AI開発でdata整備は誰がやる？発注前に収集・label・cleanupを権限範囲化する

結論

データはあります、だけでは準備完了ではありません。sourceごとに取得権、責任者、format、欠損、重複、label、機密区分、更新頻度を確認し、発注者/vendorの責任を見積前に権限範囲化します。

まずこの表で判断する

Source	責任者	Rights	Quality	Task	Responsible
FAQ	CS	利用可	重複	dedupe
PDF	法務等	要確認	scan混在	OCR/parse
Logs	IT	PII	欠損	mask/normalize
Labeled	業務責任者	consent	class偏り	relabel/QA

この判断表は、未測定の数字をそれらしく埋めるための表ではありません。価格・性能・品質など実測が必要なセルは、公式一次情報または自分の観測値だけで更新してください。

選び方・進め方

1. 判断ポイント

data preparationにはcollectionだけでなくcleaning、label definition、PII処理、quality 確認、versioningがあります。後回しにするとPoC中に予算が崩れます。

2. 判断ポイント

業務labelの正解はvendorだけで決められず、正解文書やcategory定義にはdomain 責任者を入れます。

3. 判断ポイント

契約にはraw data持出し範囲、作業環境、再委託、cleaned dataset/label guidelineの納品、終了時削除を含めます。

実行前チェック

• source一覧
• 責任者
• rights/consent
• PII
• quality
• 整備task
• 責任分界
• 納品物

迷ったときの優先順位

最初に不可逆な条件を確認します。契約・権限・必要メモリ・物理互換・商用権利など、後から簡単に直せない条件を先に落とし、その後に価格や操作感を比較します。逆に、価格や画面の好みから選び始めると、導入後に「そもそも要件を満たせない」状態になりやすくなります。