資料の紹介
生成AIだけでなく、自律的に判断・行動するAIエージェントも実用段階に入りつつある。その一方で、AIが参照するデータの重要性も増している。誤りや偏りのあるデータを使えば、もっともらしい誤情報を生成するハルシネーションや不適切な判断につながる可能性もある。AIが出力する結果の信頼性を支えるのは、正確で整合性の取れたデータだ。
しかし、データ整備が追いついていない企業も多い。ある調査では、AIに十分な品質と利用しやすさを備えたデータを保有すると回答した企業は12％にとどまり、62％がデータガバナンスの欠如をAI活用の最大の課題に挙げた。データの分散や品質のばらつきを解消し、用途に合った文脈を加えながら、AIが適切に利用できる状態にする必要がある。
本資料では、信頼できるAIの基盤となるデータ完全性について、データ統合、品質とガバナンス、データへのコンテキスト（文脈）の付加という観点から解説する。分散したデータの統合、品質の継続的な監視、外部データなどを使って情報を補完するデータエンリッチメントといった具体的な方法も紹介。AIの導入を急ぐだけでなく、その前提となるデータをどう整えるかを考える内容となっている。
