AI 時代の GIS データ設計: メタデータが “答え” を決める

はじめに (エージェント型マッピング アプリとメタデータ)

エージェント型マッピング アプリは、ユーザーが自然言語で入力した質問を理解し、適切な GIS データを自動的に選択・分析して回答を返す、新しいタイプの GIS アプリケーションです。

このアプリは、「どのレイヤーを使うか」「どのフィールドが質問に対応するか」「空間フィルターが必要か」といった判断を、すべてデータに付与されたメタデータをもとに行います。

そのため、エージェント型マッピング アプリにおいては、従来以上にメタデータの質が、アプリの回答精度や有用性を左右する重要な要素となります。本記事では、エージェント型マッピング アプリがメタデータに強く依存する理由と、効果的に GIS データを活用するためのメタデータの作成方法について説明します。

エージェント型マッピング アプリがメタデータに依存する理由

エージェント型マッピング アプリは、自然言語での質問を解釈し、使用するフィーチャ レイヤーやフィールドを自動的に判断します。

エージェントによる判断は、フィーチャ レイヤーの名前、概要、説明、タグ、フィールド定義といったメタデータを検索・参照することで行われます。これが、エージェント型マッピング アプリがメタデータに依存する理由です。また、大規模言語モデル (以下 LLM) が理解しやすく、かつアクセスしやすいメタデータであることも重要です。

処理の具体例

例えば、次のような質問が入力されたとします。

新宿御苑で、直径が 50cm 以上の枯れたカエデの木はありますか？

この場合、エージェント型マッピング アプリの処理は、概ね次のように進みます。

1. 質問内容を (LLM が) 解析します。
2. フィーチャ レイヤーのメタデータ (名前、概要、説明、タグ、フィールド) を検索し、関連するレイヤーを特定します。
3. 空間フィルターが必要と判断した場合、補助的なポリゴン (境界) レイヤーの利用を提案します (例: 新宿御苑のエリアを示すレイヤー)。
4. 樹種、状態、直径、位置などの条件に対応する属性クエリーを実行するため、最適なフィールドを選択します。
5. クエリーを実行し、結果をもとに回答を生成します。
   はい、新宿御苑には直径 50cm 以上の枯れたカエデの木が 4 本あります。

このように、エージェント型マッピング アプリの処理はメタデータを前提としており、その内容が回答精度に直接影響します。

エージェント型マッピング アプリで重要となるメタデータ

エージェント型マッピング アプリを効果的に活用するためには、データセットに以下の要素が含まれていることが重要です。

• ArcGIS で必須のメタデータが設定されていること
• エージェント型マッピング アプリ向けの、簡潔で意味が明確なメタデータであること
• フィールドの用途や意味が、LLM が解釈できる形で記述されていること

これらが整備されていることで、エージェント型マッピング アプリは適切なデータ選択とクエリー構築を行えるようになります。

ArcGIS Online でのメタデータの入力

データセットに以下のメタデータ項目を入力することが重要です。

データセット レベルのメタデータ

これらは、ArcGIS Online のアイテム概要ページで編集します。

• サマリー
• 説明
• タグ
• 利用規約
• 使用許諾

フィールド レベルのメタデータ

これらは、ArcGIS Online のアイテム詳細ページの [データ] タブで編集します。

• フィールドの説明
• フィールドの値のタイプ

メタデータの提案ツールの活用

メタデータの提案ツール (アイテム詳細アシスタント) は、データセット レベルと個々のフィールド レベルの両方で利用でき、メタデータの初期情報を入力する際に役立ちます。AI がデータセットの内容を解析し、アイテム ページ上で、タイトル、サマリー、説明、タグ、属性フィールド情報についての提案を自動的に生成します。これにより、これらのメタデータを新しく作成したり、既存の内容を改善したりできます。

アイテム詳細アシスタントは、ArcGIS Online および ArcGIS Enterprise 12.0 以降で利用可能です。

ここでは、ArcGIS Online での利用方法を示します。

利用のための事前設定についてはヘルプをご参照ください。

データセット レベルのメタデータ

ArcGIS Online のアイテム詳細ページで [提案] を実行すると、タイトル、サマリー、説明、タグに対する候補が自動生成されます。

内容を確認し、適宜修正した上で保存します。

フィールド レベルのメタデータ

フィールド レベルでは、[データ] タブの [フィールド] セクションで対象フィールドを選択し、説明と値のタイプの提案を生成します。

内容を確認し、適宜修正した上で保存します。

LLM 向けにメタデータを手動で作成・更新

LLM は人間とは異なる方法でメタデータを解釈するため、アプローチを調整する必要があります。メタデータの提案ツールを使用した場合でも、最良の結果を得るためには、フィールドのメタデータを手動で修正することが必要な場合があります。

データの微妙なニュアンスは、データ作成者自身が最もよく理解しているため、提案ツールでは情報が不足している箇所を明示的に記載することが重要です。以下に、効果的なメタデータ作成のためのガイドラインを示します。

データセット レベルのメタデータ

サマリー

簡潔に必要な情報を記載します。データセットの主題、地理的な情報、特徴的な詳細情報を含めます。

例: 2030 年までに交換予定の横浜市の信号機

説明

明確で直接的なガイダンスを記載します。具体的な言葉を使用すると効果的です。単に「何が含まれているか」を説明するのではなく、「このデータセットをどのように、いつ使うべきか」を新任の担当者に教えるメモを書くイメージです。

例:

• 「このデータセットは、愛媛県の山火事マッピングに使用します。」
• 「松山市の 2025 年国勢調査の人口統計フィールドを含みます。」

注意事項

• 受動態や複雑な時制は避けるようにします。
• HTML/CSS タグを削除します。説明を読む人間には便利ですが、自然言語を確認する LLM にとっては不要なノイズになります。
• 地理的範囲、対象エリア、フィールドの詳細を含め、LLM が適切にこのデータセットを選択できるようにします。

タグ

タグは重要なキーワードおよび場所や地理的範囲に限定します。

例:

• 交換予定の信号機: 横浜市, 交通, 計画
• 松山市の統計: 都市, 人口統計, 愛媛県

利用規約と使用許諾

簡潔に記載します。必要に応じて、データに関連する組織名を含めます。

フィールド レベルのメタデータ

フィールドの説明

フィールドの説明を具体的に記述することで、エージェント型マッピング アプリがデータの意味や文脈を正しく解釈し、適切なクエリーを生成できます。

含めるべき情報:

• 計測単位 (例: 面積 (平方メートル))
• 通貨の単位
• バイナリー フィールドの定義
• 文字列の並び順 (例: 順位や優先度)
• 日付/時間フィールドのタイムゾーン

フィールド名の例	値のタイプ	説明
river	名前またはタイトル	公式の河川名。末尾に「川」が付きます。
shape_area	計測	面積 (平方メートル)。
total_value	通貨	区画の価値 (日本円)。
funded	バイナリー	1=資金あり、-999=資金なし。
delinquency_status	番号順またはランク順	1=期限内、2=猶予、3=遅延、4=回収。
arrival_hour	日時	着金時刻 (JST)。

フィールドの値のタイプ

各フィールドの値のタイプは、エージェント型マッピング アプリが正しく解釈するために正確である必要があります。迷った場合は、この表を参考にしてください。

値のタイプ	フィールド名の例	値の例
名前またはタイトル	river	隅田川
説明	museum_comments	訪問者のコメント
タイプまたはカテゴリ	party_representation	無所属
数または量	total_population	543987
パーセンテージまたは比率	population_density	128.83
計測	acres	17
通貨	property_value	327986.00
一意識別子	parcel_id	N271937238796
電話番号	tel_num	03-3222-3941
電子メール アドレス	contact_info	metadata@esrij.com
番号順またはランク順	magnitude	高
バイナリー	water_system	「下水道」または「上水道」
位置または地名	postal_code	102-0093
座標	lat	35.67920
日時	last_updated	2026/1/1 10:00 AM

まとめ

エージェント型マッピング アプリによる GIS データの正確な理解と適切な処理のためには、データそのものだけでなく、それを説明するメタデータが不可欠です。

タイトルや説明、タグ、属性情報といったメタデータは、人が理解するための補足情報であると同時に、AI にとっては「意味を読み解くための手がかり」でもあります。アイテム詳細アシスタントのような仕組みを活用することで、メタデータ整備の負担を減らしながら、AI にとっても人にとっても使いやすい GIS データを整えることができます。

AI 時代の GIS 活用に向けて、まずはメタデータを整えるところから始めてみましょう。

---

2026年5月27日から5月29日にかけて開催されるGISコミュニティフォーラムでは、そんな AI 時代の GIS 活用に関するセッションや展示を多数行っております。

本ブログで紹介したアイテム詳細アシスタントについて詳しく知りたい方、ArcGIS で利用可能な AI アシスタント、AI エージェントについて詳しく知りたい方はぜひご参加ください。