こんにちは!マーケ担当の加藤です。
生成 AI を社内のデータにつなぎ始めると、トークンの請求額が読めない、どの AI がどのデータに触れたのか IT 部門から見えない、同じ質問への答えが部署ごとに違う、といった問題が出てきます。こうした悩みに応えるのがAI ゲートウェイ。AI から社内システムへのアクセスをすべて1か所に通す仕組みです。その1か所で接続・ルーティング・セキュリティ・ログをまとめて管理するので、これらの問題を個別にではなく一度に扱えます。
AI ゲートウェイが注目される背景には、生成 AI を使い始める企業は多い反面、成果が出ている企業はまだ少数という実態があります。PwC Japan の「生成AIに関する実態調査2026 春」では、生成 AI を活用・推進していると答えた割合が、日本で87%、米国で90%でした。一方で「期待を大きく上回る効果」が出ていると答えたのは、米国の38%に対して、日本は9%にとどまります。
CData は11月5日に、この AI ゲートウェイをテーマにしたオンラインの無料イベント「CData Foundations 2026」を開催しました。副題は「AI Gateway をあらゆる角度から」で、CEO の基調講演から顧客企業 CIO の導入談まで、仕組み・使い方・検証結果を順に取り上げています。
皆さんの業務に AI ゲートウェイがどう役立ちそうか、AI を効果的に活用するにはどんな体制を作っていけばよいのか、といったポイントを持ち帰ってもらえればうれしいです!
Foundations 2026 の7本と共通テーマ
ここからは、当日の7本を開催順に紹介します。まず、全体の顔ぶれです。どれも10分~20分で視聴できるので、関心があるトピックがあればぜひこちらから観てみてください。
# | タイトル | 登壇者 | 尺 |
|---|
1 | AI Gateway がもたらす可能性 | Amit Sharma、Raviv Levi | 11分55秒 |
2 | ゲートウェイの内部を探る | Mike Albritton、Amit Naik | 10分56秒 |
3 | コンテキストエンジン | Nick Golovin、Mike Albritton、Amit Naik | 18分31秒 |
4 | CIO の視点:Anaqua における AI 導入 | Will Davis(聞き手)、Erik Bailey | 20分26秒 |
5 | 開発者の視点:MCP からゲートウェイまで、ひとつのプラットフォームで | Joe Karlsson | 9分56秒 |
6 | CData Labs:ゲートウェイをオープンに検証する | Jerod Johnson、Amit Naik | 15分45秒 |
7 | CData 社内での CData 活用 | Jerod Johnson、Arielle Daigle、Kade Tibbetts、Elayna Leblanc | 13分57秒 |

7本に共通する主張は、AI からのアクセスを1か所に集め、そこで接続・業務のコンテキスト・統制をまとめて持たせれば、精度・ガバナンス・コストの悩みを同時に解ける、というものです。仕組みの話(2・3)、使う側の話(4・5・7)、検証の話(6)と、同じ主張を角度を変えて見せる構成でした。AI ゲートウェイそのものの定義は「AI Gateway とは何か」で詳しく解説しています。
AI Gateway がもたらす可能性 - 基調講演

講演は、経営層が直面している課題から入っています。セッションでは、経営層の9割が期待した AI の ROI を得られていない、93% の企業がトークン予算を超過している、中堅企業の4割超が AI 起因のセキュリティ事故を経験している、という数字を挙げています。日本企業でも状況は大きく変わりないかもしれません。
そのうえで、AI ゲートウェイを「AIへのすべてのアクセスが通過する単一の基盤」と定義し、接続・可観測性・ルーティング・セキュリティを担うと説明しています。たとえとして挙がっていたのは企業ネットワークの歴史。拠点どうしを結ぶ回線は、かつて通信事業者の閉域網(MPLS)が中心でしたが、インターネット回線をソフトウェアでまとめて制御する SD-WAN に置き換わっていきました。これと同じ流れが AI でも起きているよね、と。
AIモデルを個別に呼び出しているのは今で、複数モデルをAIゲートウェイでまとめて管理する形になっていくはずだよね、と。
さて、ゲートウェイを選ぶときに見るべき点として挙がったのは、業務の暗黙知を AI に教えられるか、NetSuite や Oracle、オンプレミスのような基幹システムへも接続できるか、の2つです。コストについては、結合や集計を接続層で済ませれば安いモデルでも同じ結果が出る、という話もありました。
ゲートウェイの内部を探る - 6層の構成
2本目は、ゲートウェイの中身を深く理解するための内容です。「今期リスクのあるエンタープライズ売上は?」という質問をゲートウェイはどう処理するのでしょうか。セッションで紹介されていた処理フローをまとめてみるとこんな感じです。

層 | 役割 |
|---|
1. LLM ゲートウェイ | 予算の管理、使えるモデルの制限、ルーティング |
2. MCP ゲートウェイ | 少数の汎用ツールを提供する。サードパーティの MCP サーバーも登録できる |
3. データアクセス層 | スキーマ・メタデータ・リレーションへのアクセスとキャッシュ。生データではなく、集計・結合した結果を返す |
4. コンテキスト(会社の頭脳) | 売上などの意味定義(dbt、Cortex、Databricks から取り込める)、業務の暗黙知、SOP やドキュメント |
5. 自己学習ループ | 人が直した内容をメモリにためる。どのモデルを使っても学習結果を蓄積でき、同じ答えが返ってくる |
6. ガバナンス | 行・列単位の権限、PII の制限、監査ログ、エージェント ID の登録と失効(キルスイッチ)、自然言語で書けるポリシー、入出力のガードレール |
4層目のコンテキストについては、意味定義・暗黙知・ドキュメントを組み合わせると、精度が50%を超えて上がる場合もあると話していました。また、ゲートウェイは今使っている LLM ルーターや IdP(ID 管理基盤)、エージェント基盤を置き換えるものではなく、併用できるという位置づけです。
コンテキストエンジン - 4種類のコンテキスト

3本目は、上で紹介したAIゲートウェイ6層のうち4層目のコンテキストを掘り下げた内容です。セッションの出発点は「(モデルの)ルーティングは簡単な部分」という一言。安いモデルにルーティングしても、コンテキストがないとエージェントはテーブル名を推測し、トークンを浪費し、自信満々に間違える、と。
皆さんの会社の「売上」の定義は、部署をまたいで同じでしょうか? セッションでは、AI に渡すべきコンテキストを次の4種類に分けていました。
種類 | 中身 |
|---|
会社のノウハウ | 組織のプレイブックと個人のメモリ。個人のメモリは、承認すれば全社のコンテキストに昇格できる |
セマンティックレイヤー | dbt や Power BI から取り込むか、AI の支援で作る |
データモデル | 仮想ビュー、マテリアライズ、リネージュ、ソースをまたぐ結合 |
システムのコンテキスト | SAP、Oracle、Workday などのコネクタ |
この4種類を正規化してまとめたものが「コンテキストグラフ」で、閲覧も編集もできます。
デモでは、同じ質問をコンテキストのあり・なしで比べていました。コンテキストなしのエージェントは売上の定義を自分で作ってしまい、MCP の呼び出しを何度も重ねたうえで誤答。コンテキストありのエージェントは、少ない呼び出しで正しい答え(4社で $11.21M)にたどり着きました。コンテキストを入れる方法は、テキストを貼る、Power BI のモデルを取り込む、ソースシステムを読ませて自動で作る、の3つです。
Anaqua における AI 導入 - CIO の視点

4本目は、CDataの顧客企業 Anaqua の CIO がAI を社内システムにどうつないだかを語ります。きっかけはCopilot が「良い検索エンジン」止まりだったこと。類似の課題を抱えている担当者の方も多いのでは。2026年 Q1 に Claude を試験導入し、Connect AI 経由で Salesforce、Zendesk、Azure DevOps、Jira、Certinia、NetSuite、HubSpot の7システムにつなぎました。
使い方の中心は社内用語を覚えさせたスキル。システムをまたいだ「Customer 360」が約60秒でできると話していました。
気になるのは統制ですよね。Anaqua では、読み取りは全員に許可し、各システムでの本人の権限をそのまま適用しています(輸出管理の制限も含む)。書き込みは申請制で、たとえば Zendesk は約50〜60人が使っていて、書き込みできるのは2人だけ。
改善の回し方も具体的でした。Connect AI のログから SQL エラーを拾ってスキルを直す作業を、最初は手作業で、次に Claude for Chrome で自動化し、今は API 経由のエージェントに任せています。その結果、週に数回あったスキルの修正が、3〜4週間変更なしで安定するまでになりました。
CIO への助言は次の3つです。
小さく始める(2システム・少人数から)
統制と集中化の方針を最初に決める
通せるものはすべてゲートウェイに通す
一番の壁は技術ではなく、社員への教育とプロンプトの書き方だったと締めています。
MCP からゲートウェイまで - 開発者の視点

次は開発者向けのデモ!自分で作ったエージェントをそのまま使ったときと、ゲートウェイを通したときを比較しています。出発点となるのは、LangGraph で作ったエージェントに生の Anthropic の API キーと、削除まで含む13個の MCP ツールを持たせた状態。この状態では、AIがデータを取ってくると返答にSSN(米国のマイナンバー)やカード番号(どちらもダミー)をそのまま返してしまいました。これはセキュリティ上よろしくないですね…。ゲートウェイを通すことで、こうした事故の発生を防ぐことができます。
必要な設定は3つだけ。
変更 | 効果 |
|---|
API キーを、ゲートウェイのエンドポイントと仮想キーに差し替える(2行) | トークン・コスト・ユーザーごとのログ、フェイルオーバールーティング(Sonnet → Haiku)、月 $25 のハード予算、失効できるキー |
MCP の URL を変える(1行) | 読み取り専用の6ツールに絞られる |
PII ルールを2つ入れる | SSN とカード番号がマスクされる |
結果、エージェントはマスキングされたSSN・カード番号を返すようになり、権限範囲外の操作には失敗するようになりました。ユーザーごとの PAT(個人用アクセストークン)を使えば、エージェントから見えるのは本人の権限の範囲だけになります。
ゲートウェイをオープンに検証する - CData Labs

お次はCData の検証チーム「CData Labs」の取り組みをご紹介。モデルを選ぶとき、リーダーボードの順位を参考にしている方も多いのでは?セッションではリーダーボードの限界として、汎用タスクの平均値なので自社の業務での実力は分からないと指摘。
そこで Labs では、製品・開発・マーケのメンバーが毎週集まって仮説を立てて検証し、自社に不利な結果も公開しています。検証用のハーネスを用意して、新しいモデルが出るたびに再実行しているそうです。これまでに公表した結果はこちら。
時期 | テーマ | 結果 |
|---|
3月 | 精度 | 98.5%(他の MCP 実装は 65〜75%) |
6月 | トークン最適化 | 183,000 → 4,500 トークン |
9月 | AIゲートウェイ上でのモデル比較(8社22モデル) | 結合読み取りのタスクで、Mistral Small(安いモデル)と Fable 5(高いモデル)がともに正答率100%(コスト差は178倍)。書き込みのタスクでは20モデルが成功率100% |
安いモデルでも高いモデルと同じ正答率が出る、という結果は、基調講演の「安いモデルでも同じ結果が出る」を数字で裏付けた形ですね。設定は必要になりますが、Connect AI上で一度設定すれば以後のすべての呼び出しに使えます。
今後は、新しいモデルの継続評価に加えて、CRM・ERP・会計システム別、製造・医療・小売・ソフトウェアの業種別の評価、合成データセットと評価の公開を予定しています。検証結果は「CData Labs」で公開されています。
CData 社内での活用 - 営業・マーケ・FP&A

AI ゲートウェイを入れると、現場の仕事はどう変わるのでしょうか?最後は、CData 自身の営業・デマンドジェン・FP&Aチームでの使い方の紹介です。
部門 | 以前 | 今 |
|---|
営業 | 商談の振り返りや、CRM への入力・メール送信のために4〜5個のシステムを行き来 | 1日約21本の商談通話を、Claude が営業の評価観点(SPICED)で採点してコーチングに使う。BDR のエージェントが CRM への書き戻し・メール送信・シーケンス登録をまとめて行う |
デマンドジェン | 週次レポートを BI ツール・スライド・電卓で作成。ABM の対象企業の Tier は Excel で手作業 | 毎朝自動更新されるダッシュボードを本人が作り、BI チームに頼む必要がなくなった。理想顧客像に合うかの判定と Tier の更新も Claude が毎日行う |
FP&A | 月次決算の分析を順番に実行 | 分析を並列で実行。複数のシステムをまたいで顧客の購買の経緯を可視化。データの誤りはエージェントが見つけて担当者が直し、本人の資格情報で動くので誰がいつ変えたかが監査ログに残る |
面白いのは、ロジックとスキルが Connect AI 側にあるので使う AI ツールを替えても同じ結果が出るという点でしょう。今後は、ダッシュボードに「なぜ変わったか」「何をすべきか」まで出す、経営が求めそうな分析を先回りして用意する、営業担当が通話だけに集中できるようにする、といった方向に広げていくそうです。
もちろん日本チームでも、Google広告運用の自動化や商談資料の作成、ダッシュボード化などさまざまな用途で利用しています!
AI Gateway ローンチイベント - 12月3日開催

AI ゲートウェイを自社でどう使えるか、もう少し詳しく聞いてみたい方は、12月3日のローンチイベントへぜひ。
お申し込みはローンチイベントの申込ページから受け付けています。
おわりに
7本を振り返ると、どのセッションも「AI からのアクセスを1か所に集めて統制する」ことの重要性を違う角度から見せていました。
基調講演と6層の話:接続・ルーティング・セキュリティ・ログをゲートウェイがまとめて受け持つ仕組み
コンテキストエンジン:売上の定義などのコンテキストがあるかないかで、同じ質問への答えが変わる
Anaqua の CIO:小さく始めて、統制の方針を最初に決める進め方
開発者のデモ:3つの設定でSSNやカード番号がマスクされ、権限外の操作が止まる
CData Labs:データ接続層次第で、安いモデルでも高いモデルと同じ正答率が出る
CData 社内の活用:使う AI ツールを替えても同じ結果が出る
冒頭で挙げた3つの悩み(トークンの請求額が読めない、AI がどのデータに触れたか見えない、部署ごとに答えが違う)は、どれも AI を使い始めたからこそ出てくるもので、こうした課題を解決するソリューションがAIゲートウェイです。
Connect AI Gatewayで、AI活用のネクストステップを実現してみませんか?お気軽に無料トライアル・お問い合わせにてご相談ください。
よくある質問
セッションの録画はどこで見られますか?
12月3日のイベントに参加できない場合はどうなりますか?
アーカイブ配信を予定しています。日時と形式は申込ページで確認できます。
CData Connect AI Gateway はもう使えますか?
2026年9月29日から、アーリーアクセスで提供しています。提供開始の内容はプレスリリースにまとまっています。
出典・参考情報