投稿者 global-ai-media 
DatabricksのCEOであるAli Ghodsi氏が「SaaSは死なないが、AIによって無意味なものになる」という挑発的な見解を示しました。これは単なるポジショントークではなく、生成AIとデータプラットフォームの進化がもたらすソフトウェアのパラダイムシフトを示唆しています。固定化されたSaaSのメニュー操作から、自然言語による自律的なデータ活用へ。この変化は、独自の商習慣や業務プロセスを持つ日本企業にとって、追い風となるのか、新たな技術的負債となるのか。その本質と実務への影響を解説します。
SaaSの「押し付け」からAIによる「オーダーメイド」へ
TechCrunchが報じたDatabricks CEOのAli Ghodsi氏の発言は、近年のIT業界における最も重要なトレンドの一つを突いています。これまでのSaaS（Software as a Service）モデルは、ベンダーが定義したベストプラクティスやワークフローにユーザーが合わせることを前提としていました。日本企業が海外製SaaSを導入する際、業務プロセスとの不適合（フィット＆ギャップ）に苦しみ、多大なコストをかけてカスタマイズを行うか、現場に無理を強いるケースが散見されました。
Ghodsi氏が主張するのは、AI（特に大規模言語モデル：LLM）がこの構造を破壊するという未来です。同社のAI機能「Genie」に代表されるように、ユーザーは複雑なメニュー画面やSQLクエリを操作する必要がなくなります。自然言語で指示を出すだけで、AIが裏側にあるデータウェアハウスから必要な情報を抽出し、可視化し、あるいはアクションを実行します。つまり、ソフトウェアのインターフェース（UI）そのものが、固定的なものから、ユーザーの意図に合わせてAIが都度生成する流動的なものへと変化しようとしているのです。
「Intelligent Data Platform」がもたらす内製化の復権
この変化は、日本企業にとって「システム内製化」のハードルが劇的に下がることを意味します。従来、自社独自の業務アプリを開発するには、要件定義からコーディング、保守まで膨大なエンジニアリソースが必要でした。しかし、データプラットフォーム上に強力なLLMとエージェント機能が統合されれば、自然言語で指示を与えるだけで、自社データに立脚したマイクロアプリケーションを即座に構築・利用できる可能性が高まります。
例えば、営業担当者がCRM（顧客管理システム）の複雑な画面を遷移してレポートを作る代わりに、「先月の関東エリアにおけるA製品の売上推移と、競合との比較をグラフ化して」と指示するだけで済むようになります。これは、SaaSベンダーが提供する機能のアップデートを待つことなく、自社に必要な機能を自社のデータ資産を使って「オンデマンド」に生成できる世界です。
データガバナンスと「ゴミ」のリスク
しかし、このバラ色の未来には重大な前提条件があります。それは「データの質」と「ガバナンス」です。AIは魔法ではなく、入力されたデータに基づいて確率的に出力を生成する統計モデルに過ぎません。企業内に散在するデータが整理されておらず（いわゆるデータサイロ）、メタデータが不正確であれば、AIはもっともらしい嘘（ハルシネーション）を出力するだけです。
日本企業、特に歴史ある大企業では、紙帳票の文化や部門ごとの縦割り構造により、データ統合が遅れているケースが多々あります。DatabricksやSnowflake、Microsoft Fabricなどの最新プラットフォームを導入したとしても、肝心のデータが整備されていなければ、AIによる自動化は「誤った判断の自動化」につながるリスクがあります。SaaSが「無意味」になるとしても、その基盤となるデータプラットフォームの重要性は、かつてないほど高まっています。
日本企業のAI活用への示唆
今回の議論を踏まえ、日本の経営層やプロダクト責任者は以下の3点を意識してAI戦略を練る必要があります。
1. SaaS選定基準の再考と「脱ベンダーロックイン」
特定の業務SaaSに深く依存することは、将来的なAI活用の柔軟性を損なう可能性があります。SaaSを選定する際は、そのツールが持つ機能そのものよりも「データのエクスポートやAPI連携が容易か」「自社のデータプラットフォームにデータを統合しやすいか」を重視すべきです。AI時代において、競争力の源泉はSaaSの機能ではなく、自社データそのものになるからです。
2. 「AI人材」の定義を広げる
AI活用＝Pythonが書けるエンジニアの採用、と考えがちですが、これからは「自社の業務ドメインを深く理解し、それを適切なプロンプトやデータ構造に落とし込める人材」が重要になります。ノーコード/ローコードツールやAIエージェントの進化により、現場の業務エキスパートが直接システム構築に関与できる余地が広がっています。彼らをAIリテラシーのある「ドメインアーキテクト」として育成することが急務です。
3. 防御的なガバナンスからの脱却
日本の個人情報保護法や著作権法、社内規定を遵守することは当然ですが、単に「禁止」するだけのガバナンスではAIの恩恵を受けられません。機密情報を保護しつつ、LLMに安全にアクセスさせるためのRAG（検索拡張生成）基盤の整備や、出力結果の検証プロセスの確立など、「活用するためのガードレール」を設計することが、IT部門の新たなミッションとなります。