「データがないとAIは使えない」の誤解｜生成AI時代に本当に必要なデータと、小さく始める準備の進め方
「うちにはAIに学習させるようなデータがないから、AIはまだ早い」「まずはデータ基盤を整えてからでないと」。AIの導入を相談すると、こうした理由で検討が止まってしまうことがあります。たしかに以前のAIでは、大量の学習データを用意することが導入の前提でした。
しかし、生成AIが広まった今、その前提は大きく変わっています。この記事では、「データがないとAIは使えない」という思い込みのどこが正しく、どこが誤解なのかを整理し、生成AI時代に本当に準備すべきデータと、その整え方を説明します。
- 生成AIは提供元が学習済みのモデルを使うため、自社で大量の学習データを用意しなくても使い始められる業務が多くあります。
- ただし「データが不要」ではありません。必要なのは学習データではなく、AIが参照する社内文書・マスタ（基本データ）と、精度を確かめる評価データです。
- データ準備でつまずきやすいのは、量よりも「最新版がどれかわからない」「表記がばらばら」「Excelや紙に散らばっている」といった整理の問題です。
- データの完璧な整備を待つ必要はありません。対象業務を1つに絞り、その業務に必要なデータだけを整えながら小さく始めるのが現実的です。
目次
AIの学習データとは
AIの学習データとは、AIに予測や判定のやり方を覚えさせるために使うデータです。たとえば、需要を予測するAIなら過去の販売実績、不良品を見分けるAIなら良品と不良品の画像が学習データになります。AIはこれらのデータからパターンを学び、新しいデータに対して答えを出します。
生成AIが登場する前、業務で使われてきたAI（予測や分類のための機械学習）の多くは、自社の業務に合わせて一から学習させる必要がありました。そのため、「AIを使うには、まず自社に大量のデータが必要」というのは、当時としては正しい考え方でした。
一方、ChatGPT、Claude、Geminiなどの生成AI（文章などを作り出すAI）は、提供元が膨大なデータで学習させたモデルを、API（外部のAIを呼び出す仕組み）やツールを通じて使います。利用する企業がモデルを学習させる必要は、多くの場合ありません。ここが、「データがないとAIは使えない」という考え方が誤解になりつつある理由です。
関連記事生成AIと機械学習（従来のAI）の違い｜得意なこと・必要なデータと、業務ごとの使い分け・組み合わせ方
生成AIで本当に必要になるデータ
では、生成AIならデータは何もいらないのかというと、そうではありません。必要なデータの種類が変わる、と考えるのが正確です。
生成AIの導入で必要になるデータ
| データの種類 | 何に使うか | 例 |
|---|---|---|
| 参照データ（社内文書） | AIが答えるときの根拠にする | 社内規程、マニュアル、製品仕様書、過去の問い合わせ回答、FAQ |
| マスタ（基本データ） | AIが読み取った内容を、正しい品番・取引先などに照らし合わせる | 商品マスタ、取引先マスタ、勘定科目、社員・部署の一覧 |
| 評価データ | AIの精度を確かめる「問題と正解のセット」 | 実際の注文書とその正しい読み取り結果、よくある質問とその正しい答え |
| 業務データ | AIが処理する対象そのもの | 日々届く注文書・請求書、問い合わせメール、日報のメモ |
参照データは「量」より「正しさ」
社内文書をもとにAIに答えさせる仕組み（RAG：質問に関係する社内文書を検索し、その内容をもとにAIが答える方法）では、AIは渡された文書の内容を根拠に答えます。古い規程と新しい規程が混在していれば、古い内容で答えてしまうことがあります。文書の数が多いことより、最新で正しい文書がそろっていることのほうが重要です。
評価データは少量でも必ず用意する
評価データは、AIの結果が業務で使える水準かを判断するためのものです。数十〜数百件程度でも、実際の業務から集めた「問題と正解」があれば、試行の段階で精度を確かめられます。正解をつけられるのは業務を知っている社内の人だけなので、発注者側で準備する部分になります。
データ準備でつまずきやすい点
多くの会社で問題になるのは、データが「ない」ことより、データが「整っていない」ことです。よくある状態を整理します。
- 最新版がどれかわからない：同じマニュアルが「最新」「最新_修正」「最新_最終」といった名前で複数あり、どれが正しいか担当者にしかわからない
- 表記がばらばら：同じ商品が「M8ボルト」「ボルトM8」「M-8 BOLT」のように、人や取引先によって違う書き方で記録されている
- Excelや個人のパソコンに散らばっている：部署ごと、担当者ごとにExcelで管理していて、全体をまとめた場所がない
- 紙やFAXのまま：過去の記録が紙でしか残っておらず、AIに読ませる前にデジタル化が必要
- 暗黙のルールが書かれていない：「この取引先はこの品番を別名で呼ぶ」といった知識が、ベテラン社員の頭の中にしかない
- 使ってよいデータかわからない：個人情報や取引先との秘密保持の対象となる情報が混ざっていて、AIに渡してよいか判断できない
このうち、Excelで分散管理されている状態は、AIの導入に限らず、業務システム化でも課題になるものです。AIの導入をきっかけに、データの置き場所と管理のルールを見直す会社も少なくありません。
関連記事Excel管理の限界とは？システム化を検討すべきサイン
生成AI時代のデータ準備の進め方
データの整備は、全社の情報をすべて整えてからAIを始める、という順番である必要はありません。AIを使う業務を1つ決めて、その業務に必要なデータだけを整えるほうが、早く効果を確かめられます。
- 対象業務を1つ決める件数が多く、時間がかかっていて、正解が比較的はっきりしている業務を選びます（問い合わせ対応、注文書の入力など）
- 必要なデータを洗い出すその業務でAIが参照する文書、照合に使うマスタ、処理する書類を書き出します
- 最新版を1か所にまとめる参照する文書の最新版を決め、古い版は外します。置き場所と更新の担当者も決めます
- マスタの表記をそろえる品番や取引先名の表記ゆれを整理します。すべてでなくても、よく使うものからで構いません
- 評価データを作る実際の業務から数十〜数百件を選び、正解をつけます
- AIに渡してよい範囲を決める個人情報や機密情報を含むデータの扱いを決めます（次の章を参照）
- 試行して、足りないデータを見つける試行でAIが間違えた例から、不足している文書やマスタの不備が見つかります。それを整えて精度を上げます
このように、データの準備は「AIを始める前の作業」ではなく、「AIを動かしながら進める作業」と考えると、検討が止まりにくくなります。
そこで、問い合わせの多い上位3機種に絞り、メーカーのマニュアルと社内の対処記録の最新版をまとめることから始める計画にしました。仮に問い合わせの半分（150件）にAIが答えられ、ベテラン社員の対応が1件6分減るとすると、削減は月15時間程度の試算です。
うまくいく条件は、対象を絞ったうえで、マニュアルの最新版と対処記録を整理する担当者を決めることです。つまずきやすい点は、対処記録が手書きの日報にしか残っていない場合で、デジタル化の手間が想定より大きくなりがちです。その場合も、すべての日報を対象にせず、よくある不具合の記録から順に取り込むことで、小さく始められます。
データをAIに渡すときの注意点
社内のデータをAIに渡すときは、そのデータが外部でどのように扱われるかを確認する必要があります。
- 学習に使われるかを確認する：生成AIのサービスによっては、入力したデータが提供元のモデルの改善（学習）に使われる設定のものがあります。たとえばOpenAIは、法人向けのサービスとAPIのデータは、初期設定ではモデルの学習に使わないとしています（2026年10月時点の公式ページ）。利用するサービスと契約プランごとに、利用規約と設定を確認します
- 個人情報の扱い：個人情報保護委員会は、個人情報を含む指示文（プロンプト）を生成AIに入力する場合、利用目的の範囲内かを十分に確認すること、提供元がそのデータを機械学習に使わないことなどを事前に確認することを注意喚起しています（2023年6月）
- 取引先との契約：取引先から受け取った資料には、秘密保持契約で外部への提供が制限されているものがあります
- アクセス権限：社内文書をAIで検索できるようにすると、本来は見られない人に人事情報などが見えてしまうことがあります。文書ごとの閲覧権限をAIの仕組みにも反映します
個人情報や契約上の扱いは、法律の判断を含むため、最終的には弁護士など専門家に確認してください。
関連記事ChatGPTに社外秘を入れて大丈夫？情報漏えいのリスクと法人での対策｜漏えいの経路と入力ルールを解説
自社でできること、専門の会社に頼んだほうがよいこと
データ準備の役割分担の目安
| 作業 | 自社でできること | 頼んだほうがよいこと |
|---|---|---|
| 文書の整理 | 最新版の特定、古い版の削除、置き場所の決定 | AIが読みやすい形への変換、自動で取り込む仕組みの構築 |
| マスタの整備 | よく使う品番・取引先の表記の統一 | 複数のシステムやExcelに分散したデータの統合・移行 |
| 評価データ | 実際の業務から問題を集め、正解をつける | 必要な件数や偏りの確認、評価の自動化 |
| データの扱い | AIに渡してよい範囲の社内ルールづくり | 権限の反映、個人情報を伏せる処理などの仕組み化 |
特に、複数のExcelや古いシステムに分かれているデータを1か所にまとめる作業は、システム移行と同じ注意が必要です。データの重複や表記の揺れを確認しながら進めないと、AIの精度にもそのまま影響します。
社内のデータをAIで扱う前に、自社のセキュリティ対策の状況を確認しておくと安心です。簡易セキュリティ診断では、10の質問に答えるだけで、基本的な対策の状況を確認できます（登録不要）。
よくある質問
- 生成AIを使うのに、自社でAIを学習させる必要はありますか？
- 多くの業務では必要ありません。生成AIは提供元が学習済みのモデルを使い、自社の業務に合わせるときは、指示文の工夫や社内文書の参照（RAG）で対応するのが一般的です。自社のデータでモデルを追加学習させるのは、それでも精度が足りない場合などに限られます。
- データがほとんど紙で残っています。AIは使えませんか？
- 使えます。むしろ、紙やFAXの書類を読み取ってデータにすることは、生成AIの得意な使い方の一つです。過去の紙の記録をすべてデジタル化する必要はなく、よく使うものや、これから発生する書類から始めるのが現実的です。
- どのくらいデータが整っていれば、AIを始められますか？
- 対象業務に必要な文書の最新版と、精度を確かめる評価データがあれば、試行（PoC）は始められます。試行でAIが間違えた例を見ると、どのデータを整えるべきかがわかるため、データの整備と試行を並行して進めるのがおすすめです。
- 社内のデータをAIに入れると、外部に漏れませんか？
- 利用するサービスと契約プランによって扱いが異なります。入力したデータが学習に使われない設定か、どこに保存されるか、どのくらいの期間残るかを、利用規約と管理画面で確認してください。個人情報を含む場合は、社内ルールを決めたうえで専門家に確認すると安心です。
まとめ
生成AIの登場によって、「自社に大量の学習データがないとAIは使えない」という前提は大きく変わりました。必要なのは、AIが参照する正しい社内文書とマスタ、そして精度を確かめる評価データです。データの完璧な整備を待たず、対象業務を1つに絞り、その業務に必要なデータを整えながら小さく始めることで、AIの効果を早く確かめられます。
関連記事Excel業務をシステム化する方法｜判断基準・費用・進め方
参考：個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」（2023年6月2日）、OpenAI「Business data privacy, security, and compliance」（2026年10月時点）。
この記事に関連するサービス
AI業務改善・AIシステム開発
生成AIなどのAIを、業務の流れや社内のシステムに組み込んで成果が出る形にします。業務の整理、試験導入（PoC）、AIを組み込んだシステムの開発、導入後の運用・改善まで一貫して対応… サービスの詳細を見る
