TOPPAN、NTTデータ、FPSCの3社は、デジタル庁が推進する生成AI環境「ガバメントAI源内」向けに、約1,800万ページ相当の政府データをAIが利用しやすい形式へ整備すると発表した。
約1,800万ページの行政データをAI対応化
2026年7月14日、TOPPANはデジタル庁の「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、NTTデータ、FPSCと連携してデータ基盤の整備を進めると発表した。
対象となるのは、閣議決定や国会会議録、白書など政府横断で利用できる政府共通データと、各省庁・部局の特定業務で使われるドメイン特化データである。
推計約1,800万ページ相当を対象に、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へ変換する。
さらに、データの来歴、品質、権利情報、利用条件などを示すメタデータを設計・付与し、AIや利用者が信頼性と利用可能性を判断できる環境を整える。
TOPPANがデータ収集や権利処理、OCRなどを担い、NTTデータはメタデータ整備と政府共通のAI向けデータセット標準を検討する。
FPSCは著作権を含む法的論点や権利処理を支援する方針だ。
今後は、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を検討し、行政機関を横断して活用できる共通標準の素案策定を進める。
3社は、政府職員が利用する「ガバメントAI源内」（※）の政府共通データ基盤を2027年3月までに整備する予定である。
※ガバメントAI源内：デジタル庁が内製開発した政府職員向けの生成AI利用環境。政府職員が安全かつ適切に生成AIを利用できる環境として整備され、2026年度には約18万人を対象とした大規模実証が進められている。
行政AIの精度向上に期待、品質と権利管理が焦点
今回の取り組みのメリットは、行政文書をAIが扱いやすい形へ整えることで、政府職員による情報検索や調査、文書作成支援などの精度向上が期待できる点にある。
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が進められており、質の高いデータ基盤が整えば、AI活用を個別業務から政府横断へ広げる土台になると考えられる。
一方、大量の行政文書を扱う以上、OCRの誤認識や古い情報の混在、メタデータの不整合がAIの回答品質に影響する可能性がある。
加えて、著作権や利用条件、機微な専門情報を適切に管理する仕組みも欠かせず、単なるデータ量の拡大だけでなく、品質管理と権利処理の継続的な徹底が求められるだろう。
今後、行政機関を横断して利用できるデータ標準が確立されれば、省庁ごとに分散する情報の再利用性が高まり、政府内でのAI活用を効率的に拡大できる可能性がある。
さらに、政府内で確立されたデータ整備や、メタデータ設計の知見が他の行政分野にも展開されれば、日本の公共部門におけるAI導入を支えるデータ基盤のモデルとなることも期待できる。
関連記事：
デジタル庁、政府AI「源内」で国産AIを本格検証へ 国産クラウド活用で行政DXを加速
国会答弁の下書きをAIが支援へ 政府、国家公務員の“深夜労働”是正に本格着手
東京大学とTOPPAN、AI研究の恒久拠点を新設 産業実装と次世代人材育成を加速へ
