AI・分析の前に確認するデータ準備：品質、権限、連携のチェックポイント

目的から逆算する

1. 何を判断するためのデータかを先に決める

「AIを使いたい」「分析をしたい」だけでは、必要なデータの範囲は決まりません。たとえば、問い合わせを担当部署へ振り分けるなら、受付内容や問い合わせ種別、担当先を検討する材料になります。回答文案を作るなら、参照してよい承認済み資料や、回答に必要な製品・手続き情報が候補になります。どちらも、個人の属性を追加すれば必ず良くなるわけではありません。

まず、現在どの判断に時間やばらつきがあるのかを書き、その判断に必要な入力、期待する出力、出力を使う人を対応づけます。入力に含める項目は「業務上なぜ必要か」を説明できるものに絞ります。目的との関係を説明できない項目は、収集・連携の対象から外せないか検討しましょう。

出所と管理をたどる

2. データの所在、正式な出所、更新責任を確認する

必要な項目が決まったら、どこに保存され、誰が更新し、何を正式な情報として扱うのかを確認します。業務システムのほか、表計算ファイル、共有フォルダー、PDF、メールなどに情報が分かれていることもあります。複数のコピーがある場合は、更新のたびにどれを正とするのか曖昧になり、分析結果や自動処理の食い違いにつながります。

一覧にするときは、完璧なデータ台帳を最初から作る必要はありません。「項目名／用途／保管場所／正式な出所／更新担当／利用できる人／気になる点」程度から始め、判断に関わる範囲を具体化します。

品質と定義をそろえる

3. 欠損や表記揺れだけでなく、言葉の意味も点検する

品質確認では、空欄や重複、入力ミスに加え、日付・時刻・単位・表記の違いを見ます。たとえば「受付日」が登録日なのか、実際に問い合わせを受けた日なのかが部署ごとに違えば、同じ列を集計しても同じ業務を表しません。「完了件数」に確認待ちを含めるかどうかなど、指標の定義も確認が必要です。

こうした違いは、データを機械的に整形するだけでは解消できません。現場の担当者に、値が入力される場面、空欄になる理由、例外の扱いを尋ね、意味をそろえてから集計・分析・自動処理に使います。使えない値を除くのか、補完するのか、人が確認するのかも、業務上の影響を踏まえて決めます。

• 必須項目の欠損、同じ記録の重複、入力形式の違い
• 日付・時刻の基準、数量や金額の単位、表記の揺れ
• 部署や資料ごとに異なる用語・指標の定義
• 例外時に入力される値と、通常値との見分け方

利用条件を確かめる

4. 機密情報・個人情報とアクセス範囲を整理する

情報の種類を把握し、業務目的に必要な範囲、取り扱う人、保存先、外部サービスへの共有の有無を整理します。不要な情報を除く、識別情報を置き換える、利用者を限定するなどの方法を検討できますが、それだけで個別のリスクや法的な要件が解消されるとは限りません。匿名化やマスキングを行う場合も、元に戻せる情報や他の情報との照合可能性を確認します。

外部サービスを使う場合は、データがどの機能に送られるのか、再利用の条件、保存・削除の扱い、処理場所、権限設定などを、利用するプランや契約の条件に照らして確認します。管理者設定で入力できる情報を制御できるか、誤送信時の連絡や停止手順があるかも、運用前に検討しておくと実務に結びつきます。

個人情報や委託先利用に関する具体的な判断は、実際のデータと契約条件に基づいて行ってください。必要に応じて、社内の管理担当や専門家へ確認することをおすすめします。このガイドは一般的な準備の考え方であり、個別案件への法的助言ではありません。