【ITニュース解説】オープンテキスト、AI活用に必要なデータ環境整備のポイントを解説

AI（人工知能）が社会の様々な分野で注目を集め、私たちの仕事や生活に大きな影響を与え始めている。システムエンジニアを目指す皆さんにとって、このAIという技術を理解し、実際に活用できるスキルは今後ますます重要となる。しかし、AIの活用にはただAIのプログラムを動かすだけでなく、その土台となる「データ」の準備が非常に重要であることを、文書管理基盤製品を手掛けるオープンテキスト社が指摘している。彼らは、AIを効果的に利用するために必要なデータ環境の整備について、そのポイントを解説した。

AIは、私たち人間が物事を学習するように、大量のデータからパターンやルールを学び、それに基づいて予測や判断を行う。例えば、迷惑メールを判別するAIは、過去の迷惑メールとそうでないメールの膨大な文章データを学習し、新しいメールが迷惑メールかどうかを判断する。医療診断のAIであれば、患者の様々な検査データや過去の病歴データを学習し、病気の可能性を予測する。このように、AIはデータがなければ何も学習できず、適切な判断もできない。データはAIにとっての「栄養」であり「燃料」なのだ。

しかし、この重要なデータをAIがすぐに使えるような形で準備するのは簡単なことではない。企業内には、顧客情報、製品データ、契約書、メール、画像、動画、センサーデータなど、実に多様なデータが存在する。これらのデータは、ファイルサーバー、データベース、クラウドサービス、そして各業務システムといった様々な場所にばらばらに保存されており、フォーマットも多種多様だ。このような状態では、AIが必要とするデータを効率的に集め、学習に利用することは非常に難しい。これが「データのサイロ化」と呼ばれる問題であり、AI活用を阻む大きな壁となる。

さらに大きな問題は、データの「量」と「質」だ。AIは学習するために膨大な量のデータを必要とするが、単に量があれば良いというわけではない。データの中には、誤った情報、古い情報、重複した情報、欠損した情報も含まれていることがある。例えば、顧客情報が複数のシステムで管理されていて、それぞれのシステムで住所が異なっていたり、電話番号が入力されていなかったりすると、AIはその不正確な情報に基づいて誤った判断をしてしまう可能性がある。このような質の低いデータを使ってAIを学習させると、AIの精度は著しく低下し、かえってビジネスに悪影響を与えかねない。これは「ゴミを入れたらゴミが出る（Garbage In, Garbage Out: GIGO）」という言葉で表現される。

オープンテキスト社は、このような課題を解決するために「適切なデータ環境の整備」が不可欠であると強調する。そのポイントはいくつかある。まず、様々な場所に散らばったデータを一元的に管理し、AIがアクセスしやすい形に統合すること。これにより、データの検索や利用が格段に効率化される。次に、データの品質を向上させること。重複したデータを排除し、古いデータを更新し、欠損データを補完するなど、データの正確性、完全性、最新性を確保する作業が重要になる。さらに、データのセキュリティを確保し、個人情報保護法や企業秘密に関する法規制といったコンプライアンス（法令遵守）にも対応する必要がある。データは企業にとって重要な資産であるため、不正アクセスや情報漏洩から保護する仕組みが欠かせない。

これらのデータ管理の取り組みを総称して「エンタープライズ情報管理（EIM）」と呼ぶ。オープンテキスト社は、このEIMを支える幅広い製品群を提供しており、企業内のあらゆるデータを統合的に管理することを可能にする。具体的には、文書や画像、動画といった非構造化データを管理する「コンテンツサービス」、企業間の取引データやサプライチェーンの情報を管理する「ビジネスネットワーク」、顧客との接点から得られるウェブサイトの閲覧履歴や購買データなどを管理する「デジタルエクスペリエンス」、そしてシステムログやIoTデバイスからのデータなどを分析し、業務改善に役立てる「運用分析」といった領域をカバーしている。これらのソリューションを組み合わせることで、企業は様々な種類のデータを生成から保管、活用、そして最終的な廃棄まで、そのライフサイクル全体にわたって適切に管理できるようになる。

特に、近年登場した「生成AI」は、これまでのAIとは異なり、テキストや画像、音声などを自ら生成する能力を持つ。これにより、AIが活用できるデータの種類や活用の幅が飛躍的に広がった。例えば、契約書の自動作成や、製品マニュアルの自動要約など、より高度な業務への適用が期待されている。しかし、生成AIがより正確で有用な情報を生成するためには、その学習元となるデータの品質と量が、これまでのAI以上に重要になる。質の低いデータで学習した生成AIは、誤った情報を生成したり、不適切な内容を出力したりする可能性があるからだ。そのため、生成AI時代のデータ環境整備は、ますますその重要性を増している。

システムエンジニアとしてAI技術に携わる際には、単にAIのプログラムを書くだけでなく、そのAIが依拠するデータの重要性を深く理解し、データの収集、整理、品質管理、セキュリティ、そしてコンプライアンスといった、データ環境整備の全体像を把握することが求められる。AIの真価を引き出すためには、技術的なスキルだけでなく、データの力を最大限に活かすための戦略的な視点と、それを実現するための堅牢なデータ基盤を構築する能力が不可欠となるだろう。オープンテキスト社の解説は、その重要なポイントを改めて私たちに示していると言える。