AI開発で精度が出ない、費用が膨らむ、納期が延びる。これらの多くは、参照したり学習したりするデータの状態が整っていないことに端を発する。AIは渡されたデータを前提に動くため、データが散在していたり、新旧が混ざっていたりすると、その品質がそのまま回答や予測の品質に表れる。
本記事では、社内データが整理されないままAI開発を発注したときに何が起きるかを、発注者の視点で整理する。データを完璧にしてから発注する必要はない。ただし、どこに整備の手間がかかるかを発注前に把握しておくと、費用と期間の見通しが立ちやすくなる。
結論：完璧なデータより、整備が必要な範囲の把握が先
AI開発の発注前に必要なのは、全社データを完璧に整えることではない。GXOが見積前に確認するのは、AIに使わせるデータの形式、最新版の所在、表記ゆれ、権限、更新責任である。
- 最初に使う業務データだけに対象を絞る
- PDF、Excel、スキャン画像、システム出力を分けて棚卸しする
- 最新版と更新責任者を決め、見積にデータ整備工数を入れる
この整理がないと、発注後にデータ整備の追加費用と納期延長が表面化しやすい。
AI ASSESSMENT
PoC の前に「そもそも使えるか」を30分で見極めませんか？
情シス部門の稟議書作成をサポートする無料の30分壁打ち。ROI 試算シート・失敗要因チェックリストをその場で共有します。
「データが汚い」とは具体的にどういう状態か
「データが汚い」という言葉は曖昧なので、具体的な状態に分解しておく。次のような状態は、AI開発の費用と期間に直接影響する。
- 同じ情報がPDF、Excel、紙のスキャンなど複数の形式で散らばっている
- 共有フォルダの構成が属人的で、どこに最新情報があるか分からない
- 同じ文書の版が複数あり、どれが最新か判断できない
- 顧客名・商品名・部署名などの表記が統一されていない（マスタの不統一）
- 文書ごとの閲覧権限が整理されておらず、見せてよい範囲が曖昧
- 情報を更新する責任者が決まっておらず、古いまま放置されている
これらは欠陥ではなく、業務を続けてきた結果として自然に生じる。問題は、整理されていない状態のままAIに渡すと、その分の手間が開発費に乗ることである。
なぜデータの状態が発注後の問題になるのか
データ整備の工数が見積に反映されていない
AI開発では、データの収集・整形・名寄せ・クレンジングが工数の大きな割合を占めることがある。発注時にデータの状態を共有していないと、この工数が見積に入らず、後から「データ整備に追加費用が必要」と判明する。
PDFやスキャン画像は、そのままでは使いにくい
紙をスキャンしただけのPDFや、レイアウトが複雑なPDFは、AIが内容を正確に読み取れないことがある。表が崩れて読み込まれると、回答や集計がずれる。元データがどの形式かによって、前処理の手間は大きく変わる。
マスタの不統一が、回答や集計をぶらす
「株式会社○○」と「(株)○○」が別物として扱われると、集計や検索の精度が落ちる。表記ゆれの統一（名寄せ）は地味だが、AIの出力品質に直結する。
更新責任がないと、精度は時間とともに劣化する
導入時にデータを整えても、更新する人が決まっていないと、情報は古くなり、回答も古くなる。AIの精度は「入れて終わり」では維持できない。
FREE DOWNLOAD
AI導入チェックリスト（PoC 失敗要因 10項目）
情シス部門が PoC 前に押さえるべき失敗要因を10項目に整理した無料チェックリスト。
データの状態と、発注前の整理の目安
| データの状態 | AI開発への影響 | 発注前に整理しておくこと |
|---|---|---|
| PDF・スキャンが多い | 読み取り精度が落ちる | 元データ（Excel・テキスト）の有無を確認 |
| 共有フォルダが属人的 | 最新情報を特定できない | 対象フォルダと最新の置き場所を決める |
| 版が複数ある | 古い情報を返す | 最新版を一つに確定する |
| マスタが不統一 | 集計・検索がぶれる | 主要な名称の表記ルールを決める |
| 権限が未整理 | 見せてよい範囲が曖昧 | 文書ごとの閲覧範囲を整理する |
| 更新責任が不在 | 精度が劣化する | 更新の担当と頻度を決める |
すべてを発注前に完了する必要はない。「どこに手間がかかるか」を共有できれば、見積と計画の精度が上がる。
どのデータから整えるべきか
データ整備は、すべてを一度に行う必要はない。AIに使わせる範囲と、品質の影響が大きいところから着手すると、限られた手間で効果を出せる。優先順位の付け方には、次のような目安がある。
- AIが最初に使う範囲を優先する：全社のデータではなく、最初に対象とする業務で参照する文書から整える。範囲を広げるのは、効果を確認してからでよい。
- 更新頻度が高いものを優先する：価格表や制度のように頻繁に変わる情報は、古いまま使われると影響が大きい。最新版の管理から手を付ける。
- 検索や集計の軸になる項目を統一する：顧客名や商品名のように、検索・集計のキーになる名称の表記をそろえると、出力の安定に直結する。
- 元データが残っているものを優先する：編集可能な形式（Excelやテキスト）が残っているデータは整えやすい。スキャン画像しかないものは、後回しにするか、元データの所在を確認する。
この優先順位で進めると、「まず効果が出る範囲を整え、運用しながら広げる」という現実的な計画になる。最初から完璧な整備を目指すと、着手前に費用と期間が膨らみ、AI導入そのものが止まりやすい。
また、整備は一度きりでは終わらない。導入後も情報は増え、変わっていく。誰がいつ更新するかを決めておかないと、せっかく整えたデータも時間とともに劣化する。整備の計画には、初期の整備だけでなく、運用後の更新の担当と頻度まで含めておきたい。
発注前に確認すべき項目
- AIに使わせたいデータの種類（PDF、Excel、システムの出力など）を洗い出したか
- その中に、スキャン画像や複雑なレイアウトのPDFが含まれるか確認したか
- 元データ（編集可能な形式）が残っているか確認したか
- 対象データの最新版がどこにあるか特定できるか確認したか
- 顧客名・商品名など、表記がゆれている項目を把握したか
- データごとの閲覧権限（誰が見てよいか）を整理したか
- データを更新する担当者と頻度を決められるか確認したか
- 個人情報・機密情報が含まれるか、含まれる場合の扱いを決めたか
開発会社に確認する質問
| 質問 | 確認したいこと |
|---|---|
| データ整備にどれくらいの工数を見込みますか | 整備工数を見積に含めているか |
| PDFやスキャン画像はどう扱いますか | 元データの形式への対応力があるか |
| 表記ゆれ（名寄せ）はどう処理しますか | マスタ整備の手順があるか |
| 整備したデータの更新は誰が担いますか | 運用後のデータ管理を想定しているか |
| データの一部が未整備でも始められますか | 段階的に進める設計があるか |
データ整備を「発注者側の宿題」として丸投げするのではなく、どこを一緒に整えるかを話せる会社が望ましい。
GXOに相談する前に整理するとよい情報
- AIに使わせたいデータの種類と、おおよその量
- そのデータの主な形式（Excel、PDF、紙、システム出力など）
- 最新情報がどこにあり、誰が管理しているか
- 表記がゆれていて困っている項目があれば、その例
- 個人情報・機密情報の有無と、社内の取り扱いルール
データの状態が見えると、整備の優先順位と費用配分を現実的に設計できる。整備の進め方は社内データの品質管理で詳しく扱う。
参考にした外部観点
データ整備はAI開発だけでなく、DX推進全体の土台である。IPAのDX推進指標は関係者間の現状認識をそろえる観点を提供しており、NIST AI Risk Management FrameworkはAIの信頼性やリスクを管理する枠組みとして参考になる。
発注前には、まず30件の代表データ、10件の表記ゆれ、3ヶ月以内に更新される情報、1年残すべきログを洗い出すと、整備範囲と運用負荷を見積に反映しやすい。
関連記事
よくある質問
Q1. データを完璧に整えてから発注すべきですか
完璧を待つ必要はない。対象を絞り、最新版を特定し、表記ルールを決めるだけでも効果は大きい。整備とAI開発を並行して進める設計も可能である。
Q2. PDFしか残っていないデータは使えませんか
使えるが、読み取りの前処理に手間がかかる。元のExcelやテキストが残っていれば、そちらを優先して使うほうが精度も費用も有利になる。
Q3. データ整備の費用はどのくらいを見ておくべきですか
データの量と形式で大きく変わるため、相場を一律に示すことは難しい。見積の内訳に「データ整備」の項目があるかを確認することが、費用を見通す第一歩になる。費用の読み方はAI開発のRFPに入れるべき項目も参考にしてほしい。
Q4. 整備にかける費用と効果は、どう見極めればよいですか
データ整備は手間がかかるため、すべてを完璧にするより、AIの精度に効く範囲から投資するのが現実的である。最初に対象とする業務で使うデータに絞り、効果を確認しながら範囲を広げると、費用対効果を見極めやすい。整備の優先順位は、本文の「どのデータから整えるべきか」を参考にしてほしい。
データの状態を、発注前に棚卸ししませんか
GXOでは、AIに使う社内データの形式、最新版、表記ゆれ、権限、更新責任を棚卸しし、データ整備を見積と計画に反映する支援を行います。
※ 初回相談では、営業資料の説明よりも現状整理とリスク確認を優先します。