--- title: "AI活用のつまずきは、データから｜AI-Ready.jp" url: https://www.ai-ready.jp/column/data-is-the-bottleneck/ description: "AIの導入が思うように進まない原因は、AIそのものより、データが散らばっている、古い、責任者がいないといったデータの側にあることが多いです。つまずきの典型と、範囲を絞ってデータを整える始め方を整理します。" updated: 2026-11-12 publisher: "フロレンティナ株式会社" --- [柱：データ](https://www.ai-ready.jp/about-ai-ready/data/) # AI活用のつまずきは、データから 執筆：[石田誠](https://www.ai-ready.jp/about/authors/#ishida)更新 2026-11-12最終確認 2026-11-12出典 3件[図解 1点](https://www.ai-ready.jp/zukai/) この記事の結論 AIの導入が思うように進まない原因は、AIそのものより、データが散らばっている、古い、形式がそろっていない、責任者がいない、といったデータの側にあることが多いです。全部を一度に整えようとせず、AIを使いたい業務を一つ決め、その業務のデータの所在・品質・権限・責任者から整えると、無理なく前に進めます。 自社の「データ」の準備度は？[10問・約3分で確かめる（無料・登録不要）](https://www.ai-ready.jp/diagnosis/quick/) AIのツールを契約して試してみたものの、「思ったような答えが返ってこない」「社内の情報をうまく使ってくれない」という声をよく聞きます。原因を探っていくと、AIの性能ではなく、AIに渡すデータの状態に行き着くことが少なくありません。この記事では、データでつまずく典型と、その乗り越え方を整理します。 この記事でわかること - AI活用がデータでつまずく理由と、よくある状態 - 範囲を絞ってデータを整える手順 - データを整えるときの役割分担の考え方 ## なぜ、AI活用はデータでつまずくのですか？ AIは、渡されたデータをもとに答えを作ります。社内の規程を参照して答えさせる場合も、売上のデータを分析させる場合も、元のデータが古かったり誤っていたりすれば、AIの答えも古く、誤ったものになります。 総務省と経済産業省の「AI事業者ガイドライン（第1.2版）」でも、AIを使う事業者に対し、正確で、必要に応じて最新の状態が保たれたデータを入力することが示されています。AIを上手に使えるかどうかは、データの状態に大きく左右されます。 また、経済産業省の「デジタルガバナンス・コード3.0」では、経営陣がデータを価値を生み出すための大切な資産の一つとして認識することが望ましいとされています。データを「業務の副産物」ではなく「経営の資産」として扱う考え方は、AI活用の土台になります。 情報処理推進機構（IPA）が2026年7月16日に公表した「DX動向2026」のポイントでは、データのデジタル化や業務の効率化の成果は高い一方、企業価値の創出につながる成果は低い状況が続いていると示されています。データをデジタルにすることは進んでいても、それを使える形に整え、価値に結びつける段階には、まだ課題が残っていると考えられます。 ## よくあるつまずきには、どのようなものがありますか？ 中小・中堅企業でよく見られるのは、次のような状態です。 - **散らばっている：** 同じ種類の資料が、個人のパソコン、部署の共有フォルダ、メールの添付、紙の書類に分かれて置かれている - **どれが最新かわからない：** 「最終版」「最終版2」のようなファイルが並び、どれを使えばよいか担当者にしかわからない - **形式がそろっていない：** 同じ取引先の名前が、表記の揺れ（株式会社の有無、略称など）で別々に登録されている。日付や金額の書き方もばらばら - **責任者がいない：** そのデータが正しいかを誰が判断するのか、決まっていない - **権限が整理されていない：** 見てよい人の範囲が決まっておらず、AIに取り込むと、本来見られない人にも情報が届いてしまうおそれがある - **扱いの決まりがない：** 個人情報や取引先から預かった情報が混ざっていて、AIに使ってよいか判断できない 文書や画像、音声の記録のように、表の形になっていないデータ（非構造化データ）は、とりわけ置き場所や版がばらばらになりやすい種類です。社内の規程やマニュアルをAIに参照させる使い方では、こうしたデータの整理がそのまま答えの質に表れます。 これらは、AIを使う前から業務の中にあった課題です。AIを使おうとしたときに、まとめて表に出てくると考えるとわかりやすいかもしれません。 データの状態が、AIの答えの質を左右します データの側の課題 散らばっている・古い・形式がばらばら責任者がいない、権限や扱いの決まりがない 古い・誤ったデータを渡すと AIの答えも古く、誤ったものになる AIを使おうとしたときに、まとめて表に出てきます 範囲を絞って整える AIを使いたい業務を一つ決める 所在・最新版・責任者・権限・扱いの決まりを整える 小さく試し、直しながら広げる 誤った答えが出たら、元のデータも確かめます 読みながら、自社の現在地を確かめませんか クイック診断は10問・約3分・登録不要です。7つの柱ごとの目安と、「データ」を含めて次に取り組むことがわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/)[結果の解説（30分・無料）](https://www.ai-ready.jp/consult/review/) ## どこからデータを整えればよいですか？ すべてのデータを一度に整えようとすると、時間がかかり、途中で止まりがちです。次のように、範囲を絞って進めると効果を確かめやすくなります。 ### ① AIを使いたい業務を一つ決める たとえば「社内の規程やマニュアルについての質問に答える」「月次の売上を部署ごとにまとめる」など、具体的な業務を一つ選びます。 ### ② その業務で使うデータを洗い出す 業務に必要なデータが、どこに、どんな形式で、どれだけあるかを一覧にします。[社内データの棚卸し表](https://www.ai-ready.jp/templates/data-inventory-sheet/)のひな形も使えます。 ### ③ 最新のものを決め、古いものを分ける 同じ資料が複数ある場合は、正しい最新版を一つに決め、古い版は別の場所に移すか、版の付け方の決まりをつくります。AIに参照させるのは、最新版の置き場所だけにします。 ### ④ 責任者と権限を決める データごとに、中身が正しいかを判断する業務の側の責任者を決めます。あわせて、誰が見てよいかの範囲を決め、AIに取り込む範囲がその範囲を超えないようにします。 ### ⑤ 扱いの決まりを確かめる 個人情報や取引先から預かった情報が含まれる場合は、利用目的の範囲か、AIのサービスに入れてよいかを確かめます。迷う場合は、個人を特定できる情報を除いて試します。 ### ⑥ 小さく試し、直しながら広げる 整えたデータでAIを試し、答えの質を確かめます。誤った答えが出たときは、AIの設定だけでなく、元のデータに原因がないかも確かめます。うまくいったら、同じ手順をほかの業務に広げます。 ## データを整えるとき、役割はどう分ければよいですか？ データの整備は、IT部門だけ、業務の部署だけでは進みにくい取り組みです。次のように役割を分けると進めやすくなります。 - **経営層：** データを資産として扱う方針を示し、整備にかける時間と予算を認めます - **業務の部署：** データの中身が正しいか、どれが最新かを判断し、日々の更新の決まりを守ります - **IT部門・委託先：** 置き場所、権限、バックアップ、AIとの連携の仕組みを整えます 整えたデータは、放っておくとまた古くなり、散らばっていきます。整える作業を一度きりのものにしないために、データを更新したときの手順、古い版を移す時期、責任者が交代したときの引き継ぎを、業務の決まりとして文書にしておくとよいです。半年や1年ごとに、置き場所と責任者の一覧を見直す時期を決めておくと、状態を保ちやすくなります。 デジタルガバナンス・コード3.0では、法令などにそったデータの管理（データガバナンス）が、取引先などからの信頼の向上につながるとも書かれています。データを整えることは、AIのためだけでなく、会社の信頼を支える取り組みでもあります。 具体的な手順は、[AIに使うデータの整え方](https://www.ai-ready.jp/guide/data-preparation-for-ai/)、[社内データの棚卸しの進め方](https://www.ai-ready.jp/guide/data-inventory/)、[Excelのデータを、AIで使える形に整える](https://www.ai-ready.jp/guide/excel-data-cleanup/)で詳しくまとめています。 ## 関連するひな形・ガイド・用語 ひな形 - [社内データの棚卸し表](https://www.ai-ready.jp/templates/data-inventory-sheet/) ガイド - [AIに使うデータの整え方：所在・置き場所・権限・品質・責任者](https://www.ai-ready.jp/guide/data-preparation-for-ai/) - [社内データの棚卸しの進め方](https://www.ai-ready.jp/guide/data-inventory/) - [データの品質を高める手順](https://www.ai-ready.jp/guide/data-quality-improvement/) - [Excelのデータを、AIで使える形に整える](https://www.ai-ready.jp/guide/excel-data-cleanup/) - [中小企業のデータ活用の始め方](https://www.ai-ready.jp/guide/data-strategy-sme/) 用語 - [データ品質](https://www.ai-ready.jp/glossary/data-quality/) - [データガバナンス](https://www.ai-ready.jp/glossary/data-governance/) - [データオーナー](https://www.ai-ready.jp/glossary/data-owner/) - [マスタデータ](https://www.ai-ready.jp/glossary/master-data/) - [非構造化データ](https://www.ai-ready.jp/glossary/unstructured-data/) ## よくあるご質問 Qデータを全部整えてからでないと、AIは使えませんか？ A全部を整える必要はありません。AIを使いたい業務を一つ決め、その業務で使うデータだけを先に整える進め方が現実的です。範囲を絞ると、整える量が少なく済み、効果も確かめやすくなります。 Qデータの整備は、IT部門に任せればよいですか？ A置き場所や権限の仕組みはIT部門や委託先の役割ですが、データの中身が正しいか、どれが最新かを判断できるのは、そのデータを使う業務の部署です。データごとに業務の側の責任者を決め、IT部門と役割を分けると進めやすくなります。 Q個人情報を含むデータは、AIに使わないほうがよいですか？ A使えないわけではありませんが、扱いの決まりを先に整える必要があります。利用目的の範囲か、AIのサービスに入れてよいか、誰が見られるかを確かめます。迷う場合は、個人を特定できる情報を除いたデータで試すことから始めると安心です。 ## この記事に出てくる用語 - [AI事業者ガイドライン](https://www.ai-ready.jp/glossary/ai-guidelines-for-business/) - [デジタルガバナンス・コード](https://www.ai-ready.jp/glossary/digital-governance-code/) - [DX（デジタルトランスフォーメーション）](https://www.ai-ready.jp/glossary/digital-transformation/) - [企業価値](https://www.ai-ready.jp/glossary/corporate-value/) - [非構造化データ](https://www.ai-ready.jp/glossary/unstructured-data/) - [構造化データ](https://www.ai-ready.jp/glossary/structured-data/) - [構造化データ（Schema.org）](https://www.ai-ready.jp/glossary/schema-org-structured-data/) - [バックアップ](https://www.ai-ready.jp/glossary/backup/) - [データガバナンス](https://www.ai-ready.jp/glossary/data-governance/) - [マスタデータ](https://www.ai-ready.jp/glossary/master-data/) - [データオーナー](https://www.ai-ready.jp/glossary/data-owner/) - [データ品質](https://www.ai-ready.jp/glossary/data-quality/) ## 「データ」のほかの記事 [この柱の解説 →](https://www.ai-ready.jp/about-ai-ready/data/) [データExcelの業務とAIのこれから桐谷彰人2026-11-12](https://www.ai-ready.jp/column/excel-and-ai/)[データオープンデータとAI：公的なデータを自社の分析に生かすには石田誠2026-11-12](https://www.ai-ready.jp/column/open-data-and-ai/)[データデジタルツインとは何か。企業で使うときの考え方石田誠2026-11-12](https://www.ai-ready.jp/column/digital-twin-overview/) ## 出典 1. [総務省・経済産業省 AI事業者ガイドライン（第1.2版）本編（令和8年3月31日、PDF）](https://www.soumu.go.jp/main_content/001099163.pdf) 2. [経済産業省「デジタルガバナンス・コード3.0 ～DX経営による企業価値向上に向けて～」（PDF）](https://www.meti.go.jp/policy/it_policy/investment/dgc/dgc3.0.pdf) 3. [IPA「国内企業のDX動向・AI活用動向のポイントを公表」（DX動向2026、2026年7月16日）](https://www.ipa.go.jp/pressrelease/2026/press20260716.html) 最終確認日：2026-11-12 ## 次の一歩 [測るAI-Ready診断（無料）いまの準備状況を、7つの柱で確かめられます。](https://www.ai-ready.jp/diagnosis/) [相談する結果の解説（30分・無料）診断の結果をもとに、オンラインでご説明します。](https://www.ai-ready.jp/consult/review/) [窓口ご相談のお申し込み経営・M&A・事業承継・上場・バリューアップはフロレンティナ、AIの導入・開発・データ・セキュリティ・研修はアメリア・テクノロジーがお受けします。](https://www.ai-ready.jp/consult/apply/) 目次 1. なぜ、AI活用はデータでつまずくのですか？ 2. よくあるつまずきには、どのようなものがありますか？ 3. どこからデータを整えればよいですか？ 4. データを整えるとき、役割はどう分ければよいですか？ 5. よくあるご質問 この記事が扱う柱 主に「データ」 [データの解説](https://www.ai-ready.jp/about-ai-ready/data/) 自社の準備度を確かめる 10問・約3分・登録不要。7つの柱ごとの目安がわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/) --- 出典：フロレンティナ株式会社「AI活用のつまずきは、データから｜AI-Ready.jp」 https://www.ai-ready.jp/column/data-is-the-bottleneck/