でした。次いで「セキュリティ対策やプライバシー保護の負荷が高い」(38.7%)、「データ連携による具体的な費用対効果が見込めない・不明確である」(38.4%)となっています。また、「データ連携を活用したビジネスモデルや収益化の仕組みが描けない」(31.8%)、「データ連携基盤の構築・改修や運用にかかるコスト負担が大きい」(30.7%)といった課題も挙げられています(図表2)。

図表2:データ連携推進の課題

データ連携推進の課題 ,

出所:IPA「DX動向2026」よりPwC作成

注目すべき点は、データの標準化などの技術的な要因が相対的に低下する一方、データを活用したビジネスの創出そのものが課題となっていることです。これまでは、データを連携したくても技術的に実現できない、または著しく困難な状況にありました。しかし、技術の革新や進歩に伴う低価格化などによって、データ生成、蓄積、連携自体は比較的容易に実現できるようになりました。一方、データ連携を軸にしたビジネスの創出や変革をいざ構想しようとすると、収益化スキームの実現可能性や、必然的に生じるリスク・コストの管理といった現実的な課題に直面します。こうした課題に対応できる専門人材が不足していることも、データ連携がなかなか進まない一因と考えられます。

ここで求められる専門性を有する人材の絶対数が限られていると考えられる以上、すべての企業が必要な人材を確保することは困難です。また、内部人材の登用と育成には時間を要するため、目の前の課題への対応としては必ずしも十分ではありません。そうであれば、求められる専門性が多岐にわたることも考慮し、必要な要件を満たすコンサルタントなど、外部の専門人材を活用するとともに、ITベンダーなどのビジネスパートナーを含めたプロジェクトチームを組成し、データ連携に係る新規事業を推進することが現実的でしょう。

また、データセキュリティやプライバシーに関するリスク管理は、データ連携の企画段階から考慮しておくことが重要です。システム構築後に、データ連携を実現するために必要となるセキュリティ上の技術的要件や統制を追加開発・実装することは、コストや運用の面で非効率になりやすいためです。

さらにデータ連携では自社以外の企業や組織との連携が想定されます。連携先におけるデータセキュリティやプライバシーのリスク管理水準が、少なくとも自社と同等に確保されていなければ、どれほど優れたビジネスプランであっても、安心してデータを連携することはできません。

この点、データ連携の参画企業にとっては、データに関するリスク管理態勢が一定の水準で整備・運用されることを前提に、企業間の要求水準のすり合わせ、それに基づく運用の正確性や品質の確保、説明責任などが大きな負荷となっていました。また、データ連携は技術的に容易になった一方で、その管理態勢の整備には時間を要することが多く、環境変化に応じて柔軟に変更することも困難です。そのため機動性を欠き、結果としてビジネスのスピードを遅らせる一因にもなっています。こうした課題を解決するため、データの信頼性をビジネスの企画・設計・運用の各段階で実装し、継続的に評価できる仕組みが求められてきました。

連携データの信頼性を担保するデータ信頼性評価機能

データの信頼性と一口に言っても、その内実は多岐にわたります。本稿では、AIでのデータ利活用を前提として、データの信頼性に求められる機能を、大きく「生成データの保護、完全性および真正性」「連携データに対する信頼性」「AIが利活用するデータの制御・管理」の3つに整理します(図表3)。

まず、1つ目の「生成データの保護、完全性および真正性」は、自社内で保持・管理するデータに係るIT統制の有効性を、設定値に基づいて評価・監査する機能です。これは、連携前のデータの信頼性を確保するための機能と位置付けられます。次に、2つ目の「連携データに対する信頼性」が本稿のテーマとしている機能であり、連携されるデータを、あらかじめ定めた統制ルールに基づいて評価・監査し、価値づけを行うデータ監査装置のようなものです。また、この機能は、将来的には、こうした判断の根拠となるデータの信頼性への応用も考えられます。例えば、データを連携・共用によって新たに創出される便益を、誰にどの程度分配するかは、ビジネス上の重要な論点です。この機能は、こうした判断の根拠となるデータの信頼性も対象とすることができます。そして、3つ目の「AIが利活用するデータの制御・管理」は、AIが制御するAIエージェントがAIのオペレーションを統制する自律運営モデルについて、デジタルツイン環境でその有効性を検証する機能です。

AIが利用するデータや処理を制御・管理することで、AIの運用における信頼性の確保を目指します。

図表3:AIでのデータ利活用を見据えたデータの信頼性に求められる3つの機能

AIでのデータ利活用を見据えたデータの信頼性に求められる3つの機能 ,

出所:PwC作成

PwCが特許を取得(特許番号:特許第7866235号、登録日:2026年5月19日、特許権者:PwCビジネスアシュアランス合同会社)した技術を活用したデータ信頼性評価機能は、データの処理・連携過程で適時かつ客観的にデータの信頼性を評価し、その結果に応じてデータ連携を制御してレポーティングする、いわばレフェリーの役割を担うことを目指すものです。本特許技術では、各種セキュリティガイドラインやAIに係るガイドラインなどの統制に関する規則と、その統制を実現するコードや設定を対応付けて統制ライブラリに記憶させます。そのうえで、当該コードの実行および/または設定により統制を実行し、統制の実行有無や結果を評価します。そして、評価結果をレポートとして出力することによって、適切なデータが適切に連携されていることを確認し、透明性や対外的な説明責任を確保する仕組みです。

このデータ信頼性評価機能により、データの取り込み時・加工時・転送時・利活用時など、データを扱う各時点で、データの来歴や同意取得の有無、その正確性や完全性などに係る証跡を適時かつ多面的に評価できます。また、例外を検出すると、その内容が制御機能に連携され、適時かつ自動で例外データを隔離し、再処理することなどが可能になります(図表4)。

図表4:データ信頼性評価機能の概要とその期待効果

データ信頼性評価機能の概要とその期待効果 ,

データ信頼性評価機能は、これまで属人的かつ静的なチェックリストによって事後的に実施していた、データの信頼性を確保するための取り組みを、仕組みによって動的かつ自動で適時に実施し続ける装置へと変えることを目指しています。そして、データの追加や変更に応じて、証跡(ログ)の収集、適時の監視、それらに基づく評価を行い、例外発生時の対応方法も具体化して継続的に実行します。さらに、ポリシーの更新を通じて、データ信頼性評価機能そのものを成熟させていくことができる点が、最大の強みです。

データ信頼性評価機能は産業融合時代の競争基盤であり、信頼の社会インフラとなる

産業融合時代の競争では、これまでのデータを囲い込む戦略から、新たな価値創造のために、連携先と連携する、または連携させるデータを選択する戦略へと脱却する必要があります。もっとも、データは守るべき資産でもあります。だからこそ、データ連携における信頼の設計が重要です。連携するデータを誰が何に利用し、どのように管理しているのか、また、その状況を客観的に把握・評価できるのかが問われます。これらを実現するデータ信頼性評価機能は、データを「守る」と「つなぐ」を両立させる、これからの競争基盤そのものといえるでしょう。

そして、多種多様なAI・データスペースが相互に接続し、その中をデータが流通してAIが自律的に活動する社会では、データ信頼性評価機能は、私たちの社会に必要不可欠な信頼を支える社会インフラの一つにもなっていくでしょう。

本稿では、産業構造の変化を大きく俯瞰したうえで、データ連携の必要性とその課題を示し、解決の方向性としてデータ信頼性評価機能の概要を提示しました。今後は具体的なユースケースを取り上げ、データ信頼性評価機能を実装することで、データ連携に係る課題を解決し得る事例を紹介していく予定です。

PwCは、国内外において、データの信頼性を評価・保証する制度に関連するルール形成に参画しています。また、企業実務においても、データ連携やAIプラットフォームサービスの開発、実装、運営を支えるIT統制およびガバナンスの構築・高度化、関連法令への対応などに関する豊富な実績と知見を有しています。今後も、これまでに培った専門性を生かし、データ信頼性評価機能の開発と検証を通じて、産業融合時代の競争基盤、ひいては信頼の社会インフラの構築に貢献していきます。

執筆者

平岩 久人

パートナー, PwC Japan有限責任監査法人

Email

本ページに関するお問い合わせ