AI-Readiness セルフ診断チェックリスト10項目 — 自社データの「分からない」を「分かる」に変える

こんにちは。フライウィールの吉野です。今回は、これまでの記事でお話ししてきた内容を「自社は今どうなのか」を確かめる道具に落とし込みます。AI導入前に自社で確認できる、10項目のセルフ診断チェックリストです。

なぜ「セルフ診断」なのか。Gartnerの調査では、63%の組織が「AIに適したデータ管理体制を持っていない、または持っているかどうか分からない」と回答しています。私たちは、この「分からない」こそがAIプロジェクトの最初の敵だと考えています。持っていないなら、作れば良い。しかし分からない状態では、打ち手の選びようがありません。以下の10項目は、その「分からない」を30分で「分かる」に変えるための質問です。

回答は「はい/いいえ/分からない」の3択で。「分からない」は「いいえ」として数えてください。分からないことが、まさに現在地だからです。

チェックリスト

データの状態を知っているか(項目1〜4)

1. AIに読ませる予定のデータについて、最後に人間が通読したのがいつか答えられる

誰も読んでいないデータの中では、列ズレや文字化けといった「サイレントデータ事故」が何年でも静かに生き続けます。読まれていないこと自体はリスクの兆候です。

2. 主要な帳票の各項目に「入るはずの値」の定義がある

原因欄には文章が、日付欄には日付が入るはず——その「はず」が文書化され、機械的に検査できる状態にあるか。定義がなければ、事故が起きても照合のしようがありません。

3. 設備名・銘柄名・不良分類などの主要な名称に、正式表記の一覧(用語集・マスタ)がある

同じ設備が「1号機」「#1」「一号ライン」と三通りで記録されている状態は、検索とAIの両方を静かに壊します。一覧の有無が、表記ゆれ対策の出発点です。

4. 図面・帳票PDFのうち、テキスト層があるファイルの割合を把握している

ファイルが「開ける」ことと、機械が「読める」ことは別問題です。CAD出力のはずのPDFが完全な画像だった、というケースは珍しくありません。割合を測ったことがなければ「いいえ」です。

測る道具を持っているか(項目5〜7)

5. 評価セット(質問と正解のペア、最低30問)がある

これがないPoCは、終わったときに成功か失敗かを判定できません。「うまくいった気がする」は成功ではなく、判定不能です。

6. 現在のAI・検索システムの精度を、数字で言える

改善はベースラインの測定から始まります。現在地の数字がなければ、次の施策が効いたかどうかも分かりません。

7. AIの出力を業務に使う前に、その正しさを確かめる手順が決まっている

サンプリング確認でも突き合わせでも構いません。「確かめる手順が存在する」ことが要件です。

運用の仕組みがあるか(項目8〜10)

8. AIが確信を持てないとき、「わからない」と答える(または空欄を返す)設計になっている

読み取れなかった箇所をそれらしい値で埋めるAIは、空欄より発見しにくい間違いを生みます。もっともらしい嘘は、静かに基幹システムへ流れ込みます。

9. 確信度の低い出力を人がレビューする役割・手順が決まっている

「AIが全部やる」ではなく、AIが確実な大部分を処理し、怪しい一部を人に差し出す分業の設計があるか。レビュー担当が決まっていなければ「いいえ」です。

10. 精度を定期的に測り直す計画がある

導入時の精度はピークであって保証ではありません。データは変わり続けるので、定点観測(例えて言うなら健康診断です)のない AIは静かに劣化します。

採点と読み方

「はい」の数を数えてください。

8〜10個: AI-Readyな状態に近く、導入プロジェクトを数字で運転できる体制です。残る「いいえ」の項目だけ集中的に手当てすれば、モデルの進歩を素直に享受できる側に立てます。

4〜7個: 最も多いゾーンです。特に項目5(評価セット)と項目1(通読)が「いいえ」なら、そこから着手することをおすすめします。この2つは他の項目と違い、今週から自社だけで始められて、しかも他の項目の状態を明らかにする効果があるためです。

0〜3個: 落胆する必要はまったくありません。むしろPoCを始める前にこの現在地が分かったことは、Gartnerの言う「分からない63%」から抜け出した、ということです。順番としては、まず項目1〜4(データの状態)を明らかにしてから、5〜7(測る道具)へ。8〜10(運用)は導入の設計段階で組み込みます。

一つだけ注意点を。このチェックリストで測れるのは「AIを受け入れる準備」であって、「どのAI製品が良いか」ではありません。準備の整った組織では大抵の製品がそれなりに動き、整っていない組織では最高の製品も動かない——これが、私たちが現場で繰り返し見てきた景色です。

まとめ

10項目に共通するのは、どれも高度なAI技術を必要としない、という点です。必要なのは、自社のデータを読み、測り、記録する意思だけ。AIプロジェクトの成否は、モデルを選ぶ日ではなく、このチェックリストに答える日から始まっています。

「いいえ」「分からない」が多かった方へ。フライウィールの AI-Ready化トライアル（クイック診断）は、このチェックリストの項目1〜6を貴社の実データで代行し、サイレントデータ事故の洗い出し・評価セットの構築・現在地の数値化までを行う有償診断です。自己採点の答え合わせから、一緒に始めましょう。

本記事に関連する情報や、AI活用・データ利活用に役立つ最新トピックはメールマガジンでも配信しています。
[メルマガ登録はこちら]

参考文献

• Gartner, "Lack of AI-Ready Data Puts AI Projects at Risk"(2025年2月)