この記事のポイント
- NIST RDaF 2.0は2024年2月に公表され、研究データ管理をEnvisionからPreserve/Discardまでの6段階で整理する
- 品質は後処理ではなく、データが作られる工程の入力制約と指標で守る
- 保存してあることと使ってよいことは別であり、用途ごとに利用目的と権限を確認する
大量に集める前に、判断の目的を定める
AI向けデータ整備というと、まず収集量を増やす施策へ進みやすい。しかし、予測したい結果や支援したい判断が曖昧なままでは、項目が増えても価値は明確にならない。誰が、いつ、何を判断するために使うのかを起点に、必要なデータと許容できる遅延を決める。
この順序は、NISTの研究データ枠組み(RDaF)の最初の段階と一致する。NISTはRDaFについて、組織の研究データ計画の戦略と推進要因を見直す「Envision」を起点に置くと説明する。目的が決まれば、欠損、重複、表記揺れ、鮮度など、重視すべき品質も変わる。会計報告では整合性が重く、リアルタイム監視では更新速度が重要になる。
品質は「直す作業」ではなく「作られる工程」で守る
後から一括でクレンジングしても、入力工程が変わらなければ問題は繰り返す。データが作られる画面、センサー、連携処理で入力制約やエラー通知を設け、欠損率や重複率などの品質指標と、許容範囲を超えたときの連絡先を明確にする。
業務上の意味を説明するデータ責任者と、基盤を運用する技術責任者を分けると判断が進みやすい。品質問題を個人のミスとして扱うのではなく、発生箇所と影響範囲を追跡し、再発防止を工程へ戻す。RDaFが「Plan」の段階で、データの取得準備、形式と保存方法の選定、共有と公開の戦略を先に決めるとしているのも、工程側で守る考え方である。

来歴と権限を追えなければ、AIの出力の説明もできない
AIが参照した値について、どのシステムで作られ、どの変換を経て、いつ更新されたかを追える状態が望ましい。来歴が分かれば、異常な出力がモデル由来か入力データ由来かを切り分けやすい。RDaFは「Share/Use/Reuse」の段階で、組織内外でのデータの公開、利用、再利用と、その制約や条件を整理するとしている。
個人情報や機密情報には、利用目的と閲覧範囲を結び付ける。保存しているから使ってよいということにはならない。学習、検索、評価、ログ保存など用途ごとに必要性を確認する。リスク管理の観点では、NISTが2023年1月26日に公表したAI RMF 1.0が、設計から評価まで信頼性の考慮を組み込む任意の枠組みとして参照できる。
終わりまで設計する――保存と廃棄を台帳に含める
RDaF 2.0は2024年2月に公表された版で、ライフサイクルの最終段階を「Preserve/Discard」とし、記録管理、アーカイブ、安全な廃棄を含むデータの利用終了と寿命終了の定めを置く、とNISTは説明する。不要になったデータを削除できる手順を用意することは、この段階を自社版に置き換える作業である。
運用では、台帳を作って終わりにせず、どのデータが実際に使われ、どこで問い合わせや修正が多いかを観測する。管理指標には、品質だけでなく、問題解決までの時間、責任者不明のデータ数、期限切れ権限、利用目的未確認の案件を含める。次に決めるべき具体事項は、各データセットの保存期間と廃棄の承認者であり、これが未定のデータセットは新規のAI用途への投入を止める。
出典・参考資料
- Research Data Framework (RDaF) — 米国国立標準技術研究所(NIST)
- AI Risk Management Framework — 米国国立標準技術研究所(NIST)


