AI活用に向けたデータ整備：まず何から手をつけるか

AI活用のためのデータ整備は、全社のデータを一斉に整えようとせず、最初のユースケースで必要なデータに絞って始めます。「データがそろってからAI」と考えると、いつまでも着手できません。必要なデータの所在、品質、使ってよいかどうかの3点を確認し、足りない部分を補いながら小さく進めます。

ユースケースの選び方はAIユースケースの優先順位づけ：効果・実現性・リスクで選ぶ、検証の設計は既存業務でのAI PoCの設計：成功基準と進め方を参照してください。

「データ」の種類を分けて考える

生成AIを業務で使う場合、整備の対象になるデータは次のように分けられます。

種類	例	主な使い道
文書・非構造データ	規程、マニュアル、報告書、メール、議事録、図面、写真	検索・要約・回答の根拠として参照させる
構造化データ	販売、在庫、顧客、生産実績などの表データ	分析・予測、AIが参照する数値
評価用のデータ	正解付きの例、過去の対応事例	AIの出力を評価する

多くの企業の既存業務では、まず文書・非構造データが対象になります。社内の文書を検索して回答案を作る仕組みでは、元の文書が古い、重複している、どれが正式版か分からないという問題が、そのまま出力の質に影響します。

進め方

1. 必要なデータを書き出す

最初のユースケースについて、「AIが何を参照して、何を出力するか」を整理し、必要なデータを書き出します。作業を実際にやっている担当者が、普段どの資料を見ているかを聞くのが確実です。

2. 所在と持ち主を確認する

確認項目	内容
所在	どのシステム、フォルダ、個人の端末にあるか
持ち主	更新と管理に責任を持つ部署・人は誰か
形式	電子化されているか。紙、画像、PDF、表計算など
更新	最新版はどれか。更新の頻度と手順は決まっているか

担当者の個人ファイルにしかない情報は、属人化の問題として、AI活用の前に洗い出します。

3. 品質を確認する

古い、または間違った情報が混在していないか
重複や版違いが多くないか
表記のゆれ（同じ製品名の別表記など）が大きくないか
構造が読み取りやすいか（画像化したPDF、複雑な表は扱いにくい場合がある）

品質の確認は、全件ではなく、代表的なサンプルで行います。問題が多ければ、整備の優先順位を決めます。

4. 使ってよいかを確認する

データの利用には、次の確認が必要です。

個人情報：個人情報保護委員会は、個人情報取扱事業者が生成AIサービスに個人情報を含むプロンプトを入力する場合、特定された利用目的の達成に必要な範囲内であることを十分に確認するよう求めています。また、本人の同意なく個人データを入力し、それが応答の出力以外の目的で取り扱われる場合は、個人情報保護法違反となる可能性があるとして、サービス提供事業者が機械学習に利用しないことなどの確認を求めています。
機密情報・取引先の情報：契約上の秘密保持義務に反しないか。
著作物：文化庁の「AIと著作権に関する考え方について」は、法的拘束力を持たない考え方の整理です。社外の資料などを検索の対象に取り込むときは、複製を伴う場合があり、利用の目的や出力の態様によって著作権法上の扱いが異なり得ると整理されています（検索拡張生成（RAG）についての記述を含む）。実際の判断は、専門家に確認してください。

個人情報の基本は個人情報保護法の基本、情報の扱いのルール化は社内AI利用ルールの作り方：入力情報・出力の扱い・責任を参照してください。

5. 最低限の整備を行う

最初のユースケースに必要な範囲で、次の整備を優先します。

正式版と古い版を分け、古い版は参照の対象から外す
文書に、更新日、持ち主、対象範囲を付ける
電子化されていないものを電子化する（優先度の高いものから）
アクセスできる人の範囲を整理する
更新の手順と担当を決める

6. 評価用のデータを作る

AIの出力を評価するため、典型的な質問と、期待する回答（正解）の組を、現場の担当者の協力で作ります。数十件でも、検証の質が大きく変わります。

業種別の例（仮の例）

製造業の場合：不具合報告書が担当者ごとの様式と表記で蓄積されている。まず、報告書の項目と製品名の表記をそろえる基準を決め、直近の1〜2年分から整える。
小売業の場合：商品マスタの説明文が古い。更新の担当と頻度を決め、AIに参照させる前に、売れ筋商品から見直す。
金融業の場合：規程の改定履歴が複数のフォルダに散らばっている。正式版の一元管理を先に行う。
建設業の場合：現場写真や日報が現場ごとに別々に保管されている。保管場所と命名の規則を統一する。
サービス業の場合：顧客対応の記録に個人情報が含まれる。入力前にマスキングする方法を検討する。

注意点

整備を完璧にしようとせず、ユースケースごとに必要な範囲から進めます。
データ整備は一度で終わらず、更新が続く運用の仕組みが必要です。
外部サービスにデータを渡す場合は、そのサービスの利用条件（学習への利用の有無など）を、事前に確認します。
セキュリティの基本はMVPで最低限必要なセキュリティ対策も参考になります。

まとめ

データ整備は、最初のユースケースに必要なデータから、所在・品質・利用してよいかの順に確認し、最低限の整備を進めます。個人情報と著作物の扱いは、公的機関の示す考え方を確認し、必要に応じて専門家に相談してください。

参考資料

執筆・運営：Otsumu株式会社
新規事業の立ち上げ支援を行う運営チームが執筆しています。ご相談は上の「お問い合わせ」からどうぞ。