AI導入に必要なデータ準備・整備の進め方｜「うちにはデータがない」を解決する現実的な手順

AI導入の相談で必ずと言っていいほど出てくるのが、「うちにはAIに使えるデータがないんです」という言葉です。ところが話を聞いていくと、見積書は10年分Excelにあり、作業日報は紙で倉庫に積まれ、ベテランの対応記録はメールと個人メモに残っている——データは「ない」のではなく、「使える形になっていない」だけ、というケースがほとんどです。

本記事では、AI活用の土台になるデータ準備・整備について、用途別に必要なデータの考え方、社内データの棚卸しから始める実践手順、データが本当に少ない場合の現実解までを解説します。読み終わる頃には、「データがないからAIは無理」が「まずここから整えればいい」に変わっているはずです。AI導入の全体の流れは中小企業のAI導入5ステップをあわせてご覧ください。

「データがない」の正体

「データがない」と感じる原因は、たいてい次の3つのどれかです。

①「データ＝きれいな数値の表」だと思っている。AIに使えるデータはデータベースの数表だけではありません。見積書・報告書・マニュアル・議事録・メール・写真——いまの生成AIは、こうした文書や画像そのものを材料にできます。むしろ中小企業の強みである「現場の記録・お客様とのやりとりの蓄積」は、文書の形でこそ残っているものです。「文章しかない」は、もはや弱点ではありません。

② 存在はするが散らばっている。基幹システム・Excel・紙・個人のPC・メール——保管場所がバラバラで、全体像を誰も知らない状態です。これは「ない」のではなく「棚卸しされていない」だけで、後述の手順で解決できます。

③ 存在はするが汚れている。表記ゆれ（「(株)」と「株式会社」）、重複、入力されていない欄、担当者ごとの書き方の違い。これも「使えない」のではなく「掃除が必要」なだけです。

重要なのは、完璧なデータ基盤を作ってからAIを始める必要はないということです。むしろ「この業務にAIを使う」という目的を先に決め、それに必要な分だけデータを整えるのが、中小企業にとって現実的で挫折しない順番です。

用途別・必要なデータの考え方

「どんなデータが・どれくらい要るか」はAIの用途で全く違います。ここを混同すると「ビッグデータがないと無理」という誤解に陥ります。

表の上2行——生成AIの文書作成と社内ナレッジ検索——は、データの蓄積がほぼゼロでも始められる領域です。「データがないからAIはまだ早い」という判断は、実はこの2つの存在を見落としています。

手順①: 社内データの棚卸し

目的の業務が決まったら、関係するデータの在り処を洗い出します。大掛かりな調査は不要で、次の3つの観点で一覧表を作れば十分です。

どこに・何が・どんな形式であるか

「見積データ→販売管理システム＋担当者Excel」「作業手順→紙のファイルと先輩の頭の中」「顧客とのやりとり→メールと電話メモ」のように、業務で使う情報の在り処を場所・内容・形式（システム/Excel/紙/人の記憶）で書き出します。この作業だけで「思ったよりある」ことが分かるのが通例です。

正本（マスター）はどれか

同じ情報が複数の場所にある場合、どれが正しい最新版かを決めます。AIに古い規程や旧価格表を読ませると、もっともらしい間違った回答を量産します。「AIに見せてよいのはこのフォルダの最新版だけ」という正本の置き場を決めることが、後工程すべての品質を左右します。正本を決める過程で「実は部署ごとに違う様式を使っていた」といった業務のばらつきも見つかるため、業務標準化の棚卸しを兼ねると一石二鳥です。

使ってよいデータか（権利・契約・個人情報）

顧客から預かったデータ、契約上の秘密情報、個人情報は、AIに入力してよいか個別の判断が要ります。棚卸し表に「AI利用可否」の欄を作り、判断が必要なものに印を付けておきます。判断基準づくりは生成AI利用ガイドラインの作り方が参考になります。

手順②: 紙・PDFのデジタル化

紙の帳票・FAX・手書き日報が主戦場の会社は、ここが最初の関門です。AI-OCR（AIによる文字読み取り）を使えば、紙の束を検索・集計できるデータに変えられます。ポイントは過去の紙を全部データ化しようとしないこと。まず「これから発生する分」を電子で受け取る・読み取る流れを作り、過去分は必要になったものだけ遡ってデータ化する方が、挫折なく進みます。ツールの選び方・精度の考え方はAI-OCR導入ガイドで詳しく解説しています。

また、スキャンしただけのPDF（画像PDF）は、そのままでは文字データとして扱えないことがあります。ナレッジ検索に使いたい文書が画像PDFの場合は、テキスト化の工程を挟む必要がある——この点は見落とされがちなので、棚卸しの際に「PDFの中身が文字か画像か」も確認しておくとつまずきません。

手順③: データクレンジング

データはあるが汚れている場合の掃除です。よくある汚れは次の3種類で、それぞれ対処法が違います。

表記ゆれ: ルールを決めて寄せる

「(株)/株式会社」「ｱｲﾃｯｸ/アイテック」「担当者名の姓のみ/フルネーム」——表記ゆれは集計と検索の敵です。今後の入力ルール（正規形）を決め、既存データは変換ツールや生成AIの力も借りて寄せていきます。全件を完璧にする必要はなく、AIに使う範囲から順にで構いません。

重複: 「同じもの」の判定基準を決める

顧客マスタの重複登録は、AI活用に限らず業務の混乱の元です。何をもって同一とみなすか（会社名＋住所、メールアドレス等）を決めて統合します。判定に迷う候補のリストアップまではツールやAIに任せ、最終の統合判断は業務を知る担当者が行う分担が安全です。

欠損: 埋めるより「今後入る仕組み」を優先する

過去データの空欄を全部埋め直すのは大抵割に合いません。それよりも、入力必須項目の絞り込み・選択式化・入力自動化（例: 議事録AIからの自動転記）で「これから正しいデータが貯まる仕組み」を作る方が効果的です。データ整備は一度きりの大掃除ではなく、汚れにくい仕組みづくりだと捉えてください。

手順④: ナレッジ系データの整備（RAG向け）

社内の文書をAIに読み込ませて質問に答えさせる仕組み（RAG）を作る場合、文書の整備が回答品質を直接決めます。詳しくは社内ナレッジ検索AI（RAG）の解説に譲り、ここでは準備の要点だけ挙げます。

古い版・重複文書を除く

回答の質を下げる最大の要因は、文書の量不足ではなく新旧の文書が混在していることです。正本フォルダを決め、旧版はAIの参照範囲から外します。

暗黙知はQ&A形式で文書化する

ベテランの頭の中にしかない知識は、「よくある質問と答え」の形でヒアリングして文書にするのが、もっとも手早く効果的です。完璧なマニュアルを目指すより、現場の質問トップ20に答えるFAQを作る方が、AIの回答品質はよほど上がります。ヒアリングは録音してAIに文字起こし・Q&A化させれば、1時間の聞き取りが数十件のFAQ素材になります。

更新の担当と頻度を決める

文書は放っておくと腐ります。「規程が変わったら1週間以内に正本を差し替える」「四半期に一度、FAQを見直す」といった更新運用まで決めて、初めて整備は完了です。

データが本当に少ないときの現実解

創業間もない、業務の履歴を残してこなかった——本当にデータが薄い場合も、打ち手はあります。

• 蓄積不要のAI活用から始める: 文書作成・要約・翻訳・調べ物の壁打ちなど、生成AIの汎用活用はデータゼロで今日から効果が出ます
• 既製ツールに乗る: 学習済みのAIを使う既製サービス（議事録・OCR・チャットボット等）は、自社データの蓄積がなくても機能します。AIサービスの選び方を参考に、作る前に「あるものを使う」を検討してください
• 「これから貯める」を最初の施策にする: 商談録音・問い合わせ記録・作業記録を、AIツール経由で自動的に貯まる形にしておくと、半年後には立派な自社データ資産になります
• 予測系は蓄積ができてから: 需要予測のような過去実績が命の用途は、データが貯まるまで待つのが正解です。無理に少ないデータで作っても信頼できる結果になりません

本格的な検証（PoC）に進む場合のデータの渡し方——きれいなデータだけを渡さず「汚れた現実」を含める——についてはPoCの進め方ガイドで解説しています。

セキュリティと権限の整理

データを整備してAIから使えるようにするほど、「誰が何を見られるか」の設計が重要になります。最低限、次の3点を押さえてください。

• アクセス権限をデータ側で分ける: 給与情報・人事評価・M&A関連など、全員に見せてはいけない文書は、AIの参照範囲から分離するか、権限に応じて参照先が変わる設計にする
• 入力データの扱いをツール契約で確認する: 「入力内容が学習に使われない」設定・契約か、保存場所はどこか、を確認する
• 持ち出しルールを決める: 個人の無料AIアカウントに業務データを貼り付ける行為をルールで禁止し、会社契約のツールに一本化する

権限設計を後回しにしてナレッジ検索AIを全社公開してしまうと、「アルバイトでも役員会議事録を検索できる」といった事故が起こり得ます。整備の段階で文書を「全社公開してよいもの」と「部門・役職を限定するもの」に仕分けしておくと、AI側の設定が単純になり、事故の芽を早い段階で摘めます。

よくあるつまずきと回避策

つまずき①「全社データ基盤構想」が立ち上がって止まる

データ整備を始めると、「どうせやるなら全社のデータを一元化しよう」という構想が持ち上がりがちです。志は正しいのですが、全部門の要件を聞き、システムを選定し……と進むうちに1年経ち、肝心のAI活用が始まらない——これが最多の失敗パターンです。回避策は、目的のAI活用1件に必要な範囲だけ整備し、成果を出してから次へ広げること。基盤は成果の積み重ねの結果としてできていくものと捉えてください。

つまずき② 整備担当が「片手間の一人」で頓挫する

データの棚卸しや表記統一は地味な作業のため、若手一人に片手間で任されて自然消滅しがちです。回避策は、範囲を絞って期限を切ること（例: 「営業部の見積データだけを今月中に」）と、経営側が「これはAI活用の土台づくりだ」と位置づけを明言することです。位置づけがあるかないかで、現場の協力度がまったく変わります。

つまずき③ 整備した後の「維持」が設計されていない

一度きれいにしたデータも、入力ルールと更新運用がなければ数ヶ月で元に戻ります。掃除（クレンジング）と同時に、汚れない仕組み（入力の選択式化・自動転記・正本フォルダの運用ルール）を必ず作り込む——ここまでがデータ整備の一式です。

よくある質問

Q. データ整備はどれくらいの期間を見ておくべきですか？

目的の業務に必要な範囲だけ整えるなら、棚卸しは数日、正本の整理とFAQづくりは数週間の単位で始められます。全社のデータ基盤整備のような構想にすると年単位になり挫折しがちなので、「使う分だけ整える」を強くおすすめします。

Q. 整備の作業自体にAIは使えますか？

使えます。表記ゆれの正規化案の作成、文書の分類・タグ付け、FAQの下書き（ヒアリング録音の文字起こし→Q&A化）など、整備作業こそ生成AIの得意分野です。「データ整備のためにAIを使う」のは実践的な近道です。

Q. データ整備を外部に依頼することはできますか？

AI-OCRによる過去帳票のデータ化代行、顧客マスタの名寄せ・クレンジング、ナレッジ文書の整備支援など、外部サービス・支援会社に任せられる工程は多くあります。ただし「どれが正本か」「どの表記に寄せるか」「何をAIに見せてよいか」という判断は自社にしかできません。判断は社内・作業は外部という分担で依頼すると、費用対効果よく進みます。依頼時の見積もり・契約の見方は発注前チェックリストが参考になります。

Q. Excelだらけの会社ですが、まずシステムを入れ替えるべきでしょうか？

順番が逆になりがちな論点です。基幹システムの刷新は大仕事なので、まず「いまのExcelのまま何ができるか」から始め、AI活用を進める中で本当にボトルネックになった箇所だけシステム化を検討する方が、投資を無駄にしません。

Q. どこまで整備できたら「AIを始めてよい」ですか？

完璧を待つ必要はありません。生成AIの文書作成なら今日から、ナレッジ検索なら「正本フォルダとFAQトップ20」ができた時点で、検証を始めてよい状態です。走りながらデータの穴を見つけて埋める方が、机上で整備を続けるより早く正確に進みます。

Q. 何から手を付けるべきか、社内で判断できません

「どの業務にAIを使いたいか」が決まればデータ整備の範囲は自動的に決まります。業務の選定から相談したい場合は、コンシェルジュへの無料相談で棚卸しの観点からお手伝いします。

まとめ｜データ整備は「AIの前工程」ではなく「AIと一緒に進める仕事」

「データがない」の多くは、棚卸しされていない・デジタル化されていない・掃除されていないだけです。①目的の業務を決める→②在り処と正本を棚卸しする→③紙はAI-OCRでデータ化する→④使う範囲から掃除する→⑤ナレッジは正本＋FAQで整える——この順で、使う分だけ整備すれば十分AIは始められます。完璧なデータ基盤を待つ必要はありません。データゼロで始められる生成AI活用で足場を作りつつ、これから貯まる仕組みを整える。それが中小企業の現実的なデータ戦略です。

データ整備・活用を支援するAIサービスはこちらの検索から比較できます。