行政データの機械可読ルールコード化｜AIチェックとデータ連携で企業が準備すべきこと

結論：AI活用の前に「機械が読めるデータ」に直す

デジタル庁は、行政データにおける機械可読性に関するルールをコード化する取組みを公開した。人が読むための資料だけでなく、JSONやCSVとしてルールを提供し、独自のチェックシステムやAIツールに読み込ませやすくする狙いである。

企業にとっても論点は同じである。AI導入、BI、補助金申請、監査対応、取引先へのデータ提出を進めるほど、ExcelやCSVの「見た目」ではなく、機械が処理できる構造が問われる。

何が変わるのか

今回のポイントは、ルールそのものが機械で扱いやすい形式になったことだ。デジタル庁は、ルール適用の手順として、照合、指摘、修正という流れを示している。さらに、定型的な確認作業はAIや機械で自動化することが有効だとしている。

これは民間企業のデータ管理にもそのまま当てはまる。

従来の状態	これから必要な状態
人が見やすいExcelを作る	システムが列、型、単位、履歴を読める
セル結合や空行で体裁を整える	1セル1データ、1シート1表に近づける
担当者が目視で確認する	ルールをコード化し自動チェックする
BI投入前に毎回手作業で整える	入口でデータ品質を検査する

企業が先に確認すべき5項目

1. Excelの「見た目最適化」を減らす

セル結合、複数表の同居、空行、注記の混在は、人には読みやすくても機械処理では障害になりやすい。申請書、管理表、棚卸表、見積比較表では、1行1レコード、1列1項目に近づける。

2. 項目名と単位を固定する

同じ意味の列が「金額」「費用」「税込金額」のように揺れると、BIやAIで扱う前に名寄せが必要になる。項目名、単位、税込・税抜、日付形式を決め、更新時に勝手に変わらないよう管理する。

3. コード表を別管理する

部署、商品区分、取引先種別、案件ステータスなどは、自由記述のままでは集計しにくい。選択肢とコード表を分けて管理し、システム連携時に同じ意味を同じ値で扱えるようにする。

4. 更新履歴を残す

ファイル名に「最新版」「最終版2」と付ける運用では、AIや監査ログに接続しにくい。更新日時、更新者、変更理由を残し、どの時点のデータを使ったのか追跡できるようにする。

5. チェックルールをコード化する

目視チェック表だけでは属人化する。必須項目、データ型、桁数、日付形式、選択肢、重複禁止、空欄禁止などは、CSV、JSON、スキーマ、テストコードとして管理する。

AI導入プロジェクトでの使いどころ

AI活用では、プロンプトやモデル選定より前に、入力データの品質が成果を左右する。

業務	機械可読性が弱い時の問題	先に整えること
補助金・申請	数値や根拠資料の転記ミスが増える	項目定義、証憑ファイル名、提出版管理
経営ダッシュボード	部署別、月別、商品別に集計できない	コード表、日付形式、単位統一
AI問い合わせ対応	古い資料や別版を参照する	更新履歴、参照元ID、公開範囲
監査・内部統制	いつ誰が修正したか追えない	更新ログ、承認履歴、差分管理
取引先データ連携	フォーマット差分で毎回手作業になる	CSV定義、API仕様、バリデーション

30日で始めるデータ品質チェック

期間	実施内容	成果物
1週目	重要Excel、CSV、申請書、管理表を棚卸し	対象ファイル一覧
2週目	セル結合、複数表、空欄、項目揺れを確認	データ品質チェック表
3週目	項目名、単位、コード表、更新履歴を定義	データ定義書
4週目	自動チェックルールを作る	CSV/JSONスキーマ、テスト

GXOで支援できること

GXOでは、AI導入、BI構築、業務システム刷新、補助金申請準備の前段として、データ棚卸しと機械可読性チェックを支援する。

まずは、重要なExcel、CSV、申請書、管理表を対象に、AIやシステム連携へ進められる状態かを確認する。

→ DX・データ連携を相談する

→ システム開発・業務改善を相談する

参考資料

• デジタル庁：行政データにおける機械可読性に関するルールをコード化する取組み

• digital-go-jp/machine_readability_rule

  AI活用の前に、データ品質を点検しませんか

Excel、CSV、申請書、管理表を、AI・BI・システム連携に使える形へ整えます。

DX・データ連携を相談する