HigLabo
Latest posts
SalesforceとInformaticaのAI統合強化で何が変わる？ CRM導入企業が『回答精度』より先に顧客データの更新責任を決めるべき理由
SalesforceとInformaticaのAI統合強化で先に問われるのはデータ運用の設計
SalesforceとInformaticaのAI統合強化は、単なる製品連携の話ではありません。生成AIをCRM業務に入れる企業に対して、「AIがうまく答えるか」より前に、「その答えの根拠になる顧客データを誰が更新するのか」を問う動きです。
特に、Salesforceや周辺データ基盤を運用し、営業支援やカスタマーサポートでAI活用を広げたいRevOps責任者、CRM管理者、情報システム部門にとっては、検索精度や自動化率の前に、顧客マスタの更新責任と同期ルールを整える必要があります。
InformaticaとSalesforceのAgentforce連携に関する情報が出ており、データ統合、品質、ガバナンス、MDMをSalesforce基盤に取り込む流れが注目されています。
この記事では、この動きで何が変わるのか、なぜCRM導入企業にとってデータ更新責任と同期ルールの設計が先なのか、そしてSalesforceとInformaticaの連携がどの場面で効くのかを整理します。
SalesforceのAI活用で何が変わり、何を先に比較すべきか
要点は、SalesforceのCRMやAI機能で使う顧客データを、Informaticaのデータ統合・品質管理・ガバナンス機能で整えやすくする流れが強まったことです。生成AIは入力データが不正確だと、自然な文章で間違った答えを返すことがあります。
そのため、注目すべき本質は「AIが賢くなった」ことよりも、「AIに渡すデータを管理する基盤がより重要になった」ことにあります。Salesforceも、AI活用においてデータ基盤の重要性を示しています。
SalesforceはEinsteinやData Cloudを軸に、CRMデータとAI活用の接続を進めています。一方のInformaticaは、異なるシステムに分散した顧客情報を集約し、重複や欠損を見つけ、信頼できる形に整える領域が強みです。
この組み合わせは、営業、サポート、マーケティングで別々に持っていた顧客情報を、AIが扱いやすい状態に近づける意味があります。AIの回答性能そのものよりも、その前段でデータをどう整えるかが実務上の差になります。
なぜ「回答精度」より「更新責任」と同期ルールが先なのか
結論から言うと、AIの回答精度はモデル性能だけでは決まりません。古い役職、退職済み担当者、変更前の契約条件が残ったままなら、どれほど高性能な生成AIでも、もっともらしい誤答を返す可能性があります。
つまり、AIニュースを見て「どれくらい賢いのか」を気にする前に、「誰が顧客マスタを最新化するのか」「どのシステムを正とし、どう同期するのか」を決めないと土台が崩れます。AIに渡る情報の更新責任が曖昧なままでは、回答品質の議論自体が空回りしやすくなります。
ここで重要なのが更新責任です。顧客の部署異動は営業が最初に知るかもしれません。問い合わせ履歴の変化はサポートが把握し、請求先情報の変更はバックオフィスが持っていることもあります。
この状態で責任者や同期ルールが曖昧だと、CRMには複数の「正しそうな情報」が残ります。AIの利用時にはその矛盾が回答に影響する場合があり、見た目は自然でも実務では使いにくい回答になることがあります。
Informatica
営業・サポート・ITでズレやすい顧客データの責任境界
実務では、顧客データの問題は技術より運用で起きます。営業は商談を優先するため、名刺交換後の細かな属性更新が遅れがちです。サポートは対応を急ぐため、CRM本体より別ツール側で情報が先に更新されることがあります。
IT部門は基盤整備を担いますが、現場で何が正なのかまでは判断しにくい場面があります。その結果、システムはつながっていても、データの意味や責任の所在がつながっていない状態が起きます。
たとえば、同じ企業に対して「親会社名で登録」「事業部名で登録」「英語表記で登録」が混在すると、名寄せルールが未整備な場合には、AIが同一顧客だと見抜けないことがあります。さらに、導入製品はサポート側で更新されているのに、契約更新日は営業側で止まっている、といった分断も起きます。
こうしたズレは、表面上は回答精度の問題に見えて、実際には責任境界と同期ルールの問題です。データガバナンスの設計が弱いと、AIだけを強化しても根本解決にはつながりません。
Informatica
SalesforceとInformaticaの連携が効くのはAI回答の前工程
この統合の価値は、AIに直接答えさせる場面より、その前工程で大きく出ます。第一に、複数システムに散らばる顧客データを集める段階です。EC、MA、サポート、請求管理などから情報を寄せ、顧客単位で見直せるようにします。
第二に、重複排除や表記ゆれ補正です。ここが弱いと、生成AIが別人扱いする可能性があり、古い履歴を参照するおそれもあります。AIの出力が不安定に見える場面でも、実際には入力データの整備不足が原因であることは少なくありません。
第三に、AIへ渡す前の品質チェックです。必須項目の欠損、最終更新日の古さ、承認済みかどうかを見て、使ってよいデータだけをAIに供給する考え方が重要になります。
第四に、監査や説明責任です。AIが出した回答に対して「どのデータを元にしたか」を追いやすい構造は、社内の信頼につながりやすくなります。
比較の観点としては、AI機能そのものの見栄えよりも、Salesforceと周辺データ基盤の間で、顧客データの統合、品質管理、更新ルールの運用をどこまで前工程で担保できるかを見るほうが実務に直結します。
InformaticaAI導入を急いだ企業で起きやすい失敗
よくある失敗は、PoCでは高評価でも本番で使われなくなるケースです。多くのPoCでは対象データを人手で整えているため、AIがよく答えます。
しかし本番運用では、日々入ってくる新規リード、担当変更、失注理由、問い合わせ履歴が更新されきれず、回答の一貫性が崩れます。すると現場は「AIは便利だが信用できない」と判断し、利用率が落ちます。
もう一つの失敗は、部門ごとにAIの評価軸が違うことです。営業は提案の速さを重視し、サポートは誤回答の少なさを重視し、ITは連携安定性を重視します。
ここで更新責任が曖昧だと、問題が起きたときに「AIのせい」「連携のせい」「現場入力のせい」と責任が拡散します。製品比較だけでは防げない失敗であり、運用設計の不足が原因です。
CRM導入企業が先に決めるべき3つの運用ルール
CRM導入企業が先に決めるべきルールは3つあります。AI導入を進める前に、この3点を定義しておくことで、回答品質の議論を現実的な運用につなげやすくなります。
- 項目ごとの更新オーナーと参照元
会社名、部署、役職、契約情報、利用製品、問い合わせ履歴など、どの項目を誰が責任を持って更新するのかを明文化します。あわせて、各項目の正本をどのシステムに置くのかを決めます。「顧客情報は営業責任」のような大ざっぱな決め方では足りません。
- 更新タイミングと同期ルール
商談後24時間以内、問い合わせ完了時、請求先変更受付時など、イベントにひもづけて更新期限を決めます。さらに、CRMと周辺システムのどちらからどちらへ、どの頻度で同期するかを決めないと、現場ごとに優先順位がぶれます。
- AI生成提案の反映条件と例外時の承認フロー
AIが補完や要約、次回提案を出したときに、その内容を自動反映するのか、人の確認を必須にするのかを定義します。情報が競合したとき、どちらを正とするかを判断する担当を置けば、矛盾したデータが放置されにくくなります。
実務では、顧客データ項目ごとに、参照元、更新権限、AI生成提案の反映条件を定義した責任分界表を作成すると、部門横断で運用しやすくなります。
AIの回答精度を上げる最短ルートはデータ更新責任の明確化
SalesforceとInformaticaのAI統合強化で重要になるのは、AIの回答性能そのものより、回答の元になる顧客データを誰が、いつ、どの基準で更新するかを先に設計することです。ここが曖昧なままでは、どれだけ先進的なAI機能を載せても、現場での信頼は積み上がりません。
逆に言えば、更新責任と運用ルールが整理されていれば、AI導入の効果は出やすくなります。モデル選定より先に顧客データの更新責任を決めることが、結果として回答精度を上げる有力な近道です。
比較検討の段階では、まず責任分界表を作成し、顧客マスタの参照元、更新権限、同期ルール、AI生成提案の反映条件をそろえることが次の一歩になります。
Informatica