中分類10「AI 利活用」は第3章の重点分野で、原則及び指針、識別 AI、生成 AI、AI エージェントの四つの小分類から成ります。この節では前半の二つ、国の原則やガイドラインと、判定や予測を行う識別 AI を扱います。DM では AI を作る側ではなく業務で使う側の立場から、「何のために使い、人がどう関わるか」が問われます。
この節の用語(小分類ごと)
AI 利活用の原則及び指針
- 人間中心の AI 社会原則: 2019 年 3 月に政府(統合イノベーション戦略推進会議)が決定した、AI と社会の関わり方の原則。基本理念として、人間の尊厳、多様性・包摂性、持続性の三つの価値を掲げる。
- AI 社会原則: 基本理念を実現するための七つの原則。人間中心、教育・リテラシー、プライバシー確保、セキュリティ確保、公正競争確保、公平性・説明責任及び透明性、イノベーション。人間中心の原則は、AI をどう使うかの判断と決定を人が行い、結果の責任を関係者が適切に分担して負うことを求める。
- AI-Ready な社会: AI を有効かつ安全に使えるよう、人、社会システム、産業構造、イノベーションシステム、ガバナンスの面で設計し直された社会。「人」には、AI の長所・短所やデータの偏りを理解する力が求められる。
- AI 事業者ガイドライン: 総務省と経済産業省による、法的拘束力のないソフトロー。現行は 2026 年 3 月の第 1.2 版。AI に関わる主体を AI 開発者、AI 提供者、AI 利用者に分け、それぞれが取り組むことが望ましい事項を示す。罰則や国への報告の義務はない。
業務で外部の AI サービスを使う部門は、多くの場合 AI 利用者に当たります。提供者が定めた利用上の留意点を守り、提供者が想定した範囲で使うことが求められます。
識別 AI 利活用
- 識別 AI: 過去のデータから学んだパターンを基に、入力が属する区分を判定したり、数値を予測したりする AI。不良品の判定、与信の審査、需要予測など。新しい文章や画像を作り出すのは生成 AI、専門家の知識を規則として当てはめるのはエキスパートシステムなどのルールベースの仕組み。
- 識別 AI の利活用目的: シラバスは仮説検証、知識発見、原因究明、判断支援、活動代替を挙げる。立てた仮説をデータで確かめるのが仮説検証、データから想定していなかった規則性を見つけるのが知識発見、解約などの事象の要因を突き止めるのが原因究明。AI のスコアを判断材料にして人が決めるのが判断支援、目視検査のような作業そのものを AI に任せるのが活動代替。
- 教師あり学習による予測: 入力の項目と正解(実績)の組を学び、新しい入力に対する値を予測する。来月の販売数を予測するなら、過去の各月の価格や販促の有無と、実際の販売数を対応付けたデータを十分な期間分そろえる。予測の時点では手に入らない値(予測する月の実績から計算した値など)を入力に含めると、学習時だけ精度が高く見える(データリーケージ)。
- 教師なし学習によるグルーピング: 正解を与えずに、似たデータどうしをまとめる。購買傾向による顧客のクラスタリングなど。各グループが業務上何を意味し、どの施策に使えるかは示されないので、業務を知る担当者が読み解く。
- 強化学習による意思決定の支援: 試行を繰り返し、得られる報酬が最大になる行動の方策を学ぶ。実際の業務で試行するとリスクやコストが大きい場合は、シミュレーションの環境を用意して学ばせる。
識別 AI は過去の傾向を前提にするので、市場環境が大きく変わったら予測の精度を確かめ、必要なら学習し直します。業務に使う前には、誤った判定が起きたときの影響を見積もっておきます。
試験で問われる観点
- 基本理念(人間の尊厳、多様性・包摂性、持続性)と七つの原則の区別。「人間中心」や「公平性」は原則の名称で、基本理念ではない。
- AI-Ready な社会と、サイバー空間とフィジカル空間を融合させる Society 5.0、AI が人の知能を超える転換点のシンギュラリティの取り違え。
- AI 事業者ガイドラインの主体ごとの取組。学習データの見直しと再学習は開発者、誤用を防ぐ仕組みの組込みは提供者、想定された範囲内での利用は利用者。
- AI の判定について顧客から説明を求められたら、利用した部門が提供者の支援を得て応える。提供者に任せきりにする対応は誤り。
- 活用例から利活用目的を判定する問題。人が最終決定するなら判断支援、作業そのものを任せるなら活動代替。
- 識別 AI を業務に使う前に、判定の基準値や人が確認する範囲を決めておく。教師なし学習の結果も、解釈は担当者が行う。
関連する節
- AI 利活用(2)生成 AI・AI エージェント: RAG、プロンプト、ガードレール
- 情報倫理・AI 倫理: AI ガバナンスと、AI の出力の誤りや偏り
- データ分析・データ利活用: 相関と因果やバイアスなど分析の基本
- データ品質管理: データ品質特性とデータプロファイリング
- より深く学ぶなら: PD 参考書「AI 利活用」: ISO/IEC 42001 や AISI を含む、プロフェッショナルデジタルスキル試験の範囲