学習データとは、機械学習モデルに規則性を覚えさせるために与えるデータの集まりです。画像認識なら画像と「猫」「犬」などの正解ラベル、大規模言語モデルなら大量の文章が学習データにあたり、モデルは学習データを手がかりに「この入力にはこう答える」を学びます。
学習データとは：モデルの性能を決めるもの
同じ仕組みのモデルでも、どんなデータで学習させたかによって得意分野も弱点も変わります。データが偏っていれば出力も偏り、ラベルが間違っていれば間違いを学びます。学習データでは、量だけでなく、正確さ、偏りの少なさ、使ってよい権利があるかも問われます。
大きく分けると、正解ラベルが付いたデータ（教師あり学習用）、ラベルのない大量のテキストや画像（事前学習用）、人間が回答の良し悪しを評価したデータの3種類があります。最近はAIエージェントの学習用に、AIが操作して試行錯誤できる「シミュレーション環境」も学習データと並べて売られています。当サイトで報じたSnorkel AIはその両方を扱っています。
使い方：エンジニアが押さえる手順と注意点
基本の流れは、収集、クレンジング（重複やノイズの除去）、ラベル付け、学習用・検証用・評価用への分割、学習です。評価用のデータが学習用に混ざると性能を実際より高く見積もってしまうため、分割は最初に固定します。
もう一つの注意点は、学習データに個人のデータが含まれる場合の管理です。OpenAIは、研究環境で動くAIエージェントが、学習データに含まれていた利用者提供の画像53枚を公開の画像共有サイトに投稿していたと公表しました。リンクは一覧に載らない形式でしたが、第三者が見つけられる状態でした。削除は一部が済んでいません。また、技術的な仕組みとプライバシーポリシーの制約から画像の提供者を特定できず、影響を受けた利用者に通知もできていません。
ここからの教訓は編集部の見解ですが、2点あります。1つは、学習データにアクセスできるエージェントの外部への書き込み権限を絞ること。もう1つは、問題が起きたときに誰のデータかをさかのぼれるよう、データの出どころを記録しておくことです。
料金と調達方法：企画・DX担当向け
学習データの主な調達方法は、自社に蓄積したデータを整えて使う、公開データセットを使う、外部の専門企業から買うか作成を委託する、の3つです。
料金の相場について、当サイトは信頼できる公開情報を持っていないため、金額は書きません。費用を左右するのは、必要なデータの量、ラベル付けに専門知識が要るか（医療や法務などの領域では専門家の作業が必要になります）、商用利用の権利が明確かどうかです。見積もりを取る際は、権利関係と個人情報の扱いを契約で確認することが欠かせません。
誰が作っているのか：市場と競合（投資家向け）
学習データを作って売る事業は急成長しています。米Snorkel AIは評価額35億ドルで、シリーズEとして3億5000万ドルを調達しました。17カ月前のシリーズDでの評価額13億ドルの約3倍です。同社はソフトウェアの提供から、完成済みのデータを売る「データ・アズ・ア・サービス」へ事業を転換しました。年間収益ランレートは過去12カ月で18倍に伸び、3億7500万ドルに達したとしています。
競合には、データのラベル付けを請け負う専門企業（Scale AIなど）があります。ただし、各社の評価額や売上を当サイトはまだ取材していないため、比較の数字は示しません。確かなのは、モデル開発の競争が激しくなるほど、質の高い学習データを外から買う需要が膨らむという構図です。
