文書・画像・音声などのデータの活かし方

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）

会社には、売上の表のように項目が決まったデータのほかに、契約書や報告書、現場の写真、会議や電話の録音など、項目が決まっていないデータが多くあります。これらは「非構造化データ」と呼ばれ、これまでは人が読んだり聞いたりしないと使えませんでした。文書や画像、音声を扱えるAIが広がり、こうしたデータを業務に活かしやすくなっています。この記事では、種類ごとの活かし方と、進め方、注意点を整理します。

非構造化データは、なぜ活かしにくかったのですか？

表のデータは、項目ごとに並び替えたり合計したりできます。一方で、文書や画像、音声は、中身を人が確かめないと何が書かれているか分かりません。そのため、次のようなことが起きていました。

• 過去の提案書や報告書があっても、探すのに時間がかかる
• 紙やPDFの書類から、システムへ手で転記している
• 問い合わせの録音や現場の写真が、保存されたまま使われていない

AIを使うと、これらを文字にしたり、項目を取り出したり、内容で分類したりできます。非構造化データを、探せる・数えられる形に変えることが、活かし方の基本です。

種類ごとに、どんな使い方がありますか？

それぞれの詳しい進め方は、「紙の書類・請求書の読み取りにAIを使う進め方」「画像による検品・外観検査へのAIの使い方」「社内文書の検索をAIで改善する進め方」で扱っています。

変換した後のデータの使い道

非構造化データをAIで変換した後は、大きく2つの使い道があります。

• 探す：文書や文字起こしをAIの検索（RAG）に読ませ、質問すると関連する箇所を示して答えられるようにします（「社内の資料をAIで探せるようにする（RAGの基本）」参照）。
• 数える：取り出した項目（日付・金額・取引先・問い合わせの種類など）を表にし、集計や分析に使います。

どのような手順で進めればよいですか？

① 業務を一つに絞ります。 量が多く、探す・転記する手間がかかっている業務を選びます。例：月に数百枚の請求書の転記、問い合わせの録音の内容の集計。

② データの所在と量を確かめます。 どこに、どの形式で、どのくらいあるかを確かめます。紙・PDF・画像・音声のどれか、ファイルの名前や置き場所に決まりがあるかも見ます（「社内データの棚卸しの進め方」参照）。

③ 取り出す項目と使い道を決めます。 文字にするだけでよいのか、決まった項目（日付・金額など）を取り出すのか、検索に使うのかを決めます。

④ 少量で試し、正しさを確かめます。 数十件ほどで試し、AIの変換の結果を元のデータと突き合わせます。読み取りの誤りや、文字起こしの聞き違いがどのくらいあるかを確かめます。

⑤ 人が確かめる工程を決めます。 金額や日付など誤りの影響が大きい項目は、人が確かめる手順を残します。確かめる範囲は、試した結果をもとに決めます。

⑥ 置き場所と名前の付け方をそろえます。 変換した結果と元のデータを結び付けて保存し、ファイルの名前や付ける情報（作成日・担当・種類などのメタデータ）の決まりを作ります。行政機関向けの資料ですが、デジタル庁の「データマネジメント実践ガイドブック（導入編）」も、データに関する文書が分散して管理されていると、データの入手や更新が難しくなると説明しています。

結果の正しさについて

AIによる読み取りや文字起こしは、書類の状態、手書きの文字、録音の音質、専門用語などで誤りが出ることがあります。変換した結果は「下書き」と考え、使い道に応じて確かめる工程を置きます。社内の専門用語や取引先の名前をあらかじめ登録できるサービスもあり、誤りを減らす助けになります。

気をつけることはありますか？

画像や音声も個人情報に当たる場合があります

個人情報保護委員会のガイドラインは、個人に関する情報は文字に限られず、映像や音声による情報も含まれるとしています。たとえば、本人が判別できる防犯カメラの映像や、本人の氏名が含まれるなどして特定の個人を識別できる音声の録音は、個人情報に当たる例として挙げられています。

また、顔の骨格や容貌、発声の際の声帯の振動などの身体の特徴を、コンピュータで使うために変換した符号は、所定の基準に当てはまる場合に「個人識別符号」になるとされています。顔や声の特徴を本人の認証に使うような場合が例として示されています。

写真や録音をAIで扱う場合は、次の点を確かめます。

• 利用目的の範囲で使っているか（録音や撮影のときに伝えた目的と合っているか）
• 社外のAIサービスに送る場合、入力した情報がどう扱われるか（「生成AIと個人情報の扱い」参照）
• 見られる人の範囲と、保存期間を決めているか

人物の画像や声を加工・生成する場合は、肖像や声に関する権利の問題もあります（「人物の画像・声をAIで扱うときの権利の注意」参照）。

社外の文書や画像の扱い

社外の記事や書籍、他社が作った資料や画像をAIに読ませたり、生成した結果を使ったりする場合は、著作権の観点も確かめます。文化庁は、AIと著作権に関する考え方や資料をまとめて公開しています。判断に迷う場合は専門家に確かめてください。

電子で受け取った取引の書類は、電子のまま保存します

メールやWebで受け取ったPDFの請求書などは、AIで読み取った後も、元の電子データを保存する必要があります。国税庁は、注文書・請求書・領収書などに相当する電子データを受け取った場合は、紙に出力せず電子データのまま保存すること、あわせて改ざんを防ぐ措置や「日付・金額・取引先」で探せる状態を保つことを案内しています。読み取った項目は、探すための情報としても使えます（「電子帳簿保存法とAIによる書類の読み取り」参照）。

保存期間を決めます

録音や写真は、量が多く、気づかないうちに増え続けます。何を、いつまで残すかを決め、文字起こしや要約を残したら元の録音は一定の期間で消す、といったルールにしておきます（「データの保存期間と削除のルールの決め方」参照）。

チェックリスト

• 非構造化データを活かす業務を一つに絞った
• データの所在・形式・量を確かめた
• 取り出す項目と、使い道（探す・数える）を決めた
• 少量で試し、変換の結果を元のデータと突き合わせた
• 誤りの影響が大きい項目を、人が確かめる工程を決めた
• 変換した結果と元のデータを結び付けて保存する形にした
• 画像・音声の個人情報の扱いと利用目的を確かめた
• 社外のAIサービスでの入力した情報の扱いを確かめた
• 電子で受け取った取引の書類を、電子のまま保存する形にした
• 録音や写真の保存期間を決めた