「MCPで業務データに繋ぐAIを作りたい」と発注検討するときに必要な前提
2026年に入り「MCPを使えば社内データに繋がるAIが作れます」「Slackで質問すれば全社データから答えが出ます」という提案が増えています。発注検討者として、この提案を受けたときに 「何ができて何が課題か」「ベンダー提案の妥当性」「自社で受け入れられる体制か」を判断するための基礎知識を整理します。
「ChatGPTに社内データを直接見てもらう」が現実になった
2024年末から2025年にかけて、生成AIの世界で大きな転換が起きました。MCP（Model Context Protocol）と呼ばれる標準仕様が普及し、ChatGPT や Claude が 業務データやSaaSツールに直接アクセスできるようになりました。
これによって、たとえば次のようなことが Slack のチャットだけで完結します。
- 「先月の新規商談の業界別件数を出して」→ AIが Salesforce を見て答える
- 「広告経由のCVが先月から減ってる原因を仮説で挙げて」→ AIが GA4 と BigQuery を見て要因分析
- 「品川案件の最新議事録を要約して、未対応のタスクをまとめて」→ AIが Google Drive と Notion を見て返す
- 「先週リリースしたPRで、本番障害に繋がりそうな変更がないかチェック」→ AIが GitHub と監視ツールを見る
本記事では、MCP とは何か、何ができるか、RAG（社内資料を読むAI）との違い、導入時の注意点を、情シス・DX推進担当者向けに整理します。
MCP とは何か（できるだけ平易に）
MCP（Model Context Protocol）は、生成AIと外部ツール／データソースを繋ぐための標準仕様です。Anthropic（Claude を作っている会社）が2024年末に提唱し、その後 OpenAI（ChatGPT）や Google も対応を進めています。
MCP がない世界 vs ある世界
場面 | MCP なし（〜2024年） | MCP あり（2025年以降） |
|---|---|---|
Salesforceの商談を聞きたい | 人がSFに入って画面を見る／レポートを作る | AIに自然文で聞けば、AIがSFに繋いで答える |
BigQueryで分析したい | SQLを書ける人にお願いする | AIに質問すれば、AIがSQLを書いて実行 |
議事録から要対応事項を抽出 | 人が議事録を読む | AIがGoogle Driveから議事録を取って要約 |
新しいツールに繋ぎたい | 各AI製品ごとに個別開発 | MCP対応済みなら追加開発ほぼ不要 |
キモは「標準仕様だから、各SaaSベンダーが MCP 対応すれば、どの生成AIからでも繋げる」点です。USB がパソコンと周辺機器の標準コネクタになったのと同じ構造です。
2026年5月時点で MCP に対応しているもの（一例）
MCP対応は急速に拡大しています。代表的なものを挙げると：
- データ・分析: BigQuery、Snowflake、PostgreSQL、Google アナリティクス
- 業務SaaS: Salesforce、HubSpot、Notion、Google Workspace（Drive／Calendar／Gmail）、Microsoft 365
- コミュニケーション: Slack、Microsoft Teams
- 開発・運用: GitHub、GitLab、Jira、Linear、各種監視ツール
- その他: 各種 SaaS が日々対応を発表
カスタムの社内システムも、MCP サーバー（仲介プログラム）を実装すれば繋げられます。
RAG（社内資料を読むAI）との違い
「社内資料を生成AIに読ませる」という意味では、よく聞く RAG と似ています。両者の違いを整理します。
観点 | RAG | MCP |
|---|---|---|
得意なこと | 蓄積された資料を検索して回答 | リアルタイムなデータ取得・ツール操作 |
典型的な用途 | 社内FAQ、過去資料の参照 | 「今のSFの数字」「最新のGitHub PR」など現在状態 |
データの新鮮さ | 取り込み時点（数日〜数週間遅延） | 常に最新（聞いた瞬間に取りに行く） |
更新作業 | 定期的にデータを再取り込み | 不要（リアルタイムで取りに行く） |
ツール操作（書き込み） | 不可（読み取り専用） | 可能（Salesforce に商談を作る、等） |
結論として、RAG と MCP は対立ではなく補完関係です。蓄積された情報の検索は RAG、リアルタイムな数字や最新状態の取得・操作は MCP、と使い分けるのが標準的です。
中堅企業の現実的な活用シナリオ
シナリオ1: 経営ダッシュボードを「会話」で見る
経営層が「先月の新規顧客はどの業界が多い？」「製品Aと製品Bの粗利率を比較したい」とSlackで聞くと、AIが BigQuery / Salesforce を見て即答する。BIツールを開かなくても数字に辿り着ける。
シナリオ2: 社内問い合わせの一次対応
「有給の繰越ルールは？」「今月の経費精算の締め日は？」のような質問を、AIが人事規定（RAG）と勤怠システム（MCP）を組み合わせて回答。判断に迷う場合だけ人事担当者にエスカレーション。
シナリオ3: 営業のRFP対応支援
営業が「品川案件、過去の類似提案を3件見せて、その中で勝った案件の特徴を出して」と聞くと、AIが Salesforce で類似案件を探し、Drive 上の提案書を要約し、勝因を分析。
シナリオ4: 障害一次対応
監視ツールがアラートを上げたら、AIが GitHub の最近のPRを確認し、本番ログから関連エラーを抽出して、初動の仮説を Slack に投稿。担当者が起きるまでの時間を短縮。
シナリオ5: 議事録 → タスク分解の自動化
会議の議事録を共有すると、AIが内容を要約し、未対応タスクを抽出して Notion / Asana に登録、担当者を Slack で通知。
導入時の注意点
1. 権限管理が最重要
MCP の最大のリスクは、生成AIが業務データに直接アクセスすること。これは利便性と同時にセキュリティリスクでもあります。
- 誰がどのデータに対して、どの生成AIから、何を聞けるか、を必ず設計する
- 「Aさんは閲覧権限がない案件」を、AI経由で間接的に見られないように制御
- 機密情報（個人情報・人事情報・財務情報など）を扱うMCPサーバーは、追加の認証層を設ける
2. 監査ログの保持
「誰が、いつ、どの生成AIに、何を聞き、AIがどのMCPサーバーに何を要求し、どんな結果を返したか」を全件記録。後から問題が発覚したときの追跡に必須。
3. コストの管理
MCP経由の質問1回あたり、生成AI利用料 + 連携先のAPI利用料がかかります。「軽い気持ちで聞いた質問」が裏で大量データを取り込んで費用が暴発する事故も実例として発生しています。
- 1回あたりのデータ取得量に上限を設ける
- 月額アラートを必ず設定
- テスト環境と本番環境のキー・予算を分離
4. 信頼できるMCPサーバーを選ぶ
OSSコミュニティ製のMCPサーバーが多数公開されていますが、業務利用するなら次の観点で選定。
- 提供元の信頼性（公式ベンダー製、有名な開発者の作品）
- セキュリティ実装の透明性（データの送信先、保持ポリシー）
- サポート体制（社内で使うなら、不具合時の連絡先）
5. 「人間の判断」を必要とする境界線を決める
MCP の書き込み機能（Salesforce に商談を作る、メールを送る、コードをコミットする等）は、業務影響が大きい場合は 人間の承認を挟むフローにする。「AIが自動で実行→失敗を後から発見」は致命傷。
導入の進め方（推奨ステップ）
- 使う場面を1つ決める（1か月）: 「経営ダッシュボードの自然文化」など、スコープを絞ってスタート
- 対象データソースを限定（並行）: 全社データに繋がず、まずBigQueryだけ／Salesforceだけ
- クローズドβ運用（1〜2か月）: 5〜10名の限定ユーザーで運用、フィードバック・コスト・セキュリティ事象を確認
- 権限設計の本格整備（並行）: ユーザーロール、データ範囲、操作権限、監査ログ
- 段階的拡大: 評価が安定してから、対象ユーザー・データソースを広げる
「全社員が全データに自然文でアクセスできる」を最初から狙うと、セキュリティ事故と費用暴発の確率が大きく上がります。
2026年現在の現実的な評価
MCP は 仕様としては完成度が高く、実用フェーズに入っていると評価できます。実際に Slack で AI に業務データを聞ける環境は、技術的には数週間で構築可能です。
一方、組織として導入するには、権限設計・監査・コスト管理・運用ルールの整備が前提になり、ここで多くの企業が時間を使います。「技術より組織側の準備」が次のハードルです。
判断のポイントは次の3つ。
- 解きたい業務課題が具体的に1つあるか（手段から入らない）
- 社内のセキュリティ・コンプライアンス部門と早期合意できるか
- 運用主管部署と継続改善体制が決まるか
これらが揃えば、MCP 活用は中堅企業の競争力に大きく寄与する打ち手になります。
Beekleにご相談ください
Beekleでは、生成AI／CDP／業務システムの企画・要件定義・開発・運用までワンストップで支援しています。「何を作れば成功か」の整理、検証フェーズの設計、本番化判断まで、発注側の判断材料が揃うように伴走します。費用感の概算だけでも歓迎です。