TOPPAN・NTTデータら3社、デジタル庁「ガバメントAI源内」のデータセット整備を推進

　2026年7月14日、TOPPAN、NTTデータ、Fides Policy & Strategy Consulting（以下、FPSC）は、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」において、「ガバメントAI源内」で利用される大規模データセットの整備とそのAI-Ready化およびAI向けデータセット標準の検討を実施すると発表した。

　同事業は、ガバメントAI源内の活用に向けて、政府横断的に有用なデータ（政府共通データ）や各省庁・各部局の特定業務で利用するデータ（ドメイン特化データ）を収集・加工し、AIが利用しやすい形式へ整備するとともに、AI向けデータセット標準の検討を行うものとのことだ。

　デジタル庁では現在、政府によるAI活用を社会実装の起点とするガバメントAI源内の取り組みを推進中。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源内を整備し、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いるという。

　ガバメントAI源内の活用を拡大するためには、AIが参照・学習できる高品質なデータセットの整備が不可欠。近年はAIの回答精度向上において、AIモデルそのものの性能向上に加えて、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な要素になっており、データの収集だけでなくメタデータ整備、データ構造の標準化が求められているとのことだ。

　また、経済安全保障やデータ主権の観点からも、国内の安全な環境下で行政文書などの機微な専門知データを高品質なAI-Readyデータへ変換し、適切に管理・活用できる基盤の整備が求められている。こうした背景を踏まえ、デジタル庁はガバメントAI源内のための大規模データセットの整備を推進しており、TOPPANとNTTデータ、FPSCは同事業を通じて、政府共通データのAI-Ready化とAI向けデータセット標準の検討に取り組むとしている。

　同事業は、デジタル庁の仕様書に基づき、政府共通データおよびドメイン特化データの収集・加工、メタデータ整備、AI向けデータセット標準の検討を実施する。詳細は以下のとおり。

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
2. 政府共通データ・ドメイン特化データの収集・加工：政府共通データおよびドメイン特化データを収集。さらに、OCRやクリーニングなどの前処理を実施し、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：同事業で収集したデータセットに対し、来歴情報、品質情報、権利情報、利用条件等のメタデータを設計・作成・付与。これにより、AIおよび利用者がデータの信頼性や利用可能性を適切に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：有識者ヒアリングおよび検討会の運営を通じて、AI向けデータセットの構造化、メタデータ仕様の在り方などを検討し、行政機関横断で活用可能な政府共通のAI向けデータセット標準の素案策定を行う

各社の役割

• TOPPAN：行政実務のユースケースに基づくデータ選定・収集、権利処理、OCR処理、データ前処理を担当。また、行政文書をAI-Ready化し、検索・推論に適したデータセットを整備する
• NTTデータ：メタデータの設計・作成・付与や、政府共通のAI向けデータセット標準の検討を担当。データの来歴や利用条件等のメタデータ整備を通じて、信頼性の高いデータ基盤の構築を支援する
• FPSC：AI向けデータ活用における法的論点の整理や権利処理スキームの構築支援を担当。著作権をはじめとする知的財産権に関する検討や権利処理実務を支援し、適正かつ円滑なデータ利活用の実現に貢献する

　3社は今後、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2027年3月までに実施するとしている。

【関連記事】
・ガバメントAI源内、「さくらのクラウド」上で国産AI基盤モデルの試用を開始──デジタル庁
・デジタル庁、約18万人対象のガバメントAI「源内」大規模実証を開始　既に10万人が利用可能に
・デジタル庁、約18万人の全府省庁職員を対象に「ガバメントAI源内」の大規模実証開始へ