AIが作るダッシュボードは誰の決定になる？——SlackとChatGPTが変える社内データの入口

会議のために表計算を開き、数字をコピーし、グラフを整え、スライドへ貼る。完成したころには元データが更新され、会議では「どの数字が最新ですか」という確認から始まる——。そんな社内分析の流れを、生成AIが根本から変えようとしています。

Salesforceは2026年9月10日、Slackbotへの依頼だけでダッシュボード、レポート、プレゼンテーション、計算ツールなどをSlack内に作る「Slackforce Surfaces」を発表しました。同日、OpenAIはChatGPT Work向けの「Data agent」と金融機関向けの「ChatGPT for Financial Services」を発表しています。いずれも、AIの答えを一度きりの文章で終わらせず、社内データにつながった操作可能な画面へ変える動きです。

これは、単にグラフ作成が速くなるニュースではありません。誰でも自然言語で分析画面を作れるようになると、これまでBI担当者やデータ部門が担ってきた指標定義、アクセス制御、版管理、説明責任が、日常のチャットへ移ります。日本企業にとって重要なのは「AIで資料を何分短縮できるか」だけではなく、その画面を見て決めたことを後から再現できるかです。

結論——AIの画面には「現在」と「決定時点」の両方が必要です

Slackforce Surfacesは、会話や接続先のデータからライブ画面を作り、元データが変わると表示も更新する設計です。Data agentも、データベースや文書へ接続し、質問から分析やダッシュボードを作り、承認された作業を接続先で実行する構想です。更新のたびに表を貼り直さなくてよいことは、大きな利点です。

しかし、ライブであるほど「昨日の会議で何を見て決めたか」が消えやすくなります。午前10時には赤字だった指標が、午後の修正で黒字へ変われば、同じURLを開いても決定時の画面を再現できないかもしれません。AIが表示方法や計算式まで生成する場合は、データだけでなく画面のロジックも変わり得ます。

したがって、AIダッシュボードは二つの状態を持つべきです。一つは、最新状況を追う「現在の画面」です。もう一つは、承認、発注、採用、顧客説明などの直前に保存する「決定時点の記録」です。決定時点の記録には、表示値だけでなく、参照元、取得時刻、指標の定義、絞り込み条件、生成したAIと指示、承認者をひも付けます。

この二重構造があれば、日常は常に新しい数字で動きながら、重要な判断だけは過去へ戻れます。ライブ更新を止めるのではなく、戻る必要がある地点へ栞を置く考え方です。

三つの発表が示した「資料から仕事の入口へ」の変化

Slackforce Surfacesについて、Salesforceはチャットで必要なものを説明すると、Slackbotが会話、Salesforce、接続された業務データから画面を作ると説明しています。作成物はチャンネルへ固定でき、同僚が閲覧、絞り込み、コメント、操作を行えます。Salesforceは、別のツールで作って配る資料ではなく、会話が行われる場所そのものを共同作業の画面にする構想を示しています。

The Vergeの報道では、AIトークン使用量を部門別に示すインタラクティブなダッシュボードや、顧客対応キューを確認する画面が例として挙げられています。機能は有料プランだけでなく、Slackbotを有効にした無料利用者を含む顧客へ提供され、ライブデータ機能は10月から展開されるとされています。利用範囲は既存の権限に従うという説明です。

OpenAIのData agentは、Amazon Redshift、Google BigQuery、Databricks、Snowflakeなどのデータ基盤に加え、Google DriveやSharePointの文書も分析対象にします。企業固有の用語、指標、計算式、データ関係をdbtや各種メタデータ基盤、既存BIから読み、Omni、Power BI、Tableauなどにもダッシュボードを作れるとITmediaは報じています。

さらに、分析結果をSlackやメールへ共有し、次に取る手順や関係者を提案し、利用者が承認した作業を接続先で実行する構想です。ここでAIは「数字を説明する人」から「数字を見て次の操作を準備する人」へ変わります。読み取り、可視化、提案、実行が一つの会話に連なるため、便利さと同時に権限設計の重要性が上がります。

金融機関向けのChatGPT for Financial Servicesは、決算説明会の記録、財務諸表、企業情報などの金融データを組み込み、数値や記述の根拠となる表や本文へさかのぼれる出典表示を備えるとされています。SAML SSO、SCIM、役割ベースのアクセス制御、保持期間設定、監査ログの書き出し、情報障壁のための複数ワークスペースも説明されています。

三つに共通するのは、AIが文章だけを生成する段階から、データへ接続された仕事の入口を生成する段階へ進んだことです。画面を作れる人が増える一方、その画面が何を読めて、何を変えられて、誰が結果へ責任を持つかを先に決める必要があります。

「誰でも作れる」と「誰でも正しく定義できる」は同じではありません

自然言語で画面を作れると、SQLやBIの操作を知らない営業、経理、人事、カスタマーサポートの担当者も自分で分析を始められます。待ち時間が減り、現場の疑問をその場で掘り下げられる点は大きな進歩です。分析担当者は、定型グラフの作成より、難しいデータ品質や意思決定支援へ時間を移せます。

一方で、操作が簡単になっても、問いの定義は簡単になりません。「今月の顧客数」を尋ねても、契約済み、無料利用、休眠、解約予定、同一企業の複数部署をどう数えるかで結果は変わります。「解約率」も、月初顧客数を分母にするか、更新対象だけを分母にするかで違います。AIが滑らかなグラフを返すと、この定義差が見えにくくなります。

NTTドコモソリューションズのIT運用部門を扱ったITmediaの取材は、この問題を別の角度から示しています。同部門は日報や週報をテキスト中心へ切り替えました。口頭説明や図の行間がなければ意味が通らない資料、途中版や複製が乱立した保存場所では、AIが何を正しい参照先とすべきか判断しにくかったためです。

ここでの教訓は、PowerPointという製品を禁止すればよいということではありません。主語、期間、対象、定義、決定事項を文章として残し、正式版を一つに定めることが重要です。画像を読むAIが進歩しても、元の組織が同じ指標を違う意味で使い、0.6版と最終版を同じ場所へ置けば、誤った文脈を高性能に読み取るだけになりかねません。

AIの成果を答えだけでなく工程・境界・追試まで含めて考えた記事では、再現可能性を四つに分けました。ライブ画面では、その考え方を指標辞書へ広げます。各指標に、名称、意味、計算式、対象期間、除外条件、更新頻度、管理者を付けます。AIには、その辞書に登録された定義を優先させ、見つからない指標は新しい名前で勝手に確定させず、候補として提示させます。

既存権限を守るだけでは「組み合わせの漏えい」が残ります

Slackforce Surfacesは既存の権限に基づき、利用者が許可された情報だけを表示すると説明しています。Data agentも、管理者が導入可否や接続先プラグインを決めます。これは最低限必要な設計です。ただし、元データのアクセス制御を継承するだけで、すべての情報問題が解決するわけではありません。

個別には閲覧を許されている情報でも、まとめ方によって新しい機密が見える場合があります。営業担当者が自分の顧客情報を見られ、人事担当者が所属情報を見られても、二つを組み合わせた離職予測や個人別生産性順位を誰でも作れるようにしてよいとは限りません。少人数の部署を絞り込めば、匿名化した集計から個人を推測できることもあります。

また、チャットには正式な記録だけでなく、推測、冗談、未決定案、顧客への配慮を欠く表現も混ざります。会話履歴をそのまま経営画面の根拠へすると、発言時には想定されなかった評価や監視へ転用される恐れがあります。読めることと、評価指標へ使ってよいことを分けなければなりません。

権限は少なくとも四段階に分けます。

段階	AIに許すこと	人が確定すること
読み取り	指定されたデータを検索し、出典候補を示します	用途外のデータが混ざっていないか確認します
集計	承認済みの指標定義で合計、比率、推移を作ります	少人数集計や機密の組み合わせを審査します
表示	対象者別の画面を生成し、共有候補を作ります	公開範囲、保存期間、説明文を決めます
実行	下書き、通知案、更新案を準備します	送信、書き換え、発注、顧客影響を承認します

特に「読み取り権限があるから、共有してよい」という飛躍を防ぎます。AIが画面を作った人の権限でデータを読めても、チャンネルへ固定した後の閲覧者全員が同じ権限を持つとは限りません。共有時に再度アクセスを評価し、画面のキャッシュ、通知、書き出し、スクリーンショットにも同じ扱いを適用します。

AIを観察・提案・限定実行・自律運用の四段階へ分けた記事で示した昇格表は、データ分析にも使えます。最初は読み取りと可視化だけにし、定義一致率、誤共有、修正時間、利用者からの異議を測ってから、通知や更新へ進めます。

ライブ画面には四つの時刻を表示します

従来の月次資料には「8月実績」と書かれていても、抽出した日時、修正した日時、会議で承認した日時は一つのファイルへ埋もれがちでした。自動更新される画面では、時刻をさらに丁寧に分ける必要があります。

一つ目は「元データの時刻」です。注文が何時まで反映され、外部データがいつ更新されたかを示します。画面を今開いた時刻ではありません。接続先が一時間遅れていれば、最新表示でも中身は一時間前です。

二つ目は「計算定義の版」です。売上、顧客数、在庫、稼働率の計算式をいつ誰が変えたかを示します。過去データを新しい定義で再計算したのか、変更日以降だけ新定義なのかも残します。

三つ目は「画面生成の版」です。AIへの指示、利用したモデル、表示ロジック、絞り込み、並び順を記録します。同じデータでも、上位五件だけを見せる画面と全件分布を見せる画面では、受ける印象が違います。

四つ目は「決定の時刻」です。誰がどの状態を見て、何を承認したかを保存します。重要な操作の直前には画面を凍結し、決定IDを発行します。その後に元データが訂正されても、訂正前に行った判断と訂正後の対応を分けて説明できます。

記録する時刻	答える質問	表示例
元データ時刻	数字はいつまで入っていますか	注文データ 10:05時点
定義版	どの計算式を使いましたか	解約率 v3、9月1日適用
画面版	AIは何をどう見せましたか	Surface v12、地域除外あり
決定時刻	誰が何を決めましたか	10:30、部門長承認

この四つが画面内に見えれば、利用者は「最新」という一語に頼らずに済みます。出典へ戻れること、現在と決定時点を切り替えられること、定義変更の影響を比較できることが、ライブダッシュボードの品質になります。

金融向けAIが示すのは専門データより「境界の設計」です

ChatGPT for Financial Servicesでは、金融データを標準で組み込み、既存契約のデータへサインイン情報を使って接続し、50種類以上のコネクタを用意すると説明されています。金融機関にとって、データ契約と利用者権限を保ちながら分析へ到達しやすくなることは魅力です。

ただし、組み込まれたデータがあることと、その数字から投資判断や顧客説明を自動確定できることは同じではありません。決算資料、ニュース、非上場企業情報は更新頻度も利用条件も異なります。企業名の同一性、通貨、会計期間、修正再発表、予想と実績の区分を誤れば、グラフが整っていても判断はずれます。

金融機関向け製品が情報障壁のために複数ワークスペースを設け、保持期間や監査ログを管理できるとする点は、一般企業にも参考になります。全社で一つの巨大なAI空間を作るのではなく、目的と機密区分で作業場所を分けます。人事評価、M&A、顧客サポート、公開マーケティングを同じ会話履歴へ混ぜません。

また、Microsoft Officeの社内テンプレートを配布できることは、見た目の統一には役立ちます。しかし、同じ書式であることは、同じ根拠であることを保証しません。ブランド色や表紙より先に、数字をクリックすると原表と対象行へ戻れるか、推計値には推計と表示されるか、古い資料を再利用したときに取得日が残るかを優先します。

AIが専門領域へ入るほど、一般的な「正しそうな回答」ではなく、用途別の停止線が必要です。顧客へ渡す、外部へ公開する、送金する、取引する、人を評価する操作は、分析画面から一クリックで届く場所に置かず、独立した承認へ渡します。

30日で作る「決定インターフェース」の試験

全社へ一度に展開する必要はありません。毎週見ている一つの業務指標を選び、30日で小さな試験を行えます。おすすめは、売上のように経営判断へ直結しすぎる指標ではなく、問い合わせ待ち時間、在庫欠品候補、社内システムの障害件数など、元データと担当者が明確なものです。

最初の10日——一枚の指標辞書を作ります

現在の会議資料で使う指標を五つに絞ります。各指標について、名称、目的、計算式、分母と分子、対象期間、除外条件、元システム、更新頻度、管理者を書きます。同じ名前で計算式が違う指標が見つかったら、部署名や用途を付けて分けます。

次に、正式版の文書と途中版を分離します。AIが検索してよい場所には、承認日、所有者、失効日を付けます。口頭説明がなければ意味が通らない図は、図を捨てるのではなく、前提、読み方、結論、例外を文章で添えます。

次の10日——読む画面と決める画面を分けます

AIには、まず読み取り専用のダッシュボードを作らせます。利用者が自然言語で絞り込めても、元データを書き換えない状態です。表示する各数値に出典、元データ時刻、定義版を付けます。

重要な会議では、開始時点の画面を決定用として保存します。会議中にデータが更新されても、議論の基準は固定します。新しい数字を採用する場合は、新しい決定版を作り、変更理由を残します。これだけで「会議中に数字が変わった」という混乱を減らせます。

共有試験では、作成者、同じ部署の同僚、別部署の閲覧者で見える内容を比較します。画面本体だけでなく、コメント、通知プレビュー、CSV出力、リンクを開いた先まで確認します。権限の異なる人が同じチャンネルにいる場合は、最も広い権限で生成された結果がそのまま残らない設計にします。

最後の10日——一つの提案を承認経路へ渡します

AIが「担当者へ知らせる」「在庫を補充する」「顧客へ返信する」と提案しても、最初から実行させません。提案に、根拠、対象件数、変更内容、取り消し方法、承認者を付けます。人が内容を確認し、別の業務システムで実行します。

誤りが少なくても、確認に長時間かかるなら自動化の価値は小さいままです。正答率だけでなく、出典へ到達する時間、定義の修正時間、誤共有の件数、決定時点を復元する時間、元へ戻す時間を測ります。

30日の終わりに、AIを停止して同じ会議を一度開きます。従来のBIや定型レポートへ何分で戻れるか、指標辞書を人が読んで説明できるかを試します。AI画面が便利でも、停止すると数字の意味まで分からなくなるなら、まだ仕事の基盤としては弱い状態です。

導入時に確認したい十の質問

製品名やモデル性能を比べる前に、運用担当、データ担当、利用部門で次の十項目を答えます。

1. AIはどの会話、文書、データベースを読めますか。
2. 指標の定義はどこにあり、誰が変更できますか。
3. 画面を共有した後、閲覧者ごとに権限を再評価しますか。
4. 元データの時刻、定義版、画面版を表示できますか。
5. 決定時点の画面と出典を保存できますか。
6. AIが作った推計と、元システムの実績を見分けられますか。
7. コメント、通知、書き出しにも同じ機密区分が適用されますか。
8. 提案から送信、更新、発注までに独立した承認がありますか。
9. 誤った画面や操作を何分で非公開・取消できますか。
10. AIサービス停止時に、既存BIや手作業へ戻れますか。

十問のうち答えが曖昧な部分は、導入を全面中止する理由ではありません。読み取り対象を減らす、少人数集計を禁止する、共有を同一部署へ限る、実行を切るなど、機能を狭く始める条件になります。生成AIの自由度を、データと判断の危険度に合わせて調整します。

参考にした情報

• Salesforce「Introducing Slackforce Surfaces」（2026年9月10日、Slack内でライブ画面を生成する機能の公式説明）
• The Verge「Slack can now vibe-code interactive charts and reports inside chats」（2026年9月10日、提供範囲と利用例の報道）
• ITmedia AI＋「ChatGPT Work、質問するだけで社内データ分析」（2026年9月11日、Data agentの接続先と承認後の実行機能）
• ITmedia NEWS「OpenAI、金融機関向けChatGPT for Financial Services」（2026年9月11日、金融データ、アクセス制御、監査機能）
• ITmedia エンタープライズ「業務の30％をAIエージェントがこなすIT運用部門」（2026年9月11日更新、社内文書と指標定義の整備）

最後に——きれいな画面より、決定へ戻れる道を作ります

AIがダッシュボードを作る時代には、グラフ作成の技術は希少ではなくなります。代わりに価値が上がるのは、何を数えるかを決め、使ってよいデータを分け、数字が変わった理由を説明し、誤った判断を戻せる能力です。

スライドのコピー作業が減れば、会議は資料の読み上げから、前提、例外、選択肢を比べる場へ変えられます。しかし、ライブ画面を「いつ見ても正しい魔法の窓」と扱えば、定義変更や権限の境界が見えなくなります。速く更新されることと、正しく決められることは別です。

次に社内ダッシュボードを開くとき、数字の横に更新時刻だけでなく、定義版と決定時点を表示できるでしょうか。AIが作った画面から一歩で元データへ戻り、さらに一歩で「誰が何を見て決めたか」へ戻れるなら、その画面は資料ではなく、組織が責任を持って動くためのインターフェースになります。