人間の補完7項目
「人が黙って補っている3割」は、漠然としたものではありません。 現場で観察すると、7つの型に分かれます。
7つ
1. 書かれていないことを周辺から補う 症状：判断が色・書式に乗っている。「黄色は保留、赤字は要対応」の対応表がどこにもない 埋め方：判断を列にする
2. 空欄の意味を読み分ける 症状：空欄が1種類しかない。「未着手」も「対象外」も「担当者が休みで未記入」も同じ空欄 埋め方：欠損を4種に分ける（未到達／対象外／未記入／未取得）
3. 例外を覚えている 症状：マニュアルにない運用が回っている。「あの取引先だけ締めが違う」がどこにも書かれていない 埋め方：例外を条件として1枚に書き出す
4. 口頭で埋める 症状：決定の理由が残らない。議事録に決定事項はあるが、なぜそう決めたかがない 埋め方：決定・理由・決裁者の3行を残す
5. 終わったものだけで報告する 症状：未完了・中止が集計から抜ける 埋め方：母集団に残す
6. 最新の状態だけ見る 症状：上書きで手戻りが消える。差し戻しで日付を書き換えるので、ループの事実が残らない 埋め方：状態ではなくイベントで持つ
7. 気づいたら黙って直す 症状：データ品質の問題が表面化しない。下流の担当者が毎回手で直している 埋め方：修正を記録する（誰が・何を・なぜ）
2 の4分類だけ、補足します
空欄を1種類にしたまま平均で埋めると、業務定義が壊れます。
- 未到達：まだその工程に来ていない
- 対象外：この案件では発生しない
- 未記入：通過したが、記入されていない
- 未取得：そもそも取得していない項目
この4つは、下流でまったく違う扱いになります。 なお、これは調査法の分野で structurally missing / item nonresponse / 非収集 として整理されているものとおおむね対応します。 統計学の MCAR/MAR/MNAR（欠測のメカニズム）とは切り口が違うので、混同しないでください。
5 が最も見落とされる
集計から抜けるのは、最も難航している案件です。 難航しているから、終わっていない。だから数字は構造的に良く出ます。
最も注意して見るべき対象が、最も楽観的に見えている。
ただし、これは「誰も言っていない」わけではありません。 データ品質の分野では population completeness（必要なインスタンスが母集団に揃っているか）として、 標準的な次元の1つに数えられています。生存者バイアスとしても古くから知られています。
言われていないのは、AI に業務を任せる話をするときに、これが最初に来るという一点です。
7 の副産物
人が直した差分は、そのまま AI の教師データになります。 同時に、上流の欠陥リストにもなります。
「うちのデータは特に問題ない」と認識されているのに、 実際には下流の担当者が毎回手で直している——という状態は、かなり広く見られます。 問題が上に上がらないので、改善の意思決定が起きません。
3・4・6 は、すでに他社が扱っている
正直に書いておきます。
- 3・4 → tribal knowledge として語られ、専用のツールや事業者が存在する
- 6 → process mining として確立している。event sourcing / bitemporal database も同じ問題を扱う
- 7 → invisible work（CSCW, 1990年代〜）と workarounds の研究がある
そこは戦わずに接続します。
持ち帰り
7つのうち、心当たりのある1つを選んでください。
全部やろうとすると、記録の手間で現場が潰れます。 1つ直して、数字で示す。それが通れば次が通ります。
そして選ぶなら 5 を勧めます。理由は次回書きます。
詳しくは：『AIレディ』第6章
出典
- population completeness：Pipino, Lee & Wang（CACM, 2002）
- invisible work：Star & Strauss（CSCW 8, 1999）
- 欠測の分類：調査法における structurally missing / item nonresponse / unit nonresponse