非構造化データとは、文書・メール・議事録・画像・音声のように、表の行と列の形に整理されていないデータのことです。項目の枠が決まっていないため集計や検索に使いにくく、企業の中では人が読むための記録として溜まってきました。
非構造化データは、決まった項目の枠を持たないデータを指す
非構造化データの要点は、どこに何が書いてあるかが、データの形として決まっていない点にあります。
総務省は、ビッグデータを構成するデータを2つに分けて説明しています。販売時点の POS データや企業内で管理する顧客データのような構造化データと、構造化されていない多種・多量な非構造化データです。非構造化データの例には、電話・ラジオ放送の音声、テレビ放送の映像、新聞・雑誌の活字のように以前からあったものに加え、ブログや SNS に書き込まれる文字、インターネットで配信される映像、GPS や IC カードのセンサーから送られるデータが並んでいます(総務省「平成25年版 情報通信白書」2013年公表)。
企業の業務に置き換えると、次のようなものが非構造化データに該当します。
- 契約書・稟議書・社内規程・提案書などの文書ファイル(Word・PDF・スライド)
- メールやチャットの本文
- 会議の議事録と、商談・面接・問い合わせ電話の録音や録画
- 紙の書類をスキャンした画像、現場で撮った写真
あいだの形として、半構造化データと呼ばれるものもあります。メールの宛先・件名・送信日時は決まった項目として記録される一方、本文は自由に書かれた文章です。1件のデータの中に、表にしやすい部分とそうでない部分が混ざっている形といえます。
構造化データとの違いは、保管の形・検索のしかた・AI での扱いやすさに出る
構造化データと非構造化データの違いは、データの量より、あとから探して使うときの手間に出ます。
| 観点 | 構造化データ | 非構造化データ |
|---|---|---|
| 企業での例 | 売上・受注・勤怠・人事の基本情報・顧客台帳 | 契約書・規程・メール・議事録・通話の録音・写真 |
| 保管の形 | データベースや表計算の表。列の名前と値のデータ型が決まっている | ファイルサーバー・クラウドストレージ・メール・チャットに、ファイルや本文のまま置かれる |
| 検索のしかた | 列の値で絞り込み、件数や合計をそのまま集計できる | ファイル名や本文のキーワードで探す。言い回しが違うと見つからない |
| 権限の付き方 | システムや表ごとに、誰がどの項目を見られるかを設定する | フォルダ・ファイル・チャンネルごとの共有設定で決まり、作った人によってばらつく |
| AI での扱いやすさ | 従来の集計や機械学習でも扱いやすい | 生成 AI の登場で、読ませて要約・分類・抜き出しができるようになった。読み違いを人が確かめる手間は残る |
表は、前の節の白書の区分をもとに編集部が整理したものです。
2つは別々に存在するわけではなく、業務の中でつながっています。たとえば勤怠の数字は構造化データですが、数字が変わった理由は上長とのメールや面談の記録の側に書かれています。数字の表だけを見ても、理由までは分からないという関係です。
生成 AI によって、社内に溜まった文書が活用の対象になった
生成 AI が文章・音声・画像を読めるようになったことで、人が読むしかなかった非構造化データを、業務の材料として扱えるようになりました。
以前は、文書の中身を集計や検索に使うなら、人が読んで項目を表に書き写す作業が前提でした。生成 AI を使うと、問い合わせのメールを内容で分類する、議事録から決定事項と担当者と期限を抜き出す、録音を書き起こして要点をまとめる、といった作業を下書きとして任せられます。抜き出した項目を表の形にそろえれば、構造化データと並べて集計することも可能です。
国内企業の AI の使い方を見ても、非構造化データを相手にする用途が上位を占めています。AI の利用用途を答えた企業のうち、「文書・音声の要約・翻訳・校正」は82.5%、「文書・レポートの作成(社内・社外)」は80.5%、「情報検索・収集・分析・レポーティング」は77.0%でした。一方、「ナレッジ管理・共有」は26.3%です(IPA「国内企業のDX動向・AI活用動向のポイント」2025年度調査・n=1,191・2026年7月16日公表)。
上位の用途は、社員が手元の文書や音声をその都度 AI に渡す使い方でも成り立ちます。会社に溜まった文書をまとめて AI に参照させ、部署をまたいで使えるようにする使い方は、まだ一部の企業にとどまっていると読めるでしょう。
社内の文書をまとめて参照させる代表的な方法が、RAG(検索拡張生成)と呼ばれる仕組みです。質問に関係する文書を先に検索し、見つかった文書をもとに AI が回答を作ります。社内の問い合わせに答える AI を作るときに決めることは、社内 AI チャットボットを作る前に決めることで、任せる問い合わせ・参照する資料・閲覧権限・回答の責任に分けて整理しています。
ただし、AI がまとめた内容はあくまで下書きです。生成 AI が与えた資料と食い違う内容をもっともらしく出力する現象はハルシネーションと呼ばれ、数字・日付・固有名詞は元の文書で確かめてから使います。
使う前に、持ち主・アクセス権限・個人情報や機密の含まれ方・更新の担当を決める
非構造化データを AI に読ませる前に決めておくのは、誰の文書か、誰が見てよいか、何が含まれているか、誰が新しくするかの4つです。
表のデータは項目ごとに管理の担当や見てよい人が決まっていることが多いのに対し、文書やメールは作った人の判断で保存され、共有されてきました。AI に読ませると、この決まっていない部分が、AI の回答として表に出てきます。
| 決めること | 決めないと起きること | 中心になる部署 |
|---|---|---|
| 持ち主 | 改定前の規程や下書きが残り、AI がそれを根拠に答える | 文書を作る業務部門 |
| アクセス権限 | 共有設定が広すぎるファイルや、退職者の権限が残ったフォルダの中身が、本来見られない人への回答に混ざる | 情報システム部門 |
| 個人情報や機密の含まれ方 | 議事録や録音に含まれる個人情報・取引先の情報が、決めた目的の外で使われる | 法務・個人情報の管理部門 |
| 更新の担当 | 制度や手順が変わっても、古い文書が参照され続ける | 文書を作る業務部門と、AI の推進を担う部署 |
表は編集部の整理です。
個人情報の場所も、構造化データなら「氏名」「住所」の列を見れば分かります。非構造化データでは、議事録の発言やメールの署名、録音の会話の中に混ざっているため、中身を確かめるまで所在が分からないのが違いです。
個人情報保護委員会は、生成 AI サービスに個人情報を含むプロンプトを入力する場合、特定された利用目的を達成するために必要な範囲内であることを十分に確認するよう求めています。本人の同意を得ずに個人データを入力し、それが応答結果の出力以外の目的で扱われる場合は個人情報保護法に違反する可能性があるとして、サービスを提供する事業者が機械学習に利用しないこと等を確認するよう促しました(「生成AIサービスの利用に関する注意喚起等」2023年6月2日公表)。
AI に読ませる前に個人情報を伏せる処理が、データマスキングです。社内で入力してよい情報の区分を決める手順は、生成AIに個人情報を入れてよいかの記事で、入力区分・サービスの条件・本人への通知・記録の4項目に分けて説明しています。
持ち主や権限を決めて運用する担い手も、多くの企業で足りていません。「データマネジメントの知見があり、社内で企画、推進できる人材」が「不足している」と答えた企業は71.9%でした(IPA「国内企業のDX動向・AI活用動向のポイント」2025年度調査・2026年7月16日公表)。
文書の洗い出しから権限の区分、更新の持ち主を決めるまでの進め方は、AI のデータ整備の進め方で5つの手順に分けてまとめています。会社全体でデータの扱いのルールを決めて守られているかを確かめる仕組みは、データガバナンスの用語ページで説明しています。
Offers AX は、読ませる文書と業務を選ぶところから、お客様の環境での構築まで進める
Offers AX では、非構造化データを使う業務の選定から、お客様の環境での構築と引き継ぎまでを一体で進めます。
株式会社overflow の Offers AX は、コンサルティング・AI エージェント開発・内製化支援の3つを、戦略立案と実装を業務の現場に近い距離で一体で進める FDE 型で提供する支援です。課題調査とユースケースの選定から入り、数週間で動くプロトタイプを作って実業務で検証してから、本実装に進みます。
AI の処理基盤は、認証と監査ログを含めてお客様の既存の環境に構築し、当社の環境に顧客データを抱えない方針です。クラウドの LLM を使えない機密性の高い人事の事案では、貸与された PC の中で処理を完結させる構成で対応した実績もあります。面接評価の実装実績は、面接官がメモを書くだけで評価のレポートを共有できるようにしたもので、AI の出力は下書き・参考情報として扱い、合否や処遇の判断は人に残す設計です。
支援の範囲と進め方は Offers AX のサービスページにまとめています。社内のどの文書を AI に読ませ、どの業務から始めるかを整理したい場合は、無料相談を申し込むからご相談ください。
非構造化データと一緒に使われる用語
- 構造化データ: 列の名前と値のデータ型が決まった表の形で保管されるデータ。売上や勤怠の記録のように、そのまま集計できる
- 半構造化データ: メールの宛先・件名のように決まった項目と、本文のような自由な部分をあわせ持つデータ
- RAG(検索拡張生成): 質問に関係する文書を検索してから、その文書をもとに AI が回答を作る仕組み。社内の非構造化データを AI に参照させる代表的な方法
- データマスキング: 個人情報や機密を伏せ字や仮の値に置き換えて、元の値を読めない状態にする処理。詳しくはデータマスキングの用語ページで説明している
- データガバナンス: 組織が持つデータの所在・品質・権限・利用のルールを経営の責任で決め、守られているかを確かめ続ける仕組み。詳しくはデータガバナンスの用語ページで説明している
非構造化データの活用を全社の AI 導入の計画にどう組み込むかは、AX 戦略のカテゴリの記事で順に読めます。