TOPPAN株式会社は、株式会社NTTデータ、株式会社Fides Policy & Strategy Consultingと連携し、デジタル庁が推進する「ガバメントAIのための大規模データセットに係る調査・収集・加工等事業」を受託した。３社は、政府職員向けの生成AI利用環境「ガバメントAI源内」で活用される大規模データセットの整備とAI向けデータセット標準の検討を実施し、行政業務の高度化を支援する。

約1,800万ページ相当の行政文書をAI活用に適した形式へ構造化

日本では人口減少や少子高齢化に伴い、行政サービスの維持・高度化に向けた業務効率化が急務となっている。デジタル庁は、政府職員が安全かつ適切にAIを活用できる環境として「ガバメントAI源内」の整備を進めており、2026年度には約18万人の政府職員を対象とした大規模実証を予定している。

AIの回答精度を向上させるには、学習データや検索拡張生成（RAG）で参照するデータの品質が重要となる。３社は、約1,800万ページ相当と推計される政府共通データやドメイン特化データを対象に、AIが理解しやすいように品質を担保して構造化する「AI-Ready化」を実施する。国内の安全な環境下で、機微な専門知データを含む行政文書を高品質なデータセットへ変換し、適切に管理・活用できる基盤の整備に取り組む。

権利処理からデータセット標準の策定まで４項目を軸に事業を展開

同事業では、デジタル庁の仕様書に基づき４項目を実施する。

1. 権利処理：収集データの知的財産権等の利用許諾交渉を実施する。
2. 政府共通データ・ドメイン特化データの収集・加工：閣議決定や国会会議録、白書などの政府共通データ、および各省庁の特定業務で利用する書籍等のドメイン特化データを収集する。OCRやクリーニングなどの前処理を行い、AIによる検索・学習・推論に適した高品質なデータに変換する。
3. 収集したデータセットのメタデータの設計・作成・付与：データの来歴、品質、権利、利用条件等のメタデータを設計し付与することで、信頼性や利用可能性を判断できる環境を整備する。
4. 「ガバメントAI源内」データセット標準の検討：有識者ヒアリングや検討会を通じて、AI向けデータセットの構造化やメタデータ仕様の在り方を検討し、行政機関横断で活用可能な標準の素案を策定する。

３社は、2027年３月までに「ガバメントAI源内」における政府共通データ基盤の整備を完了させる。今後もデータ収集・加工やメタデータ整備に関する知見を活用し、政府・自治体・企業のAI活用推進とデジタル社会の実現に貢献する。