ISO/IEC 5259-4とは
ISO/IEC 5259-4とは、分析や機械学習に使うデータ品質を継続的に扱うためのプロセス枠組みを示すISO/IEC規格です。
正式名称・英語表記
ISO/IEC 5259-4:2024
Artificial intelligence, Data quality for analytics and machine learning (ML), Part 4: Data quality process framework
読み方: アイエスオー アイイーシー ごにごきゅう の よん
データ品質をプロセスで管理する
AIに使うデータは、一度整えれば終わりではありません。顧客行動、商品構成、入力ルール、外部環境が変わると、データの意味や分布も変わります。ISO/IEC 5259-4は、こうした変化を前提に、データ品質を継続的なプロセスとして扱うための枠組みです。
経営層にとっては、AIプロジェクトを単発のシステム開発ではなく、データを育て続ける業務運用として見るための標準です。データ品質の低下は、売上予測、顧客分類、不正検知、需要予測などの判断に直接影響します。
5259-3との違い
ISO/IEC 5259-3はデータ品質管理の要求事項とガイドラインに焦点を当てる文書です。ISO/IEC 5259-4は、品質確認、改善、運用、見直しをどのようなプロセスで回すかに焦点を当てるとよいでしょう。
実務では、5259-3で「何を管理すべきか」を決め、5259-4で「どう回し続けるか」を設計する使い分けが分かりやすいです。ISO/IEC 5259-1で基本用語をそろえておくと、部門間の認識差も減らせます。
運用設計のチェック例
- 新しいデータが入るたびに品質を確認する仕組みがあるか
- 品質低下を検知した時にAIの利用を制限できるか
- データ修正後にモデルや業務ルールへ反映する手順があるか
- 品質指標を経営会議やリスク会議で見える形にしているか
ISO/IEC 8183のデータライフサイクルの考え方と合わせると、データの生成から廃棄までを含めた管理に広げやすくなるでしょう。
【Topic】導入後のデータ品質
ISO公式作業計画では、ISO/IEC 5259-4は2024年発行として掲載中です。2026年6月時点で、AIデータ品質は「導入前の清掃」ではなく、運用後も回し続けるプロセスの論点です。
ISO/IEC 5259-4に関するよくある質問
- 運用後に見る指標は何ですか？
- 欠損率、重複、入力遅延、定義変更、修正期限超過などを見ます。AIの出力が悪くなる前に、データ側の変化を検知するためです。
- データ品質は導入前だけ見れば十分ですか？
- 十分ではありません。運用中にデータの意味や分布が変わるため、AI導入後も品質を確認し続ける必要があります。
- 経営会議では何を見ればよいですか？
- 欠損率、重複、古いデータ、定義ゆれ、修正期限超過など、AI判断に影響する品質指標を定期的に確認すると実務につながります。
