「AIを入れれば楽になる」と聞いて検討を始めたものの、途中で止まってしまう。その原因を辿ると、ツールの性能や予算ではなく「うちのデータ、バラバラだった」という事実に行き着く会社が少なくありません。部署ごとに違うフォーマットのExcel、紙のまま残っている台帳、担当者の頭の中にしかないルール——これらはAI導入を検討し始めてはじめて「問題」として浮き上がってきます。

多くの解説記事は、ここで「データを整備しましょう」という一文で終わります。しかし経営者が本当に知りたいのは、「では、うちはどこから手をつければいいのか」という具体的な順番です。

この記事では、「データが汚い」とは具体的に何を指すのかを4つに分解し、そこから「使える状態」に整えるための4ステップを、自社の請求書処理(OCR→仕訳)の実例とともに整理します。


「AI導入を検討しても進まない」のは、データの壁があるからだ

AI導入の検討が途中で止まる最大の要因は、AIの性能や予算ではなく、社内データが「AIの読める形」になっていないことです。どれだけ高機能なAIサービスを選んでも、読み込ませるデータが部署ごとに形式の違うExcelや紙の台帳のままでは、動かせません。

AI業務改善の進め方を検討する際、多くの会社は「どの業務にAIを使うか」から考え始めます。しかし業務を選んだ後、実装の直前で「そもそも参照できるデータがない」「データはあるが形式がバラバラで読み込めない」という壁に当たり、検討自体が止まってしまうケースが頻発しています。

AIの導入検討が、データの壁にせき止められて進まない様子を示した図

この壁は、業務選定や予算確保よりも後の工程で初めて顕在化するため、見落とされがちです。「AI導入を検討しているが、なぜか話が前に進まない」という場合、まず疑うべきはデータの状態です。


なぜ「データが汚い」とAIは動けないのか

AIは、入力されたデータの質を超えた出力を作ることはできません。これは生成AIに限らず、OCRや自動仕分けなど、業務にAIを組み込むすべての仕組みに共通する前提です。

  • 表記のゆれや粒度の違いを、AIは自動で統一できません。 「株式会社」と「(株)」、「2026/10/1」と「10月1日」のような表記の違いは、人間なら瞬時に同じものと認識できますが、AIにとっては「別の値」として扱われることがあります。
  • 紙や口頭にしかない情報は、そもそも参照できません。 データ化されていない情報は、AIにとって「存在しない情報」と同じです。
  • 項目の定義が部署ごとに違うと、集計や比較ができません。 同じ「売上」という項目でも、税込で入れる部署と税抜で入れる部署が混在していると、AIが正しく集計できません。

つまり「データが汚い」とは、人間の目で見れば理解できても、AIが機械的に処理できる形になっていない状態を指します。この状態を整えることが、AI導入における最初の、そして最も見落とされがちな工程です。


「データが汚い」の正体を4つに分解する

「データが汚い」という言葉は曖昧なため、まず自社のどこに当てはまるかを具体的に分解する必要があります。中小企業でよく見られるパターンは、次の4つに整理できます。

汚れ方

具体例

AIへの影響

① 表記ゆれ・重複

会社名・品目名・日付の書き方が担当者ごとに違う。同じ取引が重複入力されている

同じものを「別物」として扱い、集計・検索の精度が落ちる

② 紙・口頭のまま

請求書・納品書が紙のまま。業務ルールが担当者の頭の中にしかない

データ化されていない情報はAIから見えず、参照そのものができない

③ 項目の粒度・定義が不統一

「売上」の税込/税抜、日付の単位(日次/月次)が部署ごとに違う

集計結果がずれる、比較や自動判定の前提が崩れる

④ 台帳が複数に分散(サイロ化)

同じ顧客情報が、営業部のExcelと経理部の基幹システムに別々に存在する

どの情報が正しいか分からず、AIに渡すデータの基準を決められない

表記ゆれ・紙のまま・項目の粒度不統一・台帳の分散という4つの汚れ方を、壁を積むレンガのように示した図

自社のデータがこの4つのうちどれに当てはまるかを把握すること自体が、整備の第一歩です。多くの会社は、これらが混在した状態にあります。すべてを一度に解決する必要はなく、次章の手順で優先順位をつけながら進めます。


【実践手順】汚いデータを使える状態に整える4ステップ

ここまでの分解を踏まえて、実際にデータを整える動きに落とし込むと、次の4ステップになります。大がかりなシステムを先に入れる必要はありません。

ステップ1:対象業務を1つに絞り、そのデータだけ棚卸しする。 全社のデータを一斉に整理しようとすると、範囲が広すぎて止まります。まずAI導入の候補にしている業務を1つ選び、その業務で使っているデータ(ファイル・台帳・記録)がどこに、どんな形で存在しているかを一覧化します。この段階ではExcelの一覧表で十分です。

ステップ2:紙・口頭の情報を、最低限デジタル化する。 棚卸しの結果、紙やPDFのまま、あるいは担当者の頭の中にしかない情報が見つかった業務は、まずそれを最低限デジタル化します。完璧なシステム化ではなく、「AIが読み込める形にする」ことが目的です。手入力でExcelに移すだけでも十分な場合が多く、紙の請求書・領収書であればOCR(画像から文字を読み取る技術)で自動的に文字データへ変換する方法もあります。

ステップ3:項目の表記・粒度を統一するルールを決める。 日付の形式、税込/税抜の扱い、会社名の表記など、業務に関わる全員が同じ基準で入力するルールを決めます。ルールは最初から完璧である必要はなく、「今回対象にした業務だけ」に適用する最小限のルールで構いません。この統一ルールがあることで、月次レポートの自動化のように、後からAIで集計・要約する工程もスムーズに動きます。

ステップ4:整えたデータで、小さく試す。 全業務のデータを完璧に整えてからAIを導入するのではなく、1つの業務のデータが整った時点で、実際にAIに読み込ませて試します。ここで初めて「このデータで本当にAIが使えるか」が分かり、不足している項目や、想定していなかった表記のゆれに気づけます。

対象業務の棚卸しから小さく試すまでの4ステップを、山道のチェックポイントとして示した図

この4ステップの肝は、「全社一斉」ではなく「1業務ずつ」整えることです。1つの業務でこの手順を一度回すと、次の業務に取り組む際のやり方も見えてきます。


棚卸しは、まず「何がどこにあるか」を一覧化するだけでいい

ステップ1の棚卸しで、何から手をつければいいか分からないという声をよく聞きます。難しく考える必要はなく、最初は次の3項目だけをExcelに書き出せば十分です。

  • その業務で使っているデータは、どのファイル・どのシステムにあるか
  • 誰が、どのタイミングで、その情報を入力・更新しているか
  • 紙のまま残っている情報、担当者の頭の中にしかないルールはどれか
棚卸しシートの実例として、データの所在・更新者・デジタル化状況を一覧にした表の図

この一覧ができれば、どこから手をつけるべきかが自然と見えてきます。紙のまま残っている項目が多い業務ほど、ステップ2のデジタル化に時間がかかる業務だと判断できます。


私たちも「紙の請求書」を構造化データに変えてからAIを実装した

私たち合同会社T-WORKS自身も、経理業務でこの4ステップを実際にたどりました。

もともと請求書・領収書は紙のまま保管し、必要な情報を手入力で会計ソフトに入力していました(ステップ1の棚卸しをすると、紙のまま・表記ゆれありという典型的な「汚いデータ」の状態でした)。そこでまず、紙の請求書・領収書をOCRで読み取り、日付・金額・取引先名といった項目を構造化データとして取り出す仕組みを作りました(ステップ2のデジタル化)。取引先名の表記ゆれや、税込/税抜の扱いについては、入力時に統一するルールを決めています(ステップ3)。そのうえで、実際の請求書を使って仕訳データが正しく生成されるかを検証しながら、対象範囲を広げていきました(ステップ4)。

紙の請求書をそのまま保管していた状態から、OCRで構造化データ化し仕訳まで自動生成する状態への変化を対比で示した図

この仕組みの詳細は、領収書・請求書 OCR→仕訳CSV変換システムで紹介しています。社内に散らばっていた問い合わせ対応のナレッジについても、同じ考え方で社内FAQをAIで自動化(RAGの作り方)という形で構造化し、検索できる状態に整えました。どちらも、派手なツールを導入する前に「今あるデータを、AIが読める形に整える」工程を先に済ませたことが土台になっています。

御社の業務でも、どのデータが汚れていて、どこから整えるべきか、一緒に棚卸ししませんか。 合同会社T-WORKSの無料相談では、御社のデータの現状を棚卸しし、整備の優先順位から実装までを一気通貫で担います。お気軽にご相談ください。


データ整備ができたら、次に確認すべきこと

ここまでの4ステップが自社でどこまで進んでいるか、次のチェックリストで確認してみてください。

対象業務を1つに絞る・紙や口頭の情報をデジタル化する・表記や粒度の統一ルールを決める・小さく試すという4項目の達成度を示す自己チェックリストとリング図

データの整備は、AI導入の土台を作る工程であり、それ自体が目的ではありません。整備が進んだら、次に確認すべきことに進みましょう。

まだAI導入そのものを「今うちがやるべきか」迷っている場合は、AI導入、今うちがやるべきか?経営者の判断基準5つで、データ整備状況を含む5つの判断基準を整理しています。「何をAI化すべきかが決められない」という段階であれば、中小企業のDXが進まない本当の理由も参考になります。すでに一度AI導入を試みて頓挫した経験がある場合は、AI業務改善で失敗する5パターンと回避策で、よくある失敗の構造を確認しておくとよいでしょう。費用の目安を先に知りたい場合はAI導入の費用相場|中小企業向け内訳の読み方も合わせてご覧ください。

実際にAIで何ができるかを、業務別の実例で確認したい場合は、業務別のAI実装事例12選にまとめています。


よくある質問

データ整備は、AI導入前に全部終わらせないといけませんか?

いいえ、全社のデータを完璧に整えてからAI導入を始める必要はありません。本文で紹介した通り、AI導入の対象にする業務を1つ選び、その業務のデータだけを棚卸しして整える「1業務ずつ」の進め方が現実的です。全社一斉の整備を目指すと範囲が広がりすぎて、着手自体が止まってしまいます。

Excelで管理しているデータだけでも、AI導入はできますか?

できます。Excelであること自体は問題ではなく、表記のゆれ・項目の粒度の不統一・複数シートへの分散といった「汚れ方」が解消されていれば、AIは十分に読み込めます。まずは本文の4分類に沿って、自社のExcelがどの汚れ方に当てはまるかを確認するところから始めてください。

紙の資料が多い業務は、AI導入を諦めるべきですか?

諦める必要はありません。紙の資料が多い業務ほど、OCR(画像から文字を読み取る技術)でデジタル化する効果が大きい業務でもあります。私たちが実装した領収書・請求書のOCR→仕訳の仕組みも、もともと紙のまま保管していた業務が出発点でした。

データ整備には、どれくらいの費用がかかりますか?

整備する範囲と、紙の資料の量によって大きく変わるため、一律の金額は示せません。多くの場合、対象業務を1つに絞った棚卸しとルール作り自体には大きな費用はかからず、デジタル化の工程(OCRの仕組みなど)で実装コストが発生します。費用の内訳の考え方はAI導入の費用相場|中小企業向け内訳の読み方で整理しています。


まとめ

AI導入の検討が進まないとき、その原因はAIの性能や予算ではなく、社内データが「AIの読める形」になっていないことがほとんどです。「データが汚い」とは、表記ゆれ・重複、紙や口頭のまま、項目の粒度不統一、台帳の分散という4つに分解できる状態であり、1つの業務に絞って棚卸し→最低限デジタル化→統一ルール→小さく試すという4ステップで進めれば、着実に「使える状態」に整えられます。

合同会社T-WORKSは、「何をAI化すべきか」を決めることと、「動くまで作る」ことを一気通貫で担う「AI業務改善パートナー」です。「決めて、つくる。」——御社のどのデータから整えるべきか、一緒に棚卸しするところから始めましょう。

→ 無料相談はこちら(お問い合わせフォームからお気軽にどうぞ)