AI開発でのアノテーションとは？必要性・種類・作業手順・使用事例徹底解説！

AI（人工知能）の性能を根底から支え、ビジネスにおける実用レベルまで引き上げるための極めて重要なプロセスが「アノテーション」です。どんなに優れたアルゴリズムを採用しても、AIに与えるデータ（教師データ）の質が低ければ、実用的なアウトプットは得られません。

本記事では、AI導入の成否を分けるアノテーションの基本概要から、画像・音声・テキストごとの具体的な手法、そして自社開発（内製）と外部委託を比較した際のメリット・課題までを網羅的に解説します。エンジニアチームと経営陣が共通の認識を持ち、実証実験（PoC）や本格的なシステム開発に向けて本質的な議論を進めるための事前資料としてご活用ください。

AIシステム開発に必要な体制作り、工数や手順についてはこちらの記事で詳しく説明していますので併せてご覧ください。

データ収集・アノテーションに強い会社選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIのプロに会社選定を依頼する

アノテーション代行会社をご自分で選びたい方はこちらで特集していますので併せてご覧ください。

アノテーションとは？

アノテーションとは、AIに学習させたいデータに意味付け（タグ付け）を行う作業のことをいいます。一般的には、教師データの作成とも言われ、AI開発における非常に重要な役割をもっています。

AIは教師データによって学習し、その学習をもとにアウトプット（推論）をおこなうため、アノテーションの精度によってAIの精度が変わるといっても過言ではありません。

AIシステム開発の工程では、以下の位置にあります。

1. データ収集
   
2. アノテーション（意味づけ）
3. 学習・モデル構築
4. 評価
5. 運用

AI開発では、画像やテキストなどのデータに意味を持たせてAIに学習させることできます。特定の物体の分析や抽出作業も可能です。

データ収集の代表的手法、コツをこちらの記事で詳しく説明していますので併せてご覧ください。

アノテーションで作成する教師データ（タグ付きデータ）の定義

教師データとは、AIに学習させるためのタグ付けが行われているデータのことを指します。アノテーションとは、元となるタグ付けされていないデータに対してタグ付けを行い、教師データを作成することを指します。

その教師データをもとにAIは学習を行い、ルールやパターンを見つけて、タグ付けが行われていないデータを見ても予測して正解を導き出すことができるようになります。

例えばAIに、犬であることが既に分かっている画像を見せ、「これが犬」という答えを教師データとしてAIに学習させます。複数の教師データをAIに教えることで、初めて見る犬の画像を見ても「これは犬です」と認識させることが可能になるのです。

教師データは、AI学習のために欠かせない存在と言えるでしょう。

アノテーションの対象となるデータは、主に画像・動画、音声、テキストの3分野に分類されます。

画像アノテーションに使用するデータセット（教師データ）の種類、収集する際の注意点については、こちらの記事で詳しく解説しています。

データ収集・アノテーションに強い会社選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIのプロに会社選定を依頼する

なぜAIシステム開発でアノテーションが重要？

アノテーションの役割や目的について紹介します。

アノテーションデータ量がAIモデルの推論精度に与える影響

アノテーションは、基本的には教師データを作成した分だけAIモデルの精度を高めてくれます（過学習と呼ばれる技術的な問題はありますが、ここでは割愛します）。自動運転など高精度が求められている場合は、大量のドライブレコーダーの動画や、画像から人や周りの他の自動車など障害物をたくさん学習させなければなりません。

AIで実現したいことがあれば、どれくらいの精度のAIを開発したくて、達成のためにどれだけのデータが必要かを考えることが大切でしょう。

アノテーションによる高精度AIがもたらす業務効率化とコスト削減

アノテーションをしっかり行ったAIは高品質で、決められた仕事であれば人間よりも早く仕事を終わらせることが可能です。そのため、業務効率化や人件費などのコスト削減が実現可能になってきます。

また、これまで手動でやっていたことが自動化によって人的ミスも少なくすることもできるようになります。例えば、工場の生産ラインで製品の不良品検出も画像認識で行うことができ、AIに良品と不良品の画像データを学習させれば、人よりも精度の高い検品をしてくれます。

画像・動画データに対するアノテーションの5つの手法

画像や動画のアノテーションはAIの学習において広く行われています。自動車の自動運転、商品の不良品検出や建造物などの外観検査などが代表的で、実用するためにはアノテーションした画像や動画をAIに学習させなければいけません。

画像・動画のアノテーションは、主に以下の5種類に分類されます。

• 物体検出（バウンディングボックス）
• 領域抽出（セグメンテーション）
• 多角形で領域指定（ポリゴンセグメンテーション）
• 目印を検出（ランドマークアノテーション）
• 画像分類

それぞれを説明します。

バウンディングボックスによる物体検出

物体の検出は、画像や動画に映っているものを検出して言葉に意味を付ける手法です。画像にある物体をアノテーションツールを用いて長方形（バウンディングボックス）で囲み、その物体が何かをタグ付けします。

自動運転など、街中の画像や車道の画像などをイメージする方も多いでしょう。

しかし、これに限らず、例えば請求書やレポートといった帳票画像の中から、どの項目が取引先で、どの項目が金額なのか、などを学習させるために、そういった帳票の項目の物体検出を行う際にもバウンディングボックスでアノテーション作業を行ったりします。

また、バウンディングボックスには2D／3Dといった種類もあり、2Dといったは上述したような四角形で領域を設定する頂点が4つのアノテーションですが、3Dでは直方体の形となり、頂点を8つ持つより立体的なアノテーション作業となります。

関連記事：「バウンディングボックスとは？活用手法例・メリット・活用分野・注意点を徹底解説！」

セグメンテーションによる特定領域抽出

セグメンテーションとは、特定の領域を選択して、タグ付けを行う作業です。領域の抽出は、物体検出のようなバウンディングボックスで囲む手法と違い、特定の物体だけを抽出します。
例えば、人と犬の画像から犬のデータを抽出したいとき、犬だけの領域を指定してタグ付けを実施。

最近では、アノテーションツールを使用して、物体の輪郭情報を自動的に検出し、物体の領域を補正することで教師データの作成が可能になることもあります。

セマンティックセグメンテーションの仕組みについてこちらの記事で解説していますので併せてご覧ください。

ポリゴンセグメンテーションによる複雑形状のアノテーション

ポリゴンセグメンテーションは、バウンディングボックスとセマンティックセグメンテーションの中間に位置するようなアノテーション作業です。画像の中の物体の領域を多角形で囲うアノテーション作業です。

複雑な形状の物体に対して多角形で領域を指定する形でアノテーションを行うことで、正確に領域をアノテーションすることが可能です。

ランドマークアノテーションによる顔パーツ・目印の検出

ランドマークアノテーションは、顔の認識によく使われるアノテーション作業で、目、眉、鼻、口、輪郭といった顔のパーツを点で指定する形で行うアノテーション作業です。

顔認識のランドマークアノテーションでは、その点を設置する数によって細部までの表現度が変わってきますが、20〜100箇所ほどに対してアノテーションを行う形が多いです。

この細かなアノテーションを行うことで、顔の表情から感情を特定するなどが可能となります。表情認識AIと呼ばれ、正確なアノテーションによって喜怒哀楽や興味を示している度合といった微妙な心の動きを読み取ることが可能です。企業内のストレスチェックや空港などの入国審査で活用されています。

姿勢推定に用いるキーポイントアノテーション

また、ランドマークアノテーションの一種で、キーポイントアノテーションと呼ばれるアノテーション作業もあります。

キーポイントアノテーションとは、人物の姿勢推定モデルによく活用されるアノテーション作業で、画像内の人物の肩、肘、腰、膝といった関節点にキーポイントを当てるアノテーション作業になります。

骨格を検出することで、人物が座っている、立っている、寝ているといった姿勢を特定できるようになります。最近では、野球やゴルフなどのフォームを分析する際などにも活用され、スポーツの世界でよく利用されているアノテーションです。

どちらのアノテーション作業も目印に対してアノテーション作業を行う、という意味では同じですが、一般的に、顔認識にランドマークアノテーション、姿勢推定にキーポイントアノテーション、といった形で言われています。

画像1枚全体に対する画像分類のアノテーション

画像の分類は画像1枚にタグ付けを行う手法です。犬の写真に対して、「犬かどうか」などのタグ付けを行えます。

自動運転、ドローン、ロボットなどさまざまなものに利用されており、分類された画像を学習したAIモデルで、画像や動画を効率的に分類でき、例えばSNSに投稿された動画やテレビの映像などから特定のシーンを検出するといったことも可能になっています。

データ収集・アノテーションに強い会社選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIのプロに会社選定を依頼する

音声データに対するテキスト化（文字起こし）のアノテーション手法

音声アノテーションでは、音声データに教師データとしてその音声をテキスト化したものをタグ付けします。AIに膨大なタグ付けされた音声データを学習させることで、タグ付けされていない音声データを聞かせた時に音声を認識し、テキスト化できるようになります。

高精度な音声認識システムを実現するためには、年齢や性別によってさまざまなパターンの話し方を考慮しなければなりません。

教師データのない音声データを認識させたときに、出力されたテキストが正しいかどうかを確認し、仮に認識率が低くても、再度アノテーションの実施、再学習を行うことで精度が向上し、正確な音声認識ができるようになります。

コールセンター業務における音声アノテーションの活用事例

近年では、議事録の書き起こしや翻訳などビジネスでも音声認識システムがよく利用されています。例えば、コールセンターではオペレーターが顧客とスムーズに応対できるためにマニュアルを検索する必要があります。

音声認識システムを用いて顧客の会話をテキスト化し、AIがテキストの意味を読み取ることで、マニュアルの回答を自動的に表示してくれます。これにより、サービスの品質向上や顧客満足度の向上が可能になりました。

他にも音声アノテーションは、自然言語解析とも非常に密接な関係のため、書き起こした文章を元に、テキストアノテーションを行うこともあります。

AI Marketでは、専門のコンサルタントが御社に適切なコールセンター向けシステム開発会社を無料で選定します。

喫緊でコールセンターへのAIシステム導入を検討されている方は、こちらでコールセンター向けおすすめAIサービスを紹介していますのでご覧ください。

テキストデータに対する自然言語処理向けアノテーション手法

テキストアノテーションでは、指定されたテキスト情報に対して、その意味を人が解釈して指定されたラベルにタグ付けを行う自然言語処理のアノテーション作業です。

具体的には、特定の文章の背後にあるラベルを「意図的分類（依頼なのか指示なのか等）」「感情的分類（ポジティブかどうか等）」「意味的分類（何についてなのか）」で分類していく作業です。

大量の文章や単語を読み込むことで、ニュース記事などのカテゴリの分類を自動で行うことができたり、音声認識システムでテキスト化された情報から顧客データ(名前、年齢、住所、電話番号など)の抽出ができるようになったりします。

実際の作業としては、文章全体に対してのタグ付けもあれば、文章の一部毎に「人物について」「歴史について」などを意味づけしていくアノテーション作業も存在します。

「ドナルド・トランプ」という単語に対して「人」と分類を行ったり、「ラグビーワールドカップ2019」という単語に対して「イベント」とタグ付けを行ったりする形です。

より深ぼったアノテーション作業になると、上記のような一般的な解釈だけでなく、研究論文の文章を元に特定●学に属する文献かどうか、をタグ付けするようなアノテーション作業もあります。

チャットボットの意図抽出におけるテキストアノテーションの活用事例

テキストのアノテーションが用いられている例としてチャットボットがあります。チャットボットはテキストの意図を理解して自動応答する機能があります。

例えば、顧客がホテルをキャンセルしたいときのお問い合わせパターン。

• ホテルの予約をキャンセルしたいけど、どうしたらいい？
• ホテルの予約をキャンセルしたいけど、料金はいくら？
• ホテルの予約をキャンセルしたら、料金はかかるの？

とそれぞれ「ホテル　キャンセル」のワードがありますが、返すべき答えは違います。

このような場合でもチャットボットは意図を理解して回答することが可能です。意図抽出をAIができるようにするためには、複数の文章に対してのアノテーション作業などが必要となってきます。

データ収集・アノテーションに強い会社選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIのプロに会社選定を依頼する

アノテーション作業からAIモデル学習データ出力までの手順

アノテーションの基本的な手順を示すために、画像アノテーションを行う際の一般的な手順を以下に示します。

関連記事：「アノテーション料金相場を画像・音声・動画別に解説！高くなる要因・費用節減のコツとは？」

アノテーションの実施体制（内製・外注・データ収集のみ）の決定

アノテーションを実施する方法は、主に以下3つです。ただし、アノテーションする対象の数や品質、また医療画像のアノテーションなど専門性の必要性なども鑑みて、方法を選択すると良いでしょう。

近年、無料で使用できるアノテーションツールも非常に多く出ています。無料ツールとアノテーションサービスを有効活用し開発を進めていくのもよいでしょう。

自社の開発環境や体制を考慮しながら、適した実施方法を選択ください。

AIモデルの目的に応じたアノテーション対象データの収集

まず、アノテーションを行いたい画像データを収集し、アノテーションツールに取り込める形式に整えます。画像の解像度や品質にも気を付けましょう。

構築したいAI（人工知能）モデルによって、必要となるデータの種類が変わります。

• 画像認識モデル：識別対象となる画像
• 自動運転（画像認識）のモデル：車から撮影した映像ファイル
• 顔認識のモデル：顔写真の入った画像ファイル
• 建造物の劣化具合を識別するモデル：サビや傷の入った建造物の画像ファイル
• 自然言語解析（NLP）：対象となる文章
• 音声認識モデル：対象となる音声データ
• 予測モデル：関連する数値データ
• チャットボット用の言語認識モデル：チャットコミュニケーションで発生する口語文章

このように、構築したいモデルに合わせてインプット対象となる元データを集めていきます。収集する具体的なデータ種類についてはこちらの記事をご覧ください。

内製開発に向けたアノテーションツールの選定

社内の内製でアノテーションを行う場合、目的に合ったアノテーション機能を持つツールを選びます。バウンディングボックス、セグメンテーション、ラベル付けなど、必要な機能があるか確認しましょう。また、使いやすさや導入のしやすさ、出力形式なども考慮します。

アノテーション作業者間で統一すべき判断基準の策定

画像内のどの部分に、どのようなアノテーションを行うのかの基準を予め決めておきます。物体の種類や範囲、ラベルの付け方などを明確にし、作業者間で認識を統一することが大切です。

アノテーションツールを用いたタグ付け作業の実施

選んだツールを使って、画像にアノテーションを付けていきます。手動で行う場合は、マウス操作などでアノテーション範囲を指定し、ラベルを付けます。半自動や自動の機能がある場合は、それらを活用しながら効率的に進めましょう。

アノテーションデータにおけるミス・漏れの確認と修正

付けたアノテーションに間違いがないか、もれがないかをチェックします。必要に応じて修正を行い、品質を担保します。できれば複数人でレビューし、精度を高めるのが良いでしょう。

AIモデル学習に適合する形式でのアノテーションデータ出力

完成したアノテーションデータを、AIモデル学習に使える形式で出力します。ツールの出力形式と、学習に必要な形式があっているか確認しておくのを忘れずに。

内製でアノテーション作業は無理？

アノテーションはAIシステム全体の制度を左右しますし、社内の重要機密情報を扱うこともあるのでアノテーションは内製化したいと考える企業も多いでしょう。内製化に向けて、多くの企業が直面する課題を以下で説明します。

AIシステムを自社で導入・開発する際の流れをこちらの記事で詳しく説明していますので併せてご覧ください。

アノテーション作業を継続できる専門人材を確保する難しさ

アノテーション業務を進めるには、AIに関する知識を保有した人材が必要です。AI業界は人材が潤っているわけではないので、集中力と忍耐力の必要になるアノテーション業務を継続できない可能性があります。

AI開発の知見を持つ人材はどの業界においても重宝されますが、最適な人材が少ないのが課題です。日々蓄積され、多種多様に変化していくビックデータを適切に取捨選択し活用していくのは安易なことではありません。

おすすめのAI人材育成・人材教育サービスと選定のポイントの記事では、AI人材育成・教育に関することを解説していますので、あわせてご覧ください。

アノテーション専門人材の直接雇用・管理にかかる人件費の抑制

AIの性能を左右するアノテーション業務ですが、良質な教師データを用意し、学習させるためには一定の時間が必要です。AI開発の要件を満たすアノテーションデータを準備するため、膨大なアノテーション作業に追われてしまい、コア業務に集中できない可能性があります。

また、その膨大な作業を社内のリソースで行おうとすると、どうしても限られたリソースしか準備ができないため、プロジェクトにかけられる時間の大部分を使ってしまう可能性もあります。

とは言え、アノテーションの準備を妥協してしまうと、期待していたAIの開発ができなくなり、想定以下のパフォーマンスしか発揮できません。アノテーション業務以外にも、モデル構築や精度検証、チューニングなども行う必要があるため、十分な時間が確保できないでしょう。その場合、時間がかかりコア業務の妨げになる可能性があります。

アノテーションの実施方法は他にもある

アノテーションを実施する方法は、ツールを用いた内製のほか、外部の代行会社への委託など主に以下の3つに分かれます。

近年、無料で使用できるアノテーションツールなども出ていますが、社内リソースだけで対応しようとするとプロジェクトが停滞するリスクもあります。無料ツールとアノテーション代行サービスを有効活用し、開発を進めていくのが現実的です。

「社内にリソースがないが、どの代行会社に頼めばいいか分からない」「自社のデータ要件がまだ整理しきれていない」と行き詰まっている場合は、AI Marketにご相談ください。AIに詳しい専門コンサルタントが完全無料で要件整理からサポートし、累計1,000件以上の相談実績をもとに、フェーズに応じた最適なアノテーション代行会社や開発会社を厳選してご紹介します。

自社の開発環境や体制の悩みをクリアにしながら、最適な実施方法を見つけることが可能です。

データ収集・アノテーションに強い会社選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIのプロに会社選定を依頼する

アノテーションサービス会社を利用するメリット

自社で対応すると課題の多いアノテーション業務ですが、外部委託することで効率的にAI開発を進められます。ここでは、アノテーションサービス会社を利用するメリットについて解説します。

コア業務に注力できる

アノテーションサービス会社を利用することで、業務にかける時間がなくなるため、コア業務に注力できます。アノテーション業務を自社で行う場合、コア業務と並行しながら作業を進める必要があります。

そのため、開発要件の作業によっては、十分にコア業務の時間を取れないことが課題としてありました。一方、アノテーションサービス会社に作業を委託することで、自社で人的リソースを割くことなく、自社の重要な業務に専念できます。

重要な業務に力を入れることで、部門全体の生産性を大きく向上させられるでしょう。

人件費を抑えられる

アノテーションサービス会社に作業を委託することで、自社内のリソースを使うことなく、人件費を抑えることが可能です。自社でアノテーション業務を進める場合、AIに関する知識・技術を保有した人材を確保する必要があります。

アノテーションだけに人材を確保することで、人件費や管理コストが発生し、企業にとっては大きな負担となるでしょう。しかし、アノテーションサービス会社を利用することで、新たに人材を確保する必要がなく、人件費を抑えながら開発作業を進められます。

関連記事：「アノテーション料金相場を画像・音声・動画別に解説！高くなる要因・費用節減のコツとは？」

教育コストがかからない

アノテーションサービス会社に依頼すれば、人材教育コストを抑えることができます。専門の人材を確保した場合、業務を進めるための教育を一定期間施す必要があります。

しかし、アノテーションサービス会社は別途人材を確保・教育することなく、教師データが必要なタイミングに依頼するだけです。人材を雇用・教育するコストや時間がかからないため、効率的に開発を進められるでしょう。

アノテーション業務を全部請け負う事業者については、プロ厳選！アノテーションサービス会社を参考にしてください。

アノテーションサービス会社を選ぶポイント

アノテーションサービス会社に作業を委託することで効率的なAI開発が進められますが、最適なアノテーションサービス会社を選ばなければ、スムーズに進めることはできません。ここでは、アノテーションサービス会社を選ぶポイントについて解説します。

• 自社の要件に適しているか
  アノテーションサービス会社が、画像アノテーションを得意とする会社なのか、アノテーション用のデータ収集を得意とする会社なのかなど、アノテーションサービス会社の強みを確認しましょう。
• 利用コスト
  アノテーションサービス会社へ依頼する際は、全体的な利用コストを確認しましょう。必要になる教師データの数や種類によってコストは異なります。
• セキュリティ体制
  アノテーションサービス会社には、自社の重要なデータや情報を任せることになるため、セキュリティ体制の確認は欠かせません。

これらの基準を満たす会社をゼロから探して比較するのは非常に手間がかかります。AI Marketをご活用いただければ、厳しい審査を通過した100社以上の掲載企業の中から、お客様の要件に最適な会社を1〜3営業日程度でスピーディに数社厳選してご紹介します。

また、一般的な一括見積もりサービスとは異なり、希望した会社のみと接続するため、不要な営業電話の対応に追われることなく、効率的に比較検討を進めていただけます。サービスの利用はすべて無料です。

データ収集・アノテーションに強い会社選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIのプロに会社選定を依頼する

アノテーション作業で教師データを収集する際の重要ポイント

アノテーションの品質を左右する教師データ（データセット）を集めるうえでは、以下のようなポイントがあります。それぞれについて説明します。

データの種類を決める

構築したいAI（人工知能）モデルによって、必要となるデータセットの種類が変わります。

• 画像認識モデルを構築するのであれば、識別対象となる画像
• 自然言語解析モデルを構築したいのであれば、その対象となる文章
• 音声認識モデルを構築するのなら、その対象となる音声データ
• 予測モデルを構築するのであれば、関連する数値データ

当然ですが、これらのデータを大量に収集する必要があります。もう少し具体的に見ていきましょう。

• 自動運転（画像認識）のモデルであれば、車から撮影した映像ファイル
• 顔認識のモデルであれば、顔写真の入った画像ファイル
• 建造物の劣化具合を識別するモデルであれば、サビや傷の入った建造物の画像ファイル
• チャットボット用の言語認識モデルであれば、チャットコミュニケーションで発生する口語文章

このように、構築したいモデルに合わせてインプット対象となる元データを集めていきます。

プロ厳選！AI学習用データ収集に強い会社の記事では、AI学習に必要なデータ収集についてやおすすめの会社を紹介しております。あわせて、ご覧ください。

無償のデータセットは活用できる？

近年AI（人工知能）の活用が盛んになってきており、大学や研究機関などが、アノテーション済みのデータセットを無償公開するケースも増えています。これらのデータセットを活用すること自体はもちろん可能ですし、自社が構築したいAIモデルに合致した適切なデータであれば、ぜひ活用しましょう。

公開されているデータの多くは、訓練用、検証用、テストデータ用に既にアノテーション済みになっており、活用できる形式になっています。

ただし、自社で構築したいモデルは、多くの場合において、自社専用の固有モデルであり、これらのデータセットが活用できるかどうかはしっかりと見極める必要があります。

例えば、自社工場で製造した部品の不良品を識別する画像認識モデルを構築するためには、その自社工場で製造した部品の画像が必要になりますが、このデータは当然ながら自社でしか手に入りません。

顔認識のモデルのように、汎用的なモデルであれば、活用できるデータセットは多くありますので、探してみるとよいでしょう。

尚、公開されているデータセットのなかには、商用利用ができないデータセットもありますので、その観点でデータセットを確認することも必要です。

有償データセット提供サービスも

データセットと聞くと、上述のような無償データセットを思い浮かべる方が多いかもしれませんが、実は民間の会社が提供しているデータセットも多くあります。

このデータセットでは、無償で提供されているデータセットには含まれていないようなニッチなデータ（マスク付きの顔写真画像やキーポイントアノテーション済みの顔画像データ、赤ちゃんの泣き声など）を提供している場合もありますので、データセットの購入を検討してみるのも良いかもしれません。

データの質が重要

アノテーションでは、データの質も非常に重要です。データの扱い方や教師データに間違いがあった場合、AIが思うように学習できず間違った判断をしてしまうなど、品質低下につながりかねません。

品質管理を行う上で、アノテーション作業者の習熟度も重要な要素ですが、最も重要になるのは、アノテーション作業要件と言えるでしょう。アノテーション作業要件とは、対象となるデータに対して、「どのような判断ロジック」で「どのように」アノテーションを行うのか、を明示化することを指します。

この要件がブレると、どれだけ作業者が正確にアノテーション作業を行おうとしても、品質はほとんどの確率でバラつきます。

作業前の要件明確化が重要

アノテーション作業を行う前に、可能な限りアノテーション要件を明確に定め、また、アノテーション作業を行う方と認識を統一できるように進めていきましょう。

ただし、判断ロジックに人の判断が入ってしまう場合などもどうしても出てきます。その場合は、極力作業者とその理解を統一し、その判断ブレの許容範囲を決めておくと、作業品質として明確化ができてよいでしょう。

また、画像のアノテーション作業などにおいて、どのように、を細部まで決めすぎてしまうと、作業者の作業負荷が大きく上がってしまいますので、ここも作業者と話しながら、バランスを取って決めていきましょう。

アノテーション作業で問題発生した場合の解決方法

内製で行おうと、外注で行う場合でもアノテーションで生じた問題を解決する対策について解説します。

業務管理と作業プロセス改善

アノテーションにおける課題を解決するためには、業務管理と作業プロセスを効率化する必要があります。

業務管理を実行するためには、人が対応する部分とAIで自動化する部分を明確にすることが重要です。人によるアノテーション作業は品質の担保は行いやすいものの、人的ミスが発生したり、どうしても作業コストが発生してしまうことは避けられません。

そのため、どこからどこまでを人が対応するのか明確化し、AIによる自動アノテーションを適切に活用しながら、業務管理を実行すると良いでしょう。

作業プロセスの効率化には、アノテーション作業そのもの以外にも、抽出したデータの管理において、スクリプト・マクロの作成や作業基準の見直しなど、複数の手法が存在します。自社にとって最適な手法を選択することが重要です。

何度も繰り返す作業を自動化し、本当に人の作業が必要な部分を限定することで、作業プロセスの効率化が期待できるでしょう。

アノテーションツールの見直し

アノテーションに利用しているアノテーションツールを見直しすることも課題を解決する大きなポイントです。

アノテーションデータの管理しやすいツールや、複数人で実施しているアノテーションの作業進捗管理が行いやすいツール、AIによる自動アノテーションを組み込んでいるアノテーションツールなど、アノテーションツールも進化していますので、アノテーションツール自体を見直すことも検討してみてはいかがでしょうか。

特に最近は、アノテーションツールの多くがクラウド型で提供されているため、社内のパソコンに一つ一つインストールする必要もなく、簡単に使えるアノテーションツールがほとんどです。

アノテーションツール厳選記事では、AI Marketが厳選したアノテーションツールを紹介していますので、ぜひご覧ください。

品質管理方法を改善する

アノテーション作業で品質を管理する方法を紹介していきます。実際にアノテーションサービス会社が行う品質管理の取り組みの一例です。

1人作業

この方法は、アノテーション作業を1人のみで行う手法です。難易度が非常に低い、予算がどうしても限られている、属人的な作業となる可能性が高い場合、信頼に足る作業者が行う場合、に取るべき手法でしょう。

ただし、人為的ミスが起こる可能性は防ぎきれませんので、極力アノテーション作業は1人のみで行うことは避け、品質の高い作業となるようにしていくべきです。

1人作業と1人検品

この手法は、アノテーション作業を行う上で最も一般的かもしれません。1次作業者がアノテーション作業を行い、その後、1人の検品者がその作業をチェックするというフローです。この場合、1次作業者が意図せずミスを犯したとしても、検品者が発見することが可能となります。

また、この際、検品者が修正作業を行うか、1次作業者に修正指示を戻すか、という2つのパターンがあります。どちらのケースでも対応は可能ですが、検品における修正率などを元に判断していくのが良いでしょう。

尚、修正率が低い場合には、ピックアップ検品という形で、ランダムに検品する対象を決めて行うことも1つの手法です。この場合は、検品率（作業件数に対して何件検品を行うのか）を決めておきましょう。

1人作業と複数人検品

この手法は、とにかく品質を重視したい場合に取るべき手法です。

基本的な流れは1人が作業を行います。その後検品するという流れは変わりませんが、難易度が高いアノテーション作業においては、検品者がミスに気づかないケースも発生する場合がありますので、セマンティックセグメンテーションなど、特に細かい作業を行う際などに検討をしてもよい手法です。

ただし、当然ながらその分アノテーション全体の作業工数は上がりますので、予算や時間的制約も踏まえて検討しましょう。

複数人並行作業

複数人で並行作業を行うアノテーション作業もあります。これは、アノテーション作業自体が0か1かの判断ではなく、主観による判断を含む場合に多く利用される手法です。

例えば、自然言語分類において、指定文章がポジティブかどうか、であったり、顔写真を見て笑っているかどうか、といった作業者によって判断が変わってくるケースなどで取られる手法です。

この場合、何人が並行作業をするべきか、は判断の難しさや予算を元に検討を行う必要がありますが、並行作業の場合、3人以上で実施し、多数決で結果を判断していく、という形が良いでしょう。

データ収集・アノテーションに強い会社選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIのプロに会社選定を依頼する

アノテーションについてよくある質問まとめ

アノテーションがAI開発を左右する！

AIシステムの実運用において、アノテーションは単なる「作業」ではなく、AIのビジネス価値を決定づける「要件定義そのもの」と言えます。精度の高いAIモデルを構築し、業務効率化や新規事業の立ち上げを成功させるためには自社の目的に合致した高品質な教師データの継続的な確保が不可欠です。

しかし、社内リソースだけで完璧なアノテーション体制を構築することは難易度が高く、プロジェクトの進行を遅らせる原因にもなり得ます。データ収集や品質管理の壁を感じた場合、早い段階で専門家の知見を取り入れることが成功への近道です。

「自社の要件に合うアノテーション代行会社が分からない」「どのようなデータセットを準備すべきか専門家の意見を聞きたい」とお考えの場合は、AI Marketに相談し、適切なパートナー企業を見つけることから始めてみてはいかがでしょうか。