生成AIで要約、分類、表の分析を練習したくても、顧客名や社内数値を使う必要はありません。ただし、実データの氏名を架空名へ変え、金額を少しずらしただけでは、元の情報との対応が残る可能性があります。
結論は、実データを加工するのではなく、練習したい作業の「項目・判断・出力形式」だけを取り出し、値はゼロから架空に作ることです。正解表、失敗例、確認項目も人が先に用意し、AIの文章が自然という理由だけで合格にしません。
この記事では、実在の人・会社・商品・取引に由来しない教材を便宜上「ダミーデータ」と呼びます。法令上の匿名加工情報、仮名加工情報、統計情報のいずれかに該当すると主張するものではありません。
まず「名前の置換」と「架空データ」を分ける
| 作り方 | 例 | 練習用としての扱い |
|---|---|---|
| 名前だけ置換 | 実在顧客Aを「山田」、実在社名を「A社」に変える | 元データ由来。自己判断で外部AIへ入力しない |
| 数字をずらす | 実売上を一律10%増やす、日付を1か月移す | パターンや対応関係が残る。架空とは扱わない |
| 一部削除 | 氏名列だけ削除し、日時・店舗・金額を残す | 別情報との照合可能性がある。入力可とは限らない |
| ゼロから作成 | 架空の業種、架空の項目、独立して作った値 | この記事の練習対象 |
個人情報保護委員会は、仮名加工情報と匿名加工情報を区別し、仮名加工情報は原則として個人情報に該当すると説明しています。また、単体では本人を識別できなくても、別情報と容易に照合できる場合は個人情報に該当し得ます。
したがって、「匿名化のやり方」を独学して実データを持ち込むのではなく、学習段階では元データを使わない設計にします。
ダミーデータを作る7手順
1. 練習する出力を一つ決める
先に、何を作れたら練習完了か決めます。
- 問い合わせを分類した表
- 会議メモから抜き出した決定事項・担当・期限
- 商品別の集計と確認すべき異常値
- 長い説明を対象読者別に直した案内文
作業を一つにすると、必要な項目だけを作れます。「何か分析して」では、不要なデータを増やしやすくなります。
2. 実データを見ずに項目名を書く
業務の一般的な構造から、5〜8項目に絞ります。
問い合わせ分類なら、次のようにします。
- 問い合わせID
- 受付日
- 問い合わせ本文
- 希望期限
- 正解カテゴリ
- 優先度
実際の顧客管理表をコピーして列だけ残すのではなく、「この判断に必要な項目は何か」を白紙から書きます。会社固有のコード体系や非公開の評価ロジックも持ち込みません。
3. 架空の世界を宣言する
実在情報と混ざらないよう、教材の前提を一文で固定します。
この教材に登場する「海辺文具店」「波ノート」「砂浜支店」、人物、日付、金額、問い合わせはすべて架空で、実在の会社・商品・取引・顧客に由来しません。
実在企業に似た名称、実際の担当者名、現実の未公開プロジェクト名は避けます。架空ラベルをファイル名と本文の先頭にも付けます。
4. 値を独立して作る
元の数字を足し引きせず、練習目的に合わせて新しく値を置きます。
| 問い合わせID | 受付日 | 架空の問い合わせ | 希望期限 | 正解カテゴリ | 優先度 |
|---|---|---|---|---|---|
| F-001 | 2026-09-01 | 波ノート20冊の納品日を翌週へ変更したい | 2026-09-02 | 納期変更 | 中 |
| F-002 | 2026-09-01 | 砂色ペンの請求が二重に見える | 2026-09-01 | 請求確認 | 高 |
| F-003 | 2026-09-02 | 潮風ファイルの使い分けを知りたい | 指定なし | 商品質問 | 低 |
| F-004 | 2026-09-02 | 箱に波ノートが2冊足りない | 2026-09-03 | 配送・欠品 | 高 |
| F-005 | 2026-09-03 | 見積書の宛名を海辺研究室へ変えたい | 2026-09-05 | 見積・書類 | 中 |
この表はWORK EDITが説明用に作った架空例です。実在の注文・顧客・商品を変形したものではありません。
5. 境界例と欠損を入れる
すべてが簡単に分類できると、AIが分からないときに止まれるか確認できません。
- 希望期限がない
- 一つの文章に請求と配送の両方がある
- 判断に必要な商品番号がない
- 本文が曖昧でカテゴリを一つに絞れない
境界例には、人の正解を「要確認」と設定します。AIが勝手に事情を補った場合を失敗にできます。
6. 人が正解表と失敗条件を作る
AIへ入力する前に、次を決めます。
| 確認項目 | 合格 | 不合格 |
|---|---|---|
| 件数 | 全行を1回ずつ処理 | 行の欠落・重複 |
| 分類 | 正解カテゴリと一致 | 入力にないカテゴリを作る |
| 根拠 | 元文の語句へ戻れる | 顧客事情を推測する |
| 不明時 | 要確認に止める | 無理に断定する |
| 形式 | 指定列の表で出す | 長文だけで返す |
正解表がないままAI同士に採点させると、同じ誤りをもっともらしく認める可能性があります。最初の小さな教材は、人が答えを判断できる範囲にします。
7. 保存場所と破棄条件を決める
架空教材でも、実データと混ざると誤解の原因になります。
- ファイル名に
FICTIONAL_TRAININGを付ける - 実データのフォルダへ保存しない
- 教材内に架空である旨を書く
- AI出力を本番資料へコピーしない
- 練習が終わったら、不要な会話・ファイルを組織の手順に従って削除する
サービス上の削除が何を意味するかは提供者の条件を確認します。削除できることを、最初から入力してよい根拠にはしません。
そのまま使える教材設計シート
次の空欄を埋めます。
| 項目 | 記入内容 |
|---|---|
| 練習する作業 | 例: 問い合わせを5カテゴリへ分類 |
| 入力項目 | 5〜8項目以内 |
| 架空設定 | 実在情報に由来しない会社・商品・人物 |
| 正常例 | 3〜5件 |
| 境界例 | 1〜2件 |
| 人の正解 | 分類、計算結果、要約の必須要素など |
| 失敗条件 | 推測、欠落、形式違反、誤計算など |
| AIへ渡さない情報 | 実在の顧客、社員、取引、未公開情報 |
| 実データへ進む条件 | 承認ツール、入力範囲、確認者、保存条件 |
AIに教材作成を手伝わせる場合
AIに架空例の作成を依頼することはできますが、元資料として会社データを渡しません。次のように依頼します。
実在の人・会社・商品・取引に由来しない、完全に架空の問い合わせ分類教材を作ってください。問い合わせ5件、カテゴリ5種類、曖昧で「要確認」となる境界例1件を含めます。個人を識別できる情報、実在ブランド、認証情報、医療・法律・人事評価に関する内容は含めないでください。教材案の後に、人が確認する正解表を別に出してください。
出力後、人が実在名称との意図しない一致、数値の不自然さ、正解表の妥当性を確認します。AIが「架空」と書いたことだけで安全性や正確性が保証されるわけではありません。
作ってはいけないダミーデータ
- 実在顧客の行を複製し、氏名だけ変えたもの
- 実売上へ一定倍率を掛けたもの
- 実際の会議メモを言い換えたもの
- 本番ソースコードから秘密値だけ削除したもの
- 実在社員の評価を役職名だけに変えたもの
- 会社固有の障害・脆弱性・契約条件を再現したもの
こうしたデータは、架空に見えても元情報の構造・内容・対応関係を残します。使えるか判断できない場合は、生成AIに入力してはいけない情報の5項目チェックへ戻り、確認待ちにします。
練習を仕事へ近づける方法
実データを増やすのではなく、検証条件を仕事へ近づけます。
- 行数を5件から20件へ増やす
- 曖昧例、欠損、重複を入れる
- 出力形式を実務の表に合わせる
- 事実を補わない停止条件を追加する
- 人が確認するチェックリストを付ける
- 同じ課題を翌日に資料なしで再現する
この方法なら、入力データの危険を増やさず、作業の難しさを段階的に上げられます。会社の資料を使わずに生成AIを練習する方法で、30分の実行手順へ進んでください。翌日の再現と成果接続は短時間AI研修を学習成果につなげる手順で整理しています。
最終判断
安全な練習用データは、実データを上手に隠したものではありません。仕事の判断構造だけを残し、値は実在情報から独立して作った教材です。
今日やることは、練習したい出力を一つ決め、必要な項目を5個書くことです。実データを開かず、その5項目だけを使って正常例3件と「要確認」1件を作ってください。人の正解表ができたら、初めてAIへ渡します。
