日本語CSVデータの品質チェックCLIツール「sheetlint-jp」を開発：AI利用前のデータ安全性を確保
本記事は、Google SheetsやExcelから作成された日本語業務用CSVデータを、AI（人工知能）や自動化スクリプトに渡す前に、その破損箇所を検出するためのコマンドラインインターフェース（CLI）ツール「sheetlint-jp」の開発について報告している。筆者は、AIによるコード生成やデータ処理を依頼する際、入力となるCSV自体が既に構造的または内容的に壊れているケースが多いことに着目した。具体的には、半角・全角スペースの混在、ゼロ幅スペースの混入、ヘッダーの重複、行ごとの列数不一致、郵便番号や電話番号などの形式崩れ、金額列に「確認中」といったテキストが混ざるなど、人間には読めても機械処理では誤認識を招く様々な問題が存在する。sheetlint-jpは、これらの問題を網羅的にチェックできるMVP（Minimum Viable Product）として、空白セル検出、ヘッダー重複検出、行ごとの列数不一致検出に加え、全角・半角スペース混在、不可視文字検出、重複行検出、郵便番号/電話番号形式チェック、金額列の数値チェック、キー列の重複チェックといった高度な検証機能を提供する。利用者は`npx sheetlint-jp data.csv`のようなコマンドでローカル環境から実行でき、さらにMarkdownレポートとして出力することで、AIへの指示（プロンプト）に「このreport.mdを読んでから処理を書いてください」と組み込むことが可能である。また、本ツールはCSVの中身を外部サービスに送信しない「ローカルファースト」設計を採用しており、機密性の高い業務データを取り扱う上での安全性を重視している。
背景
近年、AIや自動化スクリプトを活用した業務効率化が急速に進む中で、最も重要なボトルネックの一つが「入力データの品質」である。特にCSV形式のデータは、人間が作成する過程で意図しない文字コードの混入や構造的な破損が生じやすく、これをそのまま機械に渡すと処理エラーや誤った結果を招くリスクが高い。
重要用語解説
- CLI: Command Line Interface（コマンドラインインターフェース）の略。GUIのような視覚的な操作ではなく、ターミナルなどの黒い画面でテキストコマンドを入力してプログラムを実行する仕組みのこと。
- ゼロ幅スペース: 目に見えないが、文字として存在する特殊な空白文字の一つ。コピー＆ペーストやデータ入力時に混入しやすく、通常の検索・置換では検出が難しく、データ処理を妨げる原因となる。
- ローカルファースト: データを外部のクラウドサービスに送信せず、利用者の自身のコンピューター（ローカル環境）内で完結させて処理を行う設計思想。機密性の高い情報を取り扱う際にセキュリティ上の懸念を最小限にするための重要な原則である。
今後の影響
本ツールは、AIや自動化システムを利用する際の「前処理」の標準的なステップを確立し、データパイプライン全体の信頼性を飛躍的に向上させる。これにより、企業はデータの品質保証にかかる工数を削減でき、より高度な業務自動化への移行が加速すると予想される。今後はXLSX対応や日本特有の住所・法人番号チェック機能の実装が期待される。