・英語による用語：Data Labeling / Annotation
・用語カテゴリ：技術用語
・日本語読み：データラベリング（アノテーション）
・種別：学習データ整備
・位置づけ：学習用データに正解や意味を付与する作業
・関連：RLHF ／ ファインチューニング ／ ディープラーニング ／ 評価
・備考：学習データに正解ラベルや意味情報を付与する作業。AIの性能を支える土台。
Data Labeling（データラベリング）とは？AIの学習を支える土台作業
Data Labeling（データラベリング／アノテーション）とは、AIの学習に使うデータに対して、「これは猫の画像」「この文章は肯定的」といった正解となるラベルや意味情報を人手で付与していく作業です。教師あり学習では、この正解付きデータがモデルの品質を決める土台になります。
生成AIの分野でも、データラベリングは重要な役割を担います。モデルの出力を人間が評価してランク付けするRLHF（人間のフィードバックによる強化学習）や、ファインチューニング用の高品質なデータ作成、AIの性能評価（Evaluation）など、多くの工程が人間による判断・注釈に支えられています。
実務上の課題は、品質とコストの両立です。ラベルの基準が曖昧だと作業者ごとに判断がぶれ、モデルの学習に悪影響を及ぼします。明確なガイドライン、作業者の教育、複数人による検証といった品質管理が欠かせません。近年はAIを使って下書きラベルを付け、人間が確認・修正する半自動的な手法も広がっていますが、最終的な品質を担保する人の目は依然として重要です。
