実際の学習の前に、設計書(データ仕様・評価計画・コスト)を固めます。設計が固まると、学習自体は半日の作業になることが多いです。
「いつも・どんな形で・何をしないか」。あいまいさを残さないことが最重要です。
入力に含める要素、出力の形式と文字数、拒否すべき入力の例を定義します。
既存のメール・チャット・ドキュメントから、使えるペアになりそうなものをリストアップします。
集めたデータの 1 割を「学習に使わない検証用」として分けます。ここが後で効きます。
まず 100〜300 件のペアで試し、基準モデルとの比較で効果を見ます。