著者：野原琉海（業務効率化に特化したエンジニア）
「うちみたいな小さい会社にはAIで使えるようなデータなんてないよ」
業務効率化の支援をしていると、何十回もこの言葉を聞いてきた。AIの話を出すと「大企業の話でしょ」「データサイエンティストがいないとできない」「うちは取引も少ないし」と言う。
ここではっきり言う。それは間違いだ。
あなたの会社には、すでにAIで活かせるデータがある。それも、大企業が絶対に持っていない種類のデータが。ただ「これがデータ資産だ」と気づいていないだけだ。
この記事では、中小企業に眠っているデータの種類と、それが実際にどれだけの価値を持っているかを具体的に書く。「AIを活用したいが何から始めればいいか分からない」という経営者が、最初の一歩を踏み出すための記事だ。
なぜ「うちにはデータがない」と感じてしまうのか
「データがない」という感覚は、どこから来るのか。
多くの場合、「データ」というと「大量のアクセスログ」「数百万件の購買履歴」「機械学習に使えるレベルの数値」というイメージを持っている。テレビのAI特集や経営誌に出てくる「ビッグデータ活用」の話がそのイメージを作り上げている。でも、それは大企業向けの話だ。
2026年に実施された中小企業AI導入実態調査によると、中小企業のAI導入率はわずか12%にとどまっている。活用できていない企業の最大の理由が「何から始めればいいか分からない」だった。「データがないから」という理由は、それほど多くない。
つまり、多くの中小企業は「データがないからAIを使えない」のではなく、「自分が持っているデータの価値に気づいていないから始められない」状態にある。
業務効率化に特化したエンジニアとして顧問先を支援してきた経験から言うと、「データが本当に存在しない会社」に出会ったことは一度もない。あったのは「データが整理されていない会社」「データが担当者の頭の中にしかない会社」「データとして認識されていない情報が大量にある会社」だけだ。
「整理されていないからデータじゃない」という感覚が、最大の誤解だ。整理されていなくても、それは使えるデータだ。
あなたの会社だけが持つ「一次情報」の価値
ここで少し視点を変えて考えてほしい。
ChatGPTやClaudeなどのAIが学習しているのは、インターネット上で公開されている情報だ。誰でも検索すれば手に入る情報しか持っていない。
一方で、あなたの会社が10年かけて積み上げてきた顧客との関係、業界特有の商習慣、失敗と成功の記録。これらはAIが学習している情報の中には含まれていない。
これが「一次情報」だ。そしてこれこそ、AIに渡したときに最もパワーを発揮するデータだ。
| 情報の種類 | 誰が持っているか | AIが学習済みか | 希少性 |
|---|---|---|---|
| 業界全般の知識 | 誰でもアクセス可能 | あり（一般公開情報） | 低い |
| ツールの使い方 | 使っている人全員 | あり（公式ドキュメント等） | 低い |
| あなたの会社の顧客情報 | あなたの会社のみ | なし（非公開） | 非常に高い |
| 取引先との関係・商習慣 | あなたの会社のみ | なし（非公開） | 非常に高い |
| 自社の失敗・成功の記録 | あなたの会社のみ | なし（非公開） | 非常に高い |
| 業種×地域の特有の傾向 | あなたの会社のみ | なし（非公開） | 非常に高い |
AIが最も使えるのは、一次情報を渡したときだ。「競合他社はどんな提案をしていますか？」という質問にAIは一般論しか返せないが、「過去3年間のうちの顧客との対話記録はこれです。受注につながったケースとそうでないケースのパターンを分析してください」という質問には、あなたの会社に特化した答えを出してくれる。
一次情報こそが、中小企業がAI活用で大企業に対して持てる優位性だ。大企業は大量のデータを持っているが、特定の地域・特定の業種・特定の顧客との関係について「深い」データを持っているとは限らない。むしろ中小企業の方が、ターゲットを絞った深い一次情報を持っていることが多い。
中小企業に必ず存在する4種類のデータ資産
では具体的に、どんなデータがあるのか。顧問先の様子を見ていると、以下の4種類はどんな会社にも必ず存在する。
1. 売上・受注記録
「Excelで管理している売上記録」「会計ソフトの取引履歴」「POSシステムのデータ」。これはほぼ全ての会社に存在する。
このデータをAIに渡すと何が分かるか。
- どの時期に売上が集中するか（季節性・繁閑のパターン）
- どの商品・サービスの売上が伸びていて、どれが落ちているか
- 値引きをした取引とそうでない取引で受注率がどう違うか
- リピート購入のサイクルと離脱するタイミング
建設会社の顧問先で試してみた。過去4年分の受注データ（約180件）をCSVに変換してChatGPTに渡したところ、「3月・8月の受注が全体の42%に集中している」「地場の工務店経由の案件は単価が平均23%高い」という傾向が出てきた。担当者は「なんとなく分かっていたが、数字で見ると全然違う。来年から3月前の営業準備のタイミングを前倒しにする」と言っていた。感覚が数字で裏付けられると、判断が変わる。
2. 顧客情報・取引履歴
名刺情報、顧客台帳、過去の見積もり履歴、Excelの顧客リスト。これも必ずある。散らばっていてもいい。
このデータから見えてくること：
- 長期継続してくれている顧客に共通する属性（業種・規模・地域・最初の接点）
- 過去に解約・離脱した顧客の共通パターン
- 単価アップや追加発注につながった提案の共通点
- 次にアプローチすべきタイミングの傾向
士業事務所の顧問先では、過去5年分の顧客データ（業種・規模・最初の相談内容・継続年数）をまとめてAIに分析させた。結果、「製造業・従業員20人以下・初回相談が補助金申請だった顧客は、継続率が他のカテゴリの2.3倍高い」という傾向が出た。それまで「継続してくれている顧客は縁があった人たち」という認識だったものが、「製造業・小規模・補助金入口」という再現性のある傾向として見えるようになった。
これを受けて営業活動の優先順位を変えた。3ヶ月後、新規案件の問い合わせ数はほぼ変わっていないにもかかわらず、成約率が21%から37%に上がった。
3. 採用記録・定着データ
採用活動をしたことがある会社なら、「応募者情報」「面接時のメモ」「入社後の定着状況」は必ず残っている。
採用コストは1人あたり平均50万〜100万円かかる。媒体費だけでなく、面接に費やした工数・入社後の教育コスト・引き継ぎ作業まで含めると、小規模な会社では1件の採用ミスが事業に与えるダメージは大きい。「どんな人材が定着するか」のパターンが見えれば、採用精度が上がる。
小売業の顧問先で、過去3年分の採用記録（28名分）をAIに分析させた。「定着している社員の8割が、面接時に直近の職場で具体的な問題と自分なりの対応策を話せていた」という傾向が出た。また「採用後6ヶ月以内に離職した社員は、全員が面接時に職場での具体的なエピソードがほとんどなかった」という共通点も見えた。
以降、面接の評価基準を変えた。採用後1年以内の離職が前年3名から0名になった。
4. 問い合わせ・クレーム履歴
メールの受信箱に溜まっている問い合わせ、Slackや電話対応記録のメモ。これも「整理されていない」だけで、ほぼ全社に存在する。
問い合わせ履歴を分析すると：
- 同じ質問が繰り返されているパターン（FAQを作れば対応工数が減る）
- 問い合わせが増える時期と内容の傾向
- 受注・成約につながった問い合わせとつながらなかったものの違い
ネット通販の顧問先では、3ヶ月分のメール問い合わせ（合計82件）をChatGPTに渡して「よくある質問のパターンを整理してください」と依頼した。「配送日数に関する質問」「返品方法」「在庫確認」の3種類で全体の71%を占めることが分かった。この3つのFAQを商品ページに追加したことで、問い合わせ件数が月82件から月22件に減少した。削減できた対応工数が月9時間に相当した。
大企業のデータと中小企業のデータ：どちらが「使いやすい」か
「中小企業はデータが少ないから大企業より不利だ」という先入観があるが、必ずしもそうではない。
| 観点 | 大企業のデータ | 中小企業のデータ |
|---|---|---|
| データ量 | 多い（数百万件以上） | 少ない（数百〜数万件） |
| データの均質性 | 低い（部署・担当者ごとに形式がバラバラ） | 高い（担当者が少ないため一貫性がある） |
| 顧客との関係の深さ | 薄い（担当が頻繁に変わる・大量顧客管理） | 深い（長年の関係・担当継続・顔が見える） |
| 業界・地域への特化度 | 低い（多業種・全国対応が多い） | 高い（特定業種・地域に集中している） |
| 分析コスト | 高い（データ基盤整備・専門家チームが必要） | 低い（ChatGPTで対応できる範囲が多い） |
| 一次情報の濃さ | 薄く広い | 濃く深い |
顧客が20社しかいない会社でも、その20社との関係に10年分の情報が詰まっていれば、それは大企業が持っていない一次情報だ。大量データより「深いデータ」の方が、AIに渡したときに使えるアウトプットが出ることが多い。
「データが少ないから使えない」ではなく、「少ないデータに合った分析の仕方がある」という視点で考えてほしい。月に10件の受注しかない会社でも、その10件の受注パターンを3年分並べれば傾向は見える。
「整理してからAIに渡す」は間違い
ここで重要なことを言う。
「データを完全に整理してからAIを使おう」と考えると、永遠に始まらない。整理に時間がかかる。整理しながら「これは使えるデータか？」が分からなくなる。結果として「もう少し整理してから」と先送りし続ける。
正しい順番は逆だ。「散らかったままのデータをとりあえずAIに渡して、何が分かるかを確認する→分かったことを踏まえて、必要な部分だけ整理する」というサイクルを回す。
| やりがちな失敗 | 正しいアプローチ |
|---|---|
| データを完全に整理してから始める | 散らかったままとりあえず渡してみる |
| 分析の目的を完全に決めてから始める | まず「何か傾向はある？」と聞いてみる |
| 専用の分析ツールを導入してから始める | 今使っているChatGPTで十分 |
| 全社の合意を取ってから始める | まず自分1人でやってみる |
| 大量のデータが揃ってから始める | 今手元にある数十行で十分 |
| フォーマットを統一してから始める | 汚いデータのままでも傾向は出る |
僕自身もこのやり方をしている。自社のブログアクセスデータをGoogle Analyticsからエクスポートして、整理なしにそのままChatGPTに貼り付けて「読まれているページと読まれていないページのパターンを教えて」と聞く。データは汚いまま。でも傾向は出てくる。
「最初から完璧に整理して分析しよう」という発想が、AI活用の最大の障壁の一つだと思っている。AI導入は小さく始めるが正解｜中小企業が失敗しない最初の一歩でも同じことを書いたが、データ活用も「完璧より開始」が正しい。
実際にやってみると分かる3つのこと
データをAIに渡して使い始めると、想定外のことが起きる。
1. データの価値に気づいて、記録するようになる
「こういうことをデータにしておけばよかった」という発見がある。面接時のメモが採用精度に直結することが分かれば、次の面接から記録の仕方が変わる。受注データの傾向が見えれば、今後は「この情報も入れておこう」という意識が生まれる。
2. 小さな発見が業務改善につながる
「なんとなく分かっていた」ことが数字で確認されると、行動が変わる。「秋が忙しい気がする」は感覚だが、「9月・10月の売上が年間の35%を占める」は事実だ。事実に基づいた判断は、感覚に基づいた判断より精度が高い。
3. 「もっとデータを取ろう」という意識が生まれる
最初は「今あるデータで試してみる」から始まる。使ってみると「これが分かるなら、こっちも記録しておきたい」という欲求が自然に出てくる。データ活用が「やること」ではなく「当たり前の習慣」になっていく。
この3つの変化は、どの顧問先でも同じパターンで起きている。最初の一歩さえ踏み出せれば、自然に広がっていく。
今日からできる3つのステップ
「なるほど」で終わるのが一番もったいない。今日中に次の3つをやってみてほしい。
Step 1：社内のデータを棚卸しする（15分）
メモ帳を開いて、社内に存在するデータを書き出す。「売上Excel」「顧客台帳」「過去のメール問い合わせ」「採用記録」。どこに何があるかをリスト化するだけでいい。整理しなくていい。存在確認だけでいい。
Step 2：一番コピーしやすいデータを1つ選ぶ（5分）
Step 1で書き出したリストの中で、今すぐ開けるファイルを1つ選ぶ。完璧なデータである必要はない。数十行で十分。「使えるかどうか分からない」でもいい。
Step 3：ChatGPTに貼り付けて「傾向を教えて」と聞く（15分）
ChatGPTを開いてデータを貼り付け、「このデータから何か傾向はありますか？」と聞く。それだけだ。難しい設定も、専門知識も不要。
合計35分で最初の試行が完了する。「大したことは出てこなかった」という結果でも構わない。別のデータで試せばいい。「この傾向は使える」と感じたら、そこから少しずつ整理と深掘りを始めればいい。
ChatGPTを実務で使う方法｜中小企業向け具体的な活用例では、業務別の具体的なプロンプト例も紹介しているので、組み合わせて読むとより実践的に使えるはずだ。
まとめ
あなたの会社には、すでにAIで活かせるデータがある。
売上記録、顧客情報、採用記録、問い合わせ履歴。全部資産だ。「データがない」のではなく「整理されていない」か「データとして認識されていない」だけだ。
特に重要なのは、あなたの会社が長年積み上げてきた顧客との関係や業界経験は、検索しても絶対に出てこない一次情報だという点だ。大企業もコンサル会社も持っていない。あなたの会社だけが持っている。
AIはその一次情報と組み合わせたときに、最も価値を発揮する。「AIを使いたいが、うちにはデータがない」ではなく、「うちにしかないデータをAIに渡してみよう」という視点の転換が、最初の一歩だ。
まず1つ、今手元にあるデータをChatGPTに渡してみる。整理しなくていい。全部理解しなくていい。「こういう傾向があるのか」という最初の気づきを得ることが、すべての始まりだ。
AIを使っている中小企業と使っていない中小企業で、静かに差がつき始めているでも書いたが、AI活用の差は今まさに生まれている。あなたの会社が持っている一次情報を活かすタイミングは、今だ。
