AI導入前に崩れないデータ品質整備ガイド

AIを導入しようとすると、ツールの機能や費用、どの業務に使うかに目が向きがちです。もちろん、それらも大切です。ただ、実際の運用では、AIに渡す社内データの状態によって、出力の安定性や確認のしやすさが大きく変わります。

たとえば、顧客名の表記がばらばらになっている。案件情報に空欄が多い。同じ会社が複数登録されている。担当者名やステータスが古いまま残っている。こうした状態のままAI活用を進めると、最初は動いているように見えても、現場で使い続ける段階で手戻りが増えやすくなります。

この記事では、AI導入前に確認しておきたいデータ品質整備の考え方を、非IT担当者にも分かるように整理します。最初から全社データを完璧にするのではなく、AIで使いたい業務に関係するデータから小さく整えることを前提に見ていきます。

AI導入前にデータ品質を整える必要がある理由

AIの出力は、入力する業務データの状態に左右される

AI導入前のデータ品質整備とは、AIに渡す入力データを、業務で使える状態にそろえる準備です。難しいデータ基盤を最初から作ることではなく、AIで使いたい業務に必要な情報が、同じルールで入力・確認・更新されているかを見ることから始まります。

AIの出力が安定しないとき、原因はAIツールそのものにあるとは限りません。入力する業務データの粒度、表記、更新状態がばらついていると、同じ業務でも結果が変わりやすくなります。

たとえば、同じ顧客を「株式会社〇〇」「〇〇株式会社」「〇〇」と別々に登録している場合、AIが同じ会社として扱えるかは処理方法に左右されます。案件ステータスも、「対応中」「進行中」「対応なう」のように人によって書き方が違えば、分類や集計が不安定になりやすくなります。

ここで見たいのは、AIに渡す情報が正しいか、新しいか、必要な項目が抜けていないか、同じルールで入力されているかです。専門的には正確性、最新性、完全性、一貫性と呼ばれることもありますが、実務では難しく考えすぎる必要はありません。まずは、現場で普段使っているデータが信頼できる状態かを確認することから始めます。

AI導入の全体像から確認したい場合は、企業がAIを導入する基本手順を先に整理しておくと理解しやすくなります。本記事では、その中でもAIに渡す前の業務データ整備に絞って見ていきます。

データ品質は「きれいなデータ」ではなく「使い続けられるデータ」と考える

データ品質というと、専門的なデータベース整備や高度な分析基盤を想像するかもしれません。けれども、中小企業の実務では、もっと身近なところから始められます。

大切なのは、すべてのデータを完璧にそろえることではありません。AIに使わせたい業務で必要な情報が、同じルールで入力され、必要なタイミングで確認され、古くなったら更新される状態を作ることです。

AI導入前のデータ整備は、AIに読み込ませるためだけではなく、現場が普段から信頼して使えるデータを作る作業です。

この視点を持つと、整備する範囲を決めやすくなります。AIのためだけに特別なデータを作るのではなく、現場が日常業務で使っている顧客情報、案件情報、問い合わせ履歴、商品情報などを、AIでも扱いやすい状態に近づけていく考え方です。

AI活用で問題になりやすいデータ品質の例

表記ゆれがあると、分類や検索が不安定になりやすい

表記ゆれとは、同じ意味の情報が違う書き方で入力されている状態です。

たとえば、会社名、商品名、地域名、担当者名、案件ステータスなどで起こりやすいです。

• 株式会社〇〇 / 〇〇株式会社 / 〇〇
• 新規対応中 / 対応中 / 進行中
• 見積済 / 見積提出済 / 見積送付済

人が見るだけなら気づける場合もありますが、AIに分類や検索、要約、優先順位付けを任せる場合、表記ゆれが多いほど判断がぶれやすくなります。まずは、AIで使いたい項目から表記ルールを決めることが大切です。

表記ルールは、難しい規程から始める必要はありません。会社名の書き方、ステータス名、商品カテゴリ、担当者名など、よく使う項目からそろえるだけでも、AIに渡す前のデータ確認がしやすくなります。

空欄が多いと、AIが判断する材料が不足する

空欄が多いデータは、AIにとって判断材料が足りない状態になりやすいです。

たとえば、問い合わせ内容は入っているのに業種が空欄、案件名はあるのに担当者が空欄、見積金額はあるのにステータスが空欄。このような状態では、AIに分類や優先順位付けをさせようとしても、必要な条件が足りなくなります。

ただし、すべての項目を必須にする必要はありません。大切なのは、AIで使う業務に必要な項目を見極めることです。使わない項目まで無理に埋めようとすると、現場の入力負担が増えて続きにくくなります。

空欄を確認するときは、「空欄があるかどうか」だけでなく、「その空欄が業務判断に影響するか」を見ます。たとえば、営業優先度をAIで整理したいなら、業種、地域、接触履歴、対応状況などは重要になりやすいです。一方で、使わない補足項目まで最初から埋める必要はありません。

重複データがあると、顧客や案件の状態を誤って見やすい

同じ顧客、同じ案件、同じ商品が複数登録されていると、AIだけでなく人の判断もずれやすくなります。

たとえば、同じ会社が営業リストに3件登録されている場合、過去の問い合わせ履歴、見積履歴、担当者メモが分散してしまいます。その状態でAIに営業文面の作成や優先度判定をさせると、情報が欠けたまま判断される可能性があります。

重複を完全になくすにはルール設計が必要ですが、最初は「同じ名前」「同じ電話番号」「同じメールアドレス」「同じ住所」など、見つけやすい条件から確認すると進めやすくなります。

重複データは、単に行を削除すれば解決するとは限りません。どちらに最新情報が入っているか、どちらに履歴が残っているか、どちらを正しいデータとして残すかを確認する必要があります。削除よりも先に、正データを決めることが重要です。

古い情報や更新漏れは、AIの回答を現状とずらしやすい

AIに渡す情報が古いままだと、出力も古い状態に引っ張られます。

たとえば、すでに担当者が変わっているのに旧担当者のまま、契約ステータスが変わっているのに更新されていない、住所や営業時間が古いまま残っている。このような状態では、AIが作る案内文や判断結果も現状とずれやすくなります。

データ整備で大切なのは、一度きれいにすることよりも、きれいな状態を保てる運用にすることです。更新日、更新担当者、確認タイミングを決めておくと、データの状態を保ちやすくなります。

古い情報を減らすには、「誰が直すか」だけでなく、「いつ確認するか」も必要です。月末に案件ステータスを確認する、問い合わせ対応後に結果を更新する、担当者変更時に顧客情報を見直すなど、業務の流れに合わせた更新タイミングを決めると運用しやすくなります。

まず棚卸しするべき業務データ

AIで使いたい業務を1つ決める

AI導入前のデータ整備は、最初から全社データを対象にしない方が進めやすいです。まずは、AIを使いたい業務を1つ決めます。

たとえば、次のような業務です。

• 問い合わせ内容の分類
• 営業リストの整理
• 顧客情報の要約
• FAQデータの整理
• 見積や提案文の下書き作成
• 案件ステータスの確認
• 社内ナレッジの検索

使いたい業務が決まると、見るべきデータ源や入力項目も絞れます。逆に、業務が決まらないままデータ整備を始めると、どこまで直せばよいか分からなくなりやすいです。

AI活用の準備でよくあるのは、「AIで何かできそう」という段階でデータ整理を始めてしまうことです。この場合、顧客情報も商品情報も問い合わせ履歴も見直したくなり、作業範囲が広がります。最初は、問い合わせ対応なら問い合わせデータ、営業支援なら顧客・案件データというように、業務から逆算して対象を絞る方が現実的です。

データ源を洗い出す

次に、AIで使いたい業務に関係するデータがどこにあるかを洗い出します。

よくあるデータ源は次の通りです。

• Excel
• スプレッドシート
• CRM
• 業務システム
• 問い合わせフォーム
• メール
• 営業リスト
• 見積管理表
• FAQ管理表
• 顧客管理台帳

ここで見るべきなのは、単にファイル名やシステム名だけではありません。どの情報がどこにあり、誰が更新していて、どれを正しい情報として扱っているかを確認します。

同じ顧客情報が複数の場所にある場合は、どれを正とするかを決めなければなりません。正データが曖昧なままAIに渡すと、AIの出力以前に、社内で確認すべき情報が分かりにくくなります。

データ源の棚卸しでは、ファイルやシステムの一覧を作るだけでも効果があります。どこに何があるかを見えるようにすると、同じ情報を二重入力している箇所や、古いファイルがそのまま使われている箇所に気づきやすくなります。

AIに渡す項目と渡さない項目を分ける

AI活用では、すべての情報をAIに渡せばよいわけではありません。

顧客名、業種、問い合わせ内容、案件ステータスなど、業務に必要な情報は使う可能性があります。一方で、個人情報、契約情報、社外秘のメモ、機密性の高い情報は、扱いを慎重に決める必要があります。

個人情報や機密情報をAIに渡す場合は、利用するAIツールの規約や社内ルールを確認したうえで、AIに渡す情報と渡さない情報を分けることが大切です。

ここでは法的な判断を一律に決めるのではなく、「AIに渡してよい情報か」「匿名化や一部削除が必要か」「社内だけで扱うべき情報か」を分ける入口として考えます。データ品質整備は、情報を整えるだけでなく、使ってよい範囲を整理する作業でもあります。

AI導入前に確認したいデータ品質チェックリスト

チェックリストで見るべき主要項目

AI導入前のデータ品質は、次のような項目で確認すると整理しやすくなります。

このチェックリストは、診断結果を出すためのものではありません。まず自社のデータのどこにばらつきがあるかを見つけるための入口です。

チェックするときは、すべての項目を同じ重さで見る必要はありません。AIで使う業務に影響する項目、現場がよく参照する項目、間違えると顧客対応や社内判断に影響する項目を優先します。

最初から全項目を完璧にしようとしない

AI導入前と聞くと、すべてのデータを完璧に整えないと始められないように感じるかもしれません。けれども、最初から全社データを対象にすると、作業量が膨らみすぎて止まりやすくなります。

最初に整えるべきなのは、AIで使いたい業務に直結するデータと、判断に使う項目です。

たとえば、問い合わせ分類にAIを使うなら、問い合わせ内容、カテゴリ、対応状況、担当者、対応結果などから確認します。営業リスト作成に使うなら、会社名、業種、所在地、担当者、メールアドレス、接触履歴などを優先します。

完璧を目指しすぎると、データ整備そのものが目的になってしまいます。AI活用の準備として見るなら、「どの業務に使うか」「どの項目が判断に必要か」「どこまで整えば小さく試せるか」を決めることが大切です。

Excelで始める範囲と、システム化を検討したい範囲

Excelやスプレッドシートで始めやすい整備

Excelやスプレッドシートでも、AI導入前のデータ整備は始められます。

たとえば、次のような作業です。

• 項目名をそろえる
• 表記ルールを決める
• 空欄を確認する
• 重複を見つける
• 更新日を追加する
• 必須項目を決める
• ステータスの選択肢をそろえる

Excelはすぐに始めやすく、現場担当者が慣れている場合も多いです。そのため、最初の棚卸しや項目確認には向いています。

ただし、Excelで始める場合でも、自由入力だけに頼りすぎると、再び表記ゆれが増えやすくなります。ステータス名やカテゴリ名など、選択肢にできる項目は選択式にするなど、現場が迷わず入力できる形を考えると続けやすくなります。

システム化を検討した方がよい状態

一方で、次のような状態になっている場合は、Excelだけで管理し続けるのが難しくなることがあります。

Excelやスプレッドシートで項目をそろえることは有効ですが、更新漏れや二重入力が増えている場合は、Excel管理の限界とシステム化すべきタイミングも合わせて確認しておくと判断しやすくなります。

Excel管理の見直しからAI活用につなげる

AI活用のために、必ず最初から新しいシステムを作る必要はありません。まずはExcelやスプレッドシートの項目名、表記ルール、更新日をそろえるだけでも、AIに使うデータの状態は把握しやすくなります。

ただし、複数のExcelやシステムに同じ情報が分散している場合は、データ整備だけでなく、業務フローを整理してシステム化を検討する流れも見ておくと、AI活用の前提を整えやすくなります。

この段階で大切なのは、Excelを使い続けるか、システム化するかを急いで決めることではありません。まずは業務フローとデータの流れを見えるようにし、どこで二重入力や更新漏れが起きているかを確認することです。

PoCで終わらせないために、実運用データで確認する

サンプルデータで動くことと、現場データで回ることは違う

AIのPoCでは、整ったサンプルデータを使うことがあります。サンプルデータではうまく動いても、実際の業務データでは、表記ゆれ、空欄、重複、古い情報が混ざります。

そのため、PoCの段階から、できるだけ実際に使うデータの一部を確認しておくことが大切です。きれいなデータだけで判断すると、実運用に入ってから「思ったより確認が必要」「現場で使いにくい」と感じる可能性があります。

本記事では導入前のデータ整備を中心に扱いますが、すでにAIを導入していて出力が安定しない場合は、AI導入後に入力品質と例外処理を見直すポイントを確認すると、導入後の改善点を整理しやすくなります。

入力ルール・更新ルール・確認ルールを決める

データ整備は、一度きれいにしたら終わりではありません。新しい顧客、新しい案件、新しい問い合わせが入るたびに、データは増えます。担当者が変わったり、ステータスが変わったり、情報が古くなったりもします。

そのため、次のようなルールを決めておく必要があります。

• 誰が入力するか
• 誰が確認するか
• いつ更新するか
• どの項目を必須にするか
• どの表記にそろえるか
• 古い情報をいつ見直すか
• AIに渡す前に人が確認する範囲はどこか

AI活用で崩れにくいデータにするには、入力・確認・更新のルールまで含めて整えることが重要です。

このルールは、複雑な社内規程として作る必要はありません。最初は、入力担当者、確認担当者、更新タイミング、必須項目を簡単に決めるだけでも十分です。大切なのは、担当者の記憶や慣れに頼りすぎない形にすることです。

個人情報や機密情報は、AIに渡す前に扱いを決める

AIに渡すデータには、個人情報や機密情報が含まれることがあります。顧客名、メールアドレス、契約内容、社内メモ、取引条件などは、扱いに注意が必要です。

すべての情報をAIに渡す前提にするのではなく、渡す情報と渡さない情報を分けます。外部AIサービスを利用する場合は、利用規約、社内ルール、委託先管理、保存範囲などを確認する必要があります。

ここは会社ごとのルールや利用するツールによって変わるため、本文では一般的な注意点にとどめます。判断に迷う場合は、社内の情報管理ルールや専門家の確認を挟む方が安全です。

AI導入前のデータ整備を進める手順

手順1：AIで使いたい業務を決める

最初に、AIで使いたい業務を1つ決めます。

例としては、問い合わせ分類、営業リスト整理、FAQ整備、顧客情報の要約、見積補助、社内ナレッジ検索などがあります。

業務が決まると、必要なデータも決まります。業務を決めないままデータ整備を始めると、すべてのデータを対象にしたくなり、作業が広がりすぎます。

この段階では、最初から大きな効果を狙いすぎない方が進めやすくなります。まずは「問い合わせ分類だけ」「営業リスト整理だけ」のように、結果を確認しやすい業務を選ぶと、データ整備の範囲も絞れます。

手順2：データ源と項目を棚卸しする

次に、その業務で使っているデータ源を洗い出します。

確認する項目は次の通りです。

• ファイル名やシステム名
• 管理しているデータの種類
• 入力項目
• 入力担当者
• 更新頻度
• 更新日
• 同じ情報が他の場所にもあるか
• AIに渡す候補になる項目

データ源の棚卸しは、AI導入だけでなく、業務整理にも役立ちます。どこに何の情報があるか分かるだけでも、二重入力や更新漏れに気づきやすくなります。

棚卸しをするときは、現場で実際に使われているファイルやシステムを見ることが重要です。管理上は使っていることになっていても、実際には別のExcelで運用されていることもあります。公式の管理表と現場の実態を合わせて見ると、実運用に近い整理ができます。

手順3：表記ゆれ・空欄・重複・古い情報を確認する

棚卸ししたデータの中から、AIに使う可能性が高い項目を確認します。

見るべきポイントは次の通りです。

• 同じ意味の項目が複数の表記になっていないか
• 必須項目が空欄になっていないか
• 同じ顧客や案件が重複していないか
• 担当者やステータスが古くなっていないか
• 更新日が分かるか
• どの情報が正しいか判断できるか

ここでも、全項目を一気に直そうとしないことが大切です。AIで使う業務に関係する項目から優先して確認します。

問題が見つかった場合は、すぐに全部修正するより、まず問題の種類を分けます。表記ルールで直せるもの、入力項目を追加すべきもの、重複確認が必要なもの、現場確認が必要なものに分けると、対応順を決めやすくなります。

手順4：入力・確認・更新ルールを決める

データの問題を見つけたら、次はルールを決めます。

たとえば、ステータス名は選択式にする、会社名の表記ルールを決める、更新日を必須にする、重複が見つかった場合の確認担当者を決める、といった内容です。

このルールがないままAI連携だけ進めると、最初は整理できていても、しばらくするとまた表記ゆれや空欄が増えていきます。

ルールづくりでは、現場の入力負担も考える必要があります。必須項目を増やしすぎると、入力が後回しになったり、仮の情報で埋められたりすることがあります。業務に必要な項目と、後からでもよい項目を分けることが大切です。

手順5：AIに渡す範囲を小さく試す

最後に、AIに渡す範囲を小さく決めて試します。

いきなり全データを連携するのではなく、まずは1業務、1データ源、必要な項目に絞って試します。その結果を見ながら、必要な項目、確認ルール、更新ルールを調整します。

AI導入前のデータ整備は、最初から完成形を作るより、小さく試して運用しながら整える方が進めやすいです。

小さく試すことで、どの項目が足りないか、どの表記が揺れやすいか、どこで人の確認が必要かが見えやすくなります。AI導入前のデータ整備は、準備だけで終わるものではなく、実際に使いながら改善していく前提で考えると進めやすくなります。

自社だけで進める範囲と、相談した方がよい範囲

自社で始めやすいこと

AI導入前のデータ整備は、自社だけで始められることも多くあります。

たとえば、次のような作業です。

• AIで使いたい業務を決める
• データ源を洗い出す
• 項目名を確認する
• 表記ゆれを確認する
• 空欄や重複を確認する
• 更新日や担当者を確認する
• 必須項目を決める

まずは、現場でよく使うExcelやスプレッドシートから見ても十分です。最初の目的は、すべてを直すことではなく、自社データの状態を把握することです。

自社で始める場合は、1人で進めず、実際にデータを入力している担当者にも確認するのがおすすめです。管理者が思っている運用と、現場が実際に行っている運用が違うこともあるためです。

相談した方がよい状態

一方で、次のような状態なら、業務整理やシステム化も含めて相談した方が進めやすい場合があります。

• 複数のExcelやシステムに同じ情報がある
• どれが正しい情報か分からない
• AI連携や自動化を前提にしている
• 更新履歴や権限管理が必要
• 個人情報や機密情報の扱いが不安
• 現場に負担をかけずに運用したい
• 入力ルールや承認フローまで整理したい

データ品質だけでなく、目的や既存ツール、体制、必要機能まで整理したい場合は、DX・AI・システム導入を相談する前に整理することも確認しておくと、相談内容をまとめやすくなります。

AI活用は、業務整理から始めると進めやすい

AI導入前のデータ品質整備は、AIのためだけの準備ではありません。顧客情報、案件情報、問い合わせ履歴、商品情報などを整理すると、業務の流れや情報管理の課題も見えやすくなります。

Excelやスプレッドシートで続けるのか、CRMや業務システムを見直すのか、AI連携をどこまで進めるのか。こうした判断は、データだけでなく業務フローと一緒に考える必要があります。

LinkTachでは、AI導入前の業務データ整理、入力項目や更新ルールの設計、Excel管理の見直し、業務システム化まで、実運用に合わせて段階的に整理することを重視しています。

よくある質問

AI導入前に、すべてのデータを整備する必要がありますか？

すべてのデータを一度に整備する必要はありません。まずは、AIで使いたい業務を1つ決め、その業務に関係するデータから確認するのが現実的です。顧客情報、案件情報、問い合わせ履歴など、判断に使う項目を優先すると進めやすくなります。

ExcelやスプレッドシートのままでもAI活用はできますか？

Excelやスプレッドシートから始めることはできます。項目名、表記ルール、空欄、重複、更新日などを整えるだけでも、AIに渡す前の準備になります。ただし、複数人更新、権限管理、更新履歴、AI連携が必要な場合は、管理方法の見直しも検討した方がよい場合があります。

データ品質とは、具体的に何を確認することですか？

実務では、表記ゆれ、空欄、重複、古い情報、更新漏れなどを確認することから始められます。同じ意味の情報が同じ書き方になっているか、必要な項目が抜けていないか、情報が最新かを見ると分かりやすいです。

表記ゆれや空欄は、AI側で自動的に補正できませんか？

AIが一部のばらつきを吸収できる場合もあります。ただし、業務で使うデータをすべてAI任せにするのは注意が必要です。特に顧客情報、案件情報、契約情報などは、人が確認できるルールで整えておく方が安全です。

データ整備はIT担当者だけで進めればよいですか？

IT担当者だけで進めるより、実際にデータを入力・確認・更新する現場担当者も関わる方が現実的です。どの項目が業務判断に必要か、どの情報が古くなりやすいかは、現場で使っている人の方が把握していることが多いためです。

データ整備と業務システム化は、どちらを先に考えるべきですか？

まずは、AIで使いたい業務と、そこで必要なデータを整理することから始めるのがおすすめです。そのうえで、Excelやスプレッドシートで対応できる範囲なのか、更新履歴や権限管理、AI連携を考えて業務システム化した方がよいのかを判断すると進めやすくなります。