AI-ready データ設計

LLM に算術をさせず、検索・集計条件の指定だけを任せるデータ公開の設計パターン

概要

自社データを LLM につなぐときの設計パターン。LLM には検索・集計の「条件指定」だけを任せ、算術はサーバー側で実行する。 デジタル庁が公開した行政手続データ（約75,000件）の MCP サーバー実装がこの形を採っている。

LLM は自然言語から「何を集計したいか」を読み取るのは得意だが、数値計算そのものは不確実。役割を分ける。

この分離により、出力の数値がハルシネーションで変わることがなくなる。

dataset.yaml のような形でカラムの意味・単位・取りうる値を定義し、LLM がスキーマを推測しなくて済むようにする。セマンティックレイヤーに相当する。

曖昧一致は便利だが、適用範囲を限定しないと誤った行を拾う。どのフィールドに対して許すかを明示的に決める。

Parquet を採用することで、集計クエリのスキャン量を抑える。

自社データを AI につなぐ際、まず「LLM に何をさせないか」を決めるところから始める。検索インターフェースを提供するのであって、計算エンジンを LLM に肩代わりさせるのではない。