連載企画 生成AI時代のデータマネジメント (2)データを整える

前回は、生成AIを活用するうえでは、AIそのものだけでなく、その前提となるデータが重要であることを紹介しました。今回は、社内規程や業務マニュアルを生成AIで活用しようとしているA社を例に、「業務→必要な情報→データ整備」の順番で、実際にデータを整えていきます。

■業務から必要な情報を絞る

データ整備というと、共有フォルダ全体を整理することを想像しがちです。しかし、A社の目的は総務への問い合わせを減らすことです。そこでまず、「生成AIにどのような質問へ回答してほしいか」から考えます。

例えば「宿泊費の上限はいくらか」「慶弔休暇は何日取得できるか」といった質問から、就業規則、旅費規程、経費精算マニュアルなど、回答に必要な文書を特定します。業務と質問から対象を絞ることで、全社のファイルを整理する前に、小さく始めることができます。

■「どの情報を信頼するか」を決める

A社では、ファイルサーバーやNASの共有フォルダに文書を保存しています。確認すると、「旅費規程.pdf」「旅費規程_最終版.pdf」「旅費規程_旧.pdf」が残り、同じ内容のファイルが別の場所にも保存されていました。

生成AIは文書の中身を読めますが、どれが正式な文書で、どれが現在有効なのかは必ずしも判断できません。そこで、正本と最新版を明確にし、重複を整理して、旧版や改定案は現行文書と分けて保管します。例えば、「旅費規程.pdf／旅費規程_最終版.pdf／旅費規程_旧.pdf」が混在した状態から、「現行の正本は１件、旧版・改定案は別保管」とするだけでも、参照すべき情報は明確になります。これは、信頼すべき情報源を明確にするSingle Source of Truth（SSOT）にも通じる考え方です。

生成AI時代には、フォルダ構成や命名規則の役割も少し変わります。人が探しやすいことに加え、フォルダはAIに参照させる文書群を切り分けやすくし、ファイル名は回答の出典として示された際にも何の文書か分かる名前にします。一方、検索のためだけに階層を細かくしたり、ファイル名に多くの情報を詰め込んだりする必要はありません。

■AIが判断できない情報を補う

正本や最新版を決めても、それだけでは足りない場合があります。例えば、正社員の慶弔休暇は５日、パート社員は３日と、それぞれが別の規程に定められているとします。どちらも正式な最新版であっても、適用対象が分からなければ、AIは質問に対してどちらの規程を使うべきか判断できません。

そこで、「適用対象＝正社員」「状態＝現行」「有効期間＝○年○月～」など、どの文書を、誰に、いつ適用するかを判断するための情報を持たせます。こうした文書に付随する情報がメタデータです。重要なのは項目を増やすことではなく、その違いによって回答が変わる情報に絞ることです。

一般的な共有フォルダでは、文書ごとにメタデータを付けて管理できない場合もあります。その場合、代替策として、Excelの台帳に文書名、適用対象、状態、有効期間などを記録し、文書と併せて生成AIに参照させたり、必要な情報を文書の冒頭に記載したりする方法でも始められます。

■支援現場でのポイント

診断士として支援する際は、①AIに答えさせたい質問を５～１０件挙げる、②回答に必要な文書を特定する、③正本・最新版を明確にし、重複・旧版を整理する、④適用対象など回答を左右する情報（メタデータ）を確認する、という順番で進めると実践しやすくなります。

整理作業にも生成AIを使えます。複数の文書から台帳項目の候補を抽出したり、似た文書や記載の違いを洗い出したりすれば、棚卸しの負担を減らせます。また、正本を決めて終わりではなく、誰が更新するか、改定時に旧版をどう扱うかまで決めておくことで、整理した状態を維持できます。

では、ここまで整えれば生成AIは正しく回答できるのでしょうか。まだ不十分です。「部長はグリーン車を利用できるか」は文書を整理しただけでは答えられません。判断に必要な情報や暗黙知が文書にないためです。次回は、質問→回答の検証を通じて不足情報を見つけ、データ自体を改善していきます。

【安東 優太郎】