回答100件の調査表をAIに渡すと、「機能を一度も使わなかった人は38%」という要約が返ってきた。計算は合っていても、38個の空欄をすべて0として数えたのなら結論は誤りである。
空欄には、未回答、設問の対象外、取込失敗が混在し得る。これに対して0は、回数を確認した結果がゼロだったという観測値である。空欄はデータの状態、0は観測の結果であり、同じものではない。「もう一度計算して」と頼んでも、元の業務ルールが書かれていなければ区別は戻らない。
生成AIだけの問題でもない。pandasの公式文書は、データ型に応じて欠損値が NaN、NaT、NA などで表されることを説明している。集約処理は通常、欠損値を飛ばす。また、欠損値だけを持つSeriesの sum() が既定で0を返す例も掲載されている。処理が仕様どおりに動いても、どの行を分母に入れたかが違えば、答えた問いも変わる。
まず三つの状態に分ける
最初から「0で埋めるか、行を落とすか」を選んではならない。列ごとに三状態を確定する。観測済みの0は、返品0件や「一度も使っていない」と確認した値であり、有効な分母に残せる。不明は未回答、同期失敗、元項目の欠落である。0にせず、件数と確認先を残す。対象外は、非利用者への利用回数のように、その行が設問に答える資格を持たない状態である。小さな数値ではなく、問いの境界である。
英国Government Analysis Functionの表計算ガイダンスは、空欄だけではデータがない理由が分からず、読み手が0または記入ミスだと誤解し得ると指摘する。機械処理向けの表では値のないセルを空欄のままにしてもよいが、理由をmetadataで示すよう勧めている。AI分析でも、この説明はグラフの後書きではなく、集計前の欠損ルールとして必要である。
計算より先に意味を確定する
一つのブックに空欄、N/A、ダッシュ、明示的な 0 が並ぶことは珍しくない。同じ記号でも列や元システムが違えば意味は変わる。全シートを一括置換するのではなく、答えに使う列ごとに次の分岐を通す。
- 元の業務工程で、この空欄は何を表していたか？
- 観測結果がゼロだと確認できる0を維持し、根拠を残して有効な分母に含める
- 値を未取得、または取込に失敗した不明のまま別集計し、補完も結論化もしない
- この行は設問の対象ではなかった対象外として除外条件を記録し、その分母には含めない
列定義、調査の分岐条件、元システムの文書、データ責任者のいずれからも確認できない場合は、不明で止める。周囲の行が似ていることは補完の根拠にならない。
W3CのCSV on the Web勧告が、表、列、セルにmetadataを付け、null の解釈規則を持たせるのもこのためである。CSVに入っているのは基本的にセルの文字列であり、値がない業務上の理由までは運ばれない。schemaとmetadataがあって初めて、自動処理の推測を人が検証できる規則に変えられる。
結果と同じ場所に分母を書く
100件のうち、有効な利用回数が62件あり、その中に明示的な0が24件あったとする。さらに、設問の対象外が28件、未回答が10件である。
「受領した100件の24%が利用0回」と「有効回答62件のうち38.7%が利用0回」は、どちらも計算できる。しかし前者は全受領行、後者は有効観測だけを分母にしており、答える問いが違う。利用実態を見たいなら後者が役立つ場合がある。回収品質を見たいなら、重要なのは未回答10件の方である。どの問いを採用するかまでAIに委ねてはならない。
引き渡せる要約には、元の行数と抽出範囲、有効観測、明示的な0、不明、対象外、各比率の分母、分類根拠を並べる。期間比較ではルールの版も残す。数値が動いた理由は、行動の変化ではなく、今月からダッシュを欠損扱いにしたためかもしれない。これはAIが社内数値を答える前に正本と定義を固定する方法を列単位に絞った実践である。
NIST AI RMF PlaybookのMAP 1.1は、用途、文脈、前提、制約の文書化を求める。ここでは「誰の何を数えるか」「誰が分母に入るか」「何件が不明か」である。答えがない間、AIは欠損を棚卸しできるが、比率や評価を確定してはならない。
原表を上書きしない
空欄を0にしてよいと確認できても、唯一の原表を直接書き換えてはならない。元の列を保存し、変換列とルール、版、日時、承認者を追加する。医療、与信、保険、採用、人事評価、安全のデータでは、汎用AIに推定補完させず、機密ブックを未承認ツールへ送らない。匿名化した小標本で試し、データ責任者と業務責任者が範囲を承認する。
次の担当者に結果を渡すなら、引き継げるAI要約に必要な出典、範囲、制約も添える。分母をグラフから逆算させる資料は、再利用できる分析ではない。
AI整理カード
許可済みのブックだけを読み取り専用で調べる。空欄補完、行削除、数式・書式変更、上書き、最終比率の断定は行わない。シート、使用範囲、列、数式、空欄、明示的な0、N/A、ダッシュ、固有コードを確認する。関連列ごとにデータ型、行数、非空値、明示的な0、特殊コード、空欄の各件数と、見つかった列定義、調査分岐、元システム文書を示す。候補を「0と確認済み」「不明」「対象外」「意味未確認」に分類し、分子と分母への影響を書く。根拠がなければ未確認のままにし、近隣行から推測しない。最後に責任者への質問を最大五つと、元の値を保存する派生列案を出す。規則確認前に停止する。
四コマで見る空欄の膨張
- 分析担当者は、輪形で示した明示的な0と未解釈の空欄が混じる、小さな調査票の束をAIに渡す。
- AIはすべての空欄を0の集計へ流し込み、青い計数片とグラフが膨らみ、元の仕事の境界が崩れる。
- 担当者は手を上げて搬送を止め、珊瑚色の仕切りで観測済み0、空欄、対象外を分離する。
- 確認済みの0だけで小さな結果を完成させ、不明のカードは一枚も捨てず、側面の確認トレーに残す。
棚の空きは、売り切れ、補充待ち、そもそも商品を置かない区画のいずれかである。棚卸しで三つをすべて「販売数0」とは記録しない。AIに表を渡すときも、空欄の違いを先に残すべきである。
参考文献
- pandas documentation：Working with missing data — https://pandas.pydata.org/docs/user_guide/missing_data.html [accessed: 2026-07-28]
- UK Government Analysis Function：Releasing statistics in spreadsheets — https://analysisfunction.civilservice.gov.uk/policy-store/releasing-statistics-in-spreadsheets [published: 2021-06-30]
- W3C Recommendation：Metadata Vocabulary for Tabular Data — https://www.w3.org/TR/tabular-metadata/ [published: 2015-12-17]
- NIST AI Resource Center：AI RMF Playbook, MAP 1.1 — https://airc.nist.gov/airmf-resources/playbook/map [accessed: 2026-07-28]
