ISO/IEC 5259-2とは
ISO/IEC 5259-2とは、分析や機械学習に使うデータ品質を、どう測り、どう報告するかを定めたISO/IEC 5259シリーズの第2部です。2026年6月時点で、ISO公式ではISO/IEC 5259-2:2024としてPublishedになっています。AIに入れるデータがずれていれば、モデルがどれだけ高性能でも判断は歪みます。いわばAIの材料検査に近い規格。
英語表記：ISO/IEC 5259-2:2024 Data quality for analytics and machine learning Part 2 Data quality measures
Part 2が扱う範囲
ISO公式は、この規格がデータ品質モデル、測定量、報告ガイダンスを扱うと説明しています。ポイントは、データ品質を「なんとなく良い」ではなく、測って報告できる形へ寄せることです。欠損、偏り、古さ、表記ゆれなどが残ったままAIを動かすと、需要予測や顧客分類の結果にそのまま反映されるため注意が必要でしょう。データクレンジングだけでなく、AI品質管理の入口でもある規格です。
経営層が見るべき点
AI導入の失敗は、モデル選定よりもデータ品質で起きることも珍しくありません。誰が品質指標を決め、どのデータを使ってよいと判断し、改善を誰に戻すかを決めないと、PoCだけ成功して本番で崩れやすい構造。AIの精度会議でモデル名ばかりを見るのではなく、入力データの品質報告を同じ場で見るべきでしょう。データ品質はIT部門の掃除ではなく、AI投資の土台と考えるべきでしょう。
TopicISOページにもFAQがあるデータ品質規格
ISO/IEC 5259-2の公式ページには、規格の概要だけでなく「誰が使うべきか」「5259-1との関係」「非構造化データにも使えるか」といったFAQが掲載されています。データ品質は専門部署の細かな作業に見えますが、ISO自身も利用組織が理解できるように説明している領域です。AI導入で最初に経営者が聞くべき問いも、実はここに近いものです。
ISO/IEC 5259-2に関するよくある質問
- ISO/IEC 5259-2はデータクレンジング手順書ですか？
- 手順書そのものではありません。データ品質を測り、報告するための共通軸を整える規格として見ると理解しやすいです。
- AI導入前に見る価値はありますか？
- あります。モデルを選ぶ前に、使うデータの欠損、古さ、偏り、報告方法を決めておくと、PoCと本番の差を小さくできます。
