AIモデルの学習用データを整備しようとすると、画像やテキストへ正解のラベルを付ける作業を避けて通れません。この作業をアノテーションと呼びますが、種類や手順を調べるだけでは、品質のばらつきをどう防ぐか、個人情報が含まれるデータをどう扱うか、社内で担うか外部に委託するかという判断には届きません。
アノテーションは、AIの学習に使うデータへ正解情報を付与する工程です。画像・動画、テキスト、音声、3D点群データという4つの分野があり、分野ごとに作業内容が異なります。品質のばらつきを防ぐ視点と、個人情報を扱う場合に生じる法的な義務を踏まえる必要があります。そのうえで、導入側は内製と外注それぞれの利点と課題を比較し、自社に合った進め方を選びます。
AI開発でアノテーションが必要になる理由
アノテーションの基本的な意味
アノテーションとは、AIの学習に使うデータへ正解となる情報を付け加える作業です。画像に写っている物体の名称を書き込んだり、文章にカテゴリを割り当てたりすることで、AIはそのデータをもとにパターンを学習します。正解情報がなければ、AIは何を手がかりに学習すればよいか判断できません。
機械学習品質マネジメントにおける位置づけ
産業技術総合研究所の「機械学習品質マネジメントガイドライン第4版」は、機械学習AIの品質を「作り込み」「確認」「説明」という観点から整理し、開発者や提供者向けの品質マネジメント手法を示しています。アノテーションで付与する正解情報の精度は、このうち品質を作り込む段階に直接関わります。学習データの段階で誤りや偏りが混じると、後工程でモデルを調整しても、品質の確認や説明が難しくなります。なお、経済産業省の「AI社会実装アーキテクチャー検討会」は「AI事業者ガイドライン検討会」に改称され、AI事業者向けガバナンスガイドラインの検討を継続しています。
アノテーションの主な種類と作業内容
アノテーションの代表的な種類には画像・動画、テキスト、音声、3D点群データの4分野があり、それぞれ異なる作業手順とツールが必要になります。
画像・動画のアノテーション
画像や動画のアノテーションでは、写っている人物や物体の位置や種類を示す情報を付け加えます。静止画では1枚の画像に対して情報を記録しますが、動画では時間の経過とともに対象が動くため、フレームごとに位置を追いかけて記録します。記録する単位が静止画と動画で異なるため、使うツールや作業手順も分かれます。
テキストのアノテーション
テキストのアノテーションでは、文章に含まれる語句や文の意味に応じて、カテゴリやラベルを割り当てます。問い合わせ文章を内容ごとに分類する作業や、文中の固有名詞を抜き出す作業がこれにあたります。対象とする言語や業界の専門用語によって、割り当てるラベルの種類や基準が変わります。
音声のアノテーション
音声のアノテーションでは、録音された発話を文字に起こし、話者や感情、雑音の有無といった情報をあわせて記録します。発話が重なる場面や方言、専門用語を含む音声では、区切りの位置や話者の切り替わりも記録の対象に加わります。
3D点群データのアノテーション
3D点群データのアノテーションでは、センサーで取得した立体的な点の集まりに対して、物体の輪郭や種類を示す情報を付け加えます。自動運転や設備の点検など、奥行きや距離の情報が欠かせない用途で使われ、平面のデータとは異なる専用のツールと作業手順が必要です。
アノテーションの品質を保つ視点
アノテーションの種類や手順を整えても、品質のばらつきが残れば手戻りにつながります。ここでは、品質のばらつきという課題と、それを捉えるための機械学習品質マネジメントの視点を取り上げます。
品質のばらつきという課題
アノテーション作業では、品質のばらつきが代表的な課題として挙げられており、基準の明確化と検証プロセスの整備が求められています。同じ画像を見ても、担当者によってラベルの付け方が微妙に異なることがあり、その違いが積み重なると、学習データ全体の一貫性が損なわれます。
作り込み・確認・説明という品質マネジメントの視点
産業技術総合研究所のガイドラインは、機械学習AIの品質を「作り込み」「確認」「説明」という観点から整理しています。アノテーションの現場に当てはめると、ラベルの基準をあらかじめ明文化しておくことが品質の作り込みにつながり、検証プロセスを整えておくことが確認や説明の土台になります。品質のばらつきという課題に対しては、この基準の明確化と検証プロセスの整備が求められる、という位置づけです。
個人情報を含むデータを扱う際の注意点
アノテーションの対象データに個人情報が含まれる場合、種類や品質とは別に、個人情報保護法上の義務が生じます。
委託先への監督義務（個人情報保護法第25条）
個人情報保護法第25条により、個人データの取扱いを外部に委託する場合、委託元は委託先に対して必要かつ適切な監督を行う義務を負います。アノテーション作業を外部の事業者に依頼し、その対象データに氏名や顔画像などの個人データが含まれる場合、委託先がどのようにデータを扱い、作業後にどう廃棄するかまで、委託元が把握し、監督する必要があります。
要配慮個人情報を扱う場合の同意要件
健康情報などの要配慮個人情報を第三者に提供する場合、オプトアウト方式は認められず、本人の明示的な同意が必要です。従業員の健康診断結果や医療機関の診療データにアノテーションを行う場合は、通常の個人データよりも厳格な同意の取得が前提になります。
内製と外注、それぞれの利点と課題
アノテーションを社内で担うか外部に委託するかは、扱うデータの機微性と作業量によって判断が変わります。個人情報や機密性の高いデータを扱う場合は、外部に渡す範囲を絞れる内製を選びやすく、作業量が多く専門知識が必要な場合は、外部の専門知識を活用できる外注を選びやすくなります。
内製の利点と課題
アノテーションを社内で行う場合、業務内容やデータの機微性を理解した担当者が直接作業できるため、外部に情報を渡さずに済むという利点があります。一方で、専門的な知識を持つ人材の確保や、担当者ごとの判断のばらつきを抑える検証の仕組みづくりが課題になり、作業量が増えるほど社内のリソースだけでまかなうことが難しくなります。
外注の利点と課題
アノテーションを外部の事業者に委託する場合、人件費を抑えながら、専門的な知識や実績を持つ事業者のノウハウを活用できるという利点があります。一方で、委託先が個人情報保護法上の監督義務を果たせるか、契約前に確認しておく必要があります。確認が不十分なまま進めると、情報漏えいなどのリスクを負います。
アノテーションは、データの種類ごとに作業内容が異なり、品質のばらつきを防ぐには基準の明確化と検証プロセスの整備が関わります。個人情報を含むデータでは、委託先の監督義務や要配慮個人情報の同意要件が判断に加わり、内製と外注のどちらを選ぶかは、扱うデータの機微性と作業量によって変わります。
