「顧客名」と「customer_name」は同じ意味なのに、表記が違うだけで人がひとつずつ対応表を作ってきました。PassworkのAIマッピング提案は、両システムのフィールドを項目名・型・意味からAIが読み取り、対応候補をその場で提示します。本記事では、この機能が解決する工数の正体と、精度の考え方、実際の業務シーンを解説します。

01　マッピング作業がデータ連携の隠れた最大工数である理由

SalesforceとkintoneのようにシステムをつなぐデータAI連携において、実は一番時間がかかるのは接続設定そのものではなく、「どのフィールドとどのフィールドが対応するか」を決める作業です。多くの現場では、この対応関係をExcelの対応表に書き出し、担当者同士でメールやチャットでやり取りしながら確定させています。

この作業が重くなる理由は主に3つあります。1つ目は命名の揺れです。「顧客名」「取引先名」「customer_name」「Account.Name」——同じ意味を指す項目でも、システムやプロジェクトごとに呼び方がバラバラです。2つ目はカスタム項目です。標準項目に加えて現場が独自に追加した項目は名前だけでは意味が分からず、実際の中身を見ながら確認する必要があります。3つ目は件数の多さです。オブジェクトによっては数十〜百を超えるフィールドがあり、それを1件ずつ突き合わせる作業は単純に時間がかかります。

結果として、データ連携プロジェクトの初期構築は「接続はすぐ終わるのに、対応表の確定だけで日数がかかる」という状態になりがちです。この工数を減らすことが、連携をスムーズに立ち上げるうえでの実務上の課題でした。

02　AIマッピング提案で何が変わるか

PassworkのAIマッピング提案は、連携元と連携先、両方のシステムのフィールド一覧をAIが読み取り、意味的に対応する候補をあらかじめ提示する機能です。「顧客名」と「customer_name」のように表記が異なっていても、AIがフィールド名や型情報から意味の近さを判定し、対応候補として提示します。

これにより、担当者がやることは「ゼロから対応表を作る」ことから、「AIが並べた候補を見て、正しいかどうかを確認する」ことに変わります。候補を一つずつ検索して探す手間がなくなり、対応関係を確定するまでのスピードが変わります。

03　仕組みと精度の考え方

AIマッピング提案が候補を出す根拠は、大きく3つの情報です。ひとつは項目名そのもの——日本語と英語、略語や社内用語が混ざっていても、意味の近さで判定します。もうひとつは型情報——文字列・数値・日付・真偽値といったデータ型が一致するかどうかは、候補の確からしさを左右する重要な手がかりです。そしてもうひとつが過去のマッピング実績——同じような組み合わせのフローで実際に採用されたマッピングを踏まえ、類似したケースでの提案に活かします。

単純な1対1の対応だけでなく、フィールドの意味が異なる形式で存在する場合には、型変換・文字列の分割や結合・集計といった変換操作の候補もあわせて提案します。「氏名」ひとつのフィールドを「姓」「名」に分割する、複数の売上明細を顧客単位で集計する、といった判断も、AIが必要な操作として示唆します。

04　従来の手作業とのBefore/After

AIマッピング提案の導入前後で、対応表づくりの実務がどう変わるかを整理すると、次のようになります。

05　Agentic ETLの中での位置づけ

Passworkは、SalesforceやkintoneなどのコネクタをつないでノーコードでSOQLやAPIによる取得・変換・upsertを組めるデータ連携サービスです。AIマッピング提案は、このノーコード連携の中でも特に人手がかかりやすい「対応関係を決める」という工程を、AIが下書きし人が確認する形に置き換えるものです。

これは、現場で動く・対話で操作する・AIが判断するデータ統合＝Agentic ETLの考え方の一部でもあります。AIが担うのは意図の翻訳や候補の提示までで、実際にデータを動かす部分は検証済みの決定論的な処理に委ねる——この分離があるからこそ、フィールド対応という間違いの許されない設定にもAIを安心して活用できます。

提供元のPraztoは350社以上の連携・導入支援実績があります。業種ごとに異なるカスタム項目の命名慣習を踏まえたフロー設計から、初期構築の伴走まで対応しています。

06　業務での具体的な活用例

AIマッピング提案は、実際にどのような場面で使われるのでしょうか。3つの代表的な業務シーンを見ていきます。

①Salesforce⇄kintoneの双方向連携を、初期設定から短縮する

営業がSalesforceで管理する商談情報と、現場がkintoneで管理する案件情報を双方向に連携するとき、最初の壁になるのが両システムのフィールド対応です。AIマッピング提案があれば、「Account.Name⇔顧客名」「CloseDate⇔受注予定日」といった候補が自動で並び、担当者は一件ずつ検索する代わりに候補を確認するだけで済みます。

②複数拠点のデータをDWHへ書き戻すときのフィールド統合

複数店舗・複数拠点でシステムの使い方や項目名が微妙に異なる場合、それらのデータをデータウェアハウス（DWH）に集約して書き戻す際には、拠点ごとに異なる命名を統一する作業が発生します。AIが各拠点のフィールドを読み取り、共通のマッピング候補を提示することで、拠点間の表記ゆれを人が逐一調べる手間を減らせます。

③システム移行時に、新旧システムのフィールドを突き合わせる

CRMや基幹システムを新しいものに切り替える移行プロジェクトでは、旧システムの項目と新システムの項目を1件ずつ突き合わせる作業が発生します。項目数が多いほどこの作業は重くなりますが、AIマッピング提案が新旧双方のフィールドを読み取り対応候補を出すことで、確認中心の作業に切り替えられます。

07　まとめ：対応表は、作るものから確認するものへ

AIマッピング提案の要点は、項目名・型・過去の実績からAIが対応候補と変換操作を提示し、最終的な確定は人が確認して行うこと。Excelの対応表をゼロから作る作業がなくなるわけではありませんが、「探す」「気づく」という手間の大半をAIに任せ、人は「確認する」ことに集中できます。まずは、フィールド数の多いオブジェクト同士の連携から試してみてください。