合成データ（Synthetic Data）とは

AIやプログラムで人工的に作ったデータ。学習・テスト・プライバシー保護に活用

合成データ（Synthetic Data）は、実際に収集したデータではなく、AIやプログラム、シミュレーションによって人工的に作り出したデータのことです。AIモデルの学習データを補ったり、個人情報を含まないテスト用データを作ったりする目的で使われます。生成AIの普及により、文章・画像・表形式データなどを手軽に作れるようになり、活用の幅が広がっています。

何に使われているか

AIモデルの学習：実データが少ない、集めにくい分野でデータを補う。例えば Microsoft の研究チームによる論文「Textbooks Are All You Need」（2023年）では、コード生成モデル phi-1 の学習に、フィルタリングした教科書品質のWebデータに加え、GPT-3.5 で生成した教科書や演習問題の合成データを用いたと報告されています。
ソフトウェアのテスト：本物の顧客データの代わりに、それらしい架空の氏名・住所・取引履歴を作って動作確認する。
プライバシー保護：実データの統計的な特徴を保ちつつ、特定の個人に結びつかないデータを作る。
まれなケースの再現：自動運転の危険な場面や、不正取引のパターンなど、実データでは数が少ない状況をシミュレーションで作る。
評価用データ：AIの回答品質を測るための質問と模範解答のセットを作る。

作り方の例

LLMに作らせる：「架空の問い合わせメールを、カテゴリ別に20件作って。実在の企業名や人名は使わないで」と指示する。
ルールベースで生成：ツールやプログラムで、決まった形式のダミーデータを大量に作る。
統計モデル・生成モデル：実データの分布を学習し、似た特徴を持つ新しいデータを作る。
シミュレーション・CG：3D空間や物理シミュレーションで画像やセンサーデータを作る。

業務での身近な使い方

バイブコーディングやワークフロー自動化で試作するとき、本物の顧客情報ではなく合成データで動作確認する。
プロンプトの改善のため、多様なパターンのテスト入力を作る。
研修資料や操作マニュアルのサンプル画面に、架空のデータを使う。

注意点と限界

現実とのズレ：合成データは作り手やモデルの偏りを反映します。現実にはあり得ない組み合わせや、偏った分布になっていないか確認が必要です。最終的な評価は実データ（適切に管理されたもの）でも行うのが望ましいです。
品質の劣化：AIが作ったデータだけで次のAIを学習させ続けると、多様性が失われて性能が落ちる可能性が研究で指摘されています。実データとの組み合わせや品質チェックが重要です。
個人情報が完全に消えるとは限らない：実データをもとに作った合成データでも、元データの特徴的な記録がほぼそのまま再現されると、個人の特定につながるおそれがあります。元データの扱いは個人情報保護法や社内規程に従ってください。
実在の名前・企業との偶然の一致：LLMが作った「架空の」人名や企業名が、実在するものと一致することがあります。外部公開する資料では確認しましょう。
利用規約の確認：一部のAIサービスは、出力を競合モデルの開発に使うことを規約で制限しています。学習データとして使う場合は規約を確認してください。

参考リンク

編集: AI Play 編集部　最終更新: 2026-10-25