ITパスポート
第15章 AIの活用

AIの活用

AIを仕事に生かす使い方と、使うときに守ることを学びます。

教科書 4節・約20分演習問題 10問

最終更新 2026年11月18日

この章で学ぶこと
  1. AI社会原則とガイドライン人間中心のAI社会原則の基本理念と7つの原則、AI-readyな社会、AI事業者ガイドラインの対象を言える。
  2. 識別AIの活用教師あり学習・教師なし学習・強化学習を、それぞれどんな仕事に使うかで見分けられる。
  3. 生成AIの活用生成AIの活用例、マルチモーダルAI、ランダム性の制御、RAG、プロンプトエンジニアリングを見分け、答えを確かめて使える。
  4. AIエージェントAIエージェントの特徴と、自律性と人間の関与、ガードレールを説明できる。

1AI社会原則とガイドライン

AIと共に生きる社会のために国が定めた考え方(人間中心のAI社会原則)と、AIを使える社会(AI-readyな社会)、AIに関わる事業者の指針(AI事業者ガイドライン)を学びます。

人間中心のAI社会原則

AIはとても便利ですが、使い方を誤ると、人を差別したり、人の判断を奪ったりするおそれもあります。そこで日本の政府は、2019年に、AIを社会で使うときに守るべき考え方をまとめました。これを人間中心のAI社会原則といいます。目指す社会の姿として、次の3つの基本理念を掲げています。

  • 人間の尊厳が尊重される社会
  • 多様な背景を持つ人々が、多様な幸せを追求できる社会(多様性・包摂性)
  • 持続性ある社会

そして、そのような社会を作るために、社会(特に国などの立法・行政)が守るべき原則として、次の7つのAI社会原則を挙げています。

人間中心の原則
AIは人の能力を広げるために使い、人が自分で決めることを妨げない。
教育・リテラシーの原則
誰もがAIを正しく理解し、使えるように教育する。
プライバシー確保の原則
AIが個人のデータを使うときに、個人の権利を守る。
セキュリティ確保の原則
AIを安全に使えるように、危険に備える。
公正競争確保の原則
一部の会社や国だけがAIの力を独り占めしないようにする。
公平性、説明責任及び透明性の原則
AIが人を不当に差別しないようにし、AIの判断の理由を説明できるようにする。
イノベーションの原則
AIを使った新しい技術やサービスが生まれ続けるようにする。

基本理念は「どんな社会を目指すか」、AI社会原則は「そのために何を守るか」を表します。

AI-readyな社会

人々や会社、社会のしくみが、AIを使いこなす準備ができている状態の社会をAI-readyな社会といいます。たとえば、働く人がAIを正しく使う力を持ち、会社がAIを生かせるように仕事の進め方やデータを整えている、といった状態です。

AI事業者ガイドライン

AIに関わる事業者が、それぞれの立場で取り組むことをまとめた国(総務省・経済産業省)の指針をAI事業者ガイドラインといいます。AIを作る事業者(AI開発者)、AIを組み込んだサービスを出す事業者(AI提供者)だけでなく、AIを仕事に使うだけの事業者(AI利用者)も対象です。AIを使って仕事をする会社も、このガイドラインに沿って、安全で公平な使い方に取組みます。

人間中心のAI社会原則AIを社会で使うときに守るべき考え方として、日本の政府がまとめたもの。3つの基本理念と7つのAI社会原則を示している。AI-readyな社会人々や会社、社会のしくみが、AIを使いこなす準備ができている状態の社会。AI事業者ガイドラインAIの開発者・提供者・利用者が、立場ごとに取り組むことをまとめた国の指針。

2識別AIの活用

データをもとに見分けたり予測したりするAI(識別AI)を、どんな仕事に使うかを、学び方(教師あり学習・教師なし学習・強化学習)ごとに学びます。

識別AIと機械学習

データをもとに、ものを見分けたり、先のことを予測したりするAIを識別AIといいます。識別AIは、たくさんのデータからコンピュータが自分で決まりを見つける方法で作られます。この方法を機械学習といいます。機械学習の学び方は、教師あり学習・教師なし学習・強化学習の3つに分けられます。学び方によって、得意な仕事が違います。くわしいしくみは、第21章「AIの技術」で学びます。

教師あり学習による予測

答え(正解)の付いたデータから学んで、新しいデータの答えを予測する学び方を教師あり学習といいます。正解を教える先生(教師)がいるような学び方です。次のような予測に使います。

売上予測
過去の売上と、天気・曜日などのデータから、明日の売上を予測する。
成約予測
過去の商談の記録から、この商談がまとまるかを予測する。
離反予測
過去にやめた客のデータから、どの客がこの先やめそうかを予測する。

教師なし学習によるグルーピング

答えの付いていないデータから、似たもの同士を集めてまとまり(グループ)を作る学び方を教師なし学習といいます。次のようなグループ分けに使います。

顧客セグメンテーション
買い物の記録が似ている客を集めて、客をいくつかのまとまりに分ける。
店舗クラスタリング
売れる商品や客層が似ている店を集めて、店をいくつかのまとまりに分ける。

強化学習による支援

試して、結果のよし悪しに応じた点数(報酬)を受け取ることをくり返し、点数がいちばん多くなるやり方を身につけていく学び方を強化学習といいます。たとえば、配車のルートを何度も試して、時間が短いほど高い点数を与えると、いちばん早く回れるルートを見つけられます(配車ルートの最適化)。倉庫のロボットに、荷を運ぶ道を身につけさせることにも使います。

正解の付いたデータから予測するなら教師あり学習、正解のないデータからまとまりを作るなら教師なし学習、試して点数を得ながらやり方を身につけるなら強化学習です。

教師あり学習やめた続けたやめた続けた新しい客を予測正解の付いたデータから学ぶ教師なし学習似たものでまとまり正解のないデータから分ける強化学習AIまわり(例:店)①試す②結果と点数①②をくり返し、点数が多くなるやり方を身につける
機械学習の3つの学び方

図の左は、正解(やめた・続けた)の付いたデータから学ぶ教師あり学習、まん中は、正解なしに似たもの同士を囲む教師なし学習、右は強化学習です。AIが、まわり(例えば店)で①試し、②その結果と点数(報酬)を受け取ります。これをくり返して、点数が多くなるやり方を身につけます。正解は教わらず、点数だけを手がかりにする点が、教師あり学習と違います。

教師あり学習正解の付いたデータから学んで、新しいデータの答えを予測する学び方。売上予測などに使う。教師なし学習正解の付いていないデータから、似たもの同士を集めてまとまりを作る学び方。顧客セグメンテーションなどに使う。強化学習試して、結果に応じた点数(報酬)を受け取りながら、点数が最も多くなるやり方を身につける学び方。

3生成AIの活用

文章や画像を作るAI(生成AI)の使い道と、文章や画像をまとめて扱うAI(マルチモーダルAI)、答えのばらつきの調整(ランダム性の制御)、社内の資料を使って答えさせるしくみ(RAG)、頼み方の工夫(プロンプトエンジニアリング)、答えの確かめ方を学びます。

生成AIとその活用例

人が書いた頼み(プロンプト)に応じて、文章・画像・動画・音声などを新しく作り出すAIを生成AIといいます。仕事では、次のような使い道があります。

文章の添削・要約
書いた文章のまちがいを直してもらう、長い文章を短くまとめてもらう。
アイディアの提案
新しい商品の名前やイベントの案などを、たくさん出してもらう。
静止画・動画・音声の生成
チラシの絵、説明の動画、案内の音声などを作ってもらう。
情報収集
調べたいことについて、情報を集めて整理してもらう。
複数の生成AIを用いた検証
同じ問いを別々の生成AIに頼み、答えを比べて、まちがいや偏りに気づく。

元の文章を直す・短くするのは文章の添削・要約、新しい案をたくさん出してもらうのはアイディアの提案です。

マルチモーダルAI

文章だけ、画像だけでなく、文章・画像・音声など、種類の違うデータをまとめて扱えるAIをマルチモーダルAIといいます。たとえば、店の棚の写真を見せて「この棚で足りない商品を教えて」と文章で頼むと、写真と文章の両方を読み取って答えます。

ランダム性の制御

生成AIは、同じ頼みでも、毎回少しずつ違う答えを返します。答えのばらつきの大きさは、設定で変えられます。これをランダム性の制御といいます。案をたくさん出してもらうときは、ばらつきを大きくして、多様な答えを出させます。決まった案内の文を作るときは、ばらつきを小さくして、毎回そろった答えを出させます。

RAG

生成AIは、学んだときより新しいことや、会社の中だけの情報は知りません。そこで、頼みに関係する資料を社内の文書などから探し出し、その内容を生成AIに渡して答えさせるしくみをRAG(検索拡張生成)といいます。たとえば、社内の規則の文書を使って、社員の質問に答えさせることです。RAGを使うと、会社の資料にもとづいた答えが得られます。

社員RAGのしくみ生成AI社内の文書①質問②関係する資料を自動で探す③見つけた資料④質問+資料⑤資料にもとづく答え
RAG:資料を探して、質問に添えて渡す

社員がするのは、①で質問することだけです。②③で、RAGのしくみが、質問に関係する資料を社内の文書から自動で探して受け取り、④で、質問と見つけた資料をいっしょに生成AIに渡します。生成AIは、渡された資料にもとづいて⑤で答えるので、学んだときには知らなかった社内の決まりにも答えられます。

プロンプトエンジニアリング

生成AIからよい答えを引き出すために、頼み方(プロンプト)を工夫することをプロンプトエンジニアリングといいます。たとえば、「何のために使うか(目的)」「守ってほしい条件」「答えの形(箇条書きで5つ、200字以内、など)」を具体的に書きます。

生成AIの答えを確かめる

生成AIは、もっともらしい文章で、まちがったことを答えることがあります。これをハルシネーションといいます。答えがそれらしく、いくつかの生成AIで答えがそろっていても、正しいとは限りません。生成AIの答えは下書きとして使い、事実は、元の情報(公式の案内や資料など)で確かめてから使います。

マルチモーダルAI文章・画像・音声など、種類の違うデータをまとめて扱えるAI。RAG(検索拡張生成)頼みに関係する資料を探し出し、その内容を生成AIに渡して答えさせるしくみ。プロンプトエンジニアリング生成AIからよい答えを引き出すために、目的・条件・答えの形などを具体的に書いて、頼み方を工夫すること。

4AIエージェント

目標を伝えると、自分で計画して作業を進めるAI(AIエージェント)と、AIに任せる範囲と人が関わる所(自律性と人間の関与)、AIの行動に設ける歯止め(ガードレール)を学びます。

AIエージェント

生成AIは、1回の頼みに1回答える使い方が基本です。これに対して、目標を伝えると、自分で作業の計画を立て、調べる・選ぶ・書類を作るといった複数の作業を、検索・予約サイト・表計算などの道具(ほかのソフトウェアやサービス)を使いながら進めるAIをAIエージェントといいます。たとえば、「来月に30人で泊まりたい」と伝えると、宿を調べ、条件で選び、予約の案を作るところまで進めます。

自律性と人間の関与

AIエージェントが人の指示を待たずに自分で判断して進める度合いを、自律性といいます。自律性が高いほど人の手間は減りますが、AIがまちがえたときの影響も大きくなります。そこで、任せる作業の中に、人が確かめて承認する所を置きます。これを人間の関与といいます。特に、支払い・送信・削除のような、元に戻せない作業の前には、人が中身を確かめて承認する所を置きます。たとえば、AIエージェントが注文書を作った所でいったん止め、人が中身を確かめてから注文を送らせます。

ガードレール

AIエージェントが、安全・倫理・法令から外れた行動をとらないように、行動に前もって制限をかけておくしくみをガードレールといいます。道路のガードレールのように、決めた範囲から外れないようにします。ガードレールには、次のような配慮が含まれます。

安全性への配慮
危ない操作や、決めた範囲の外の操作をさせない。会社が契約した予約サイトの外では予約させない
倫理的配慮
人を差別したり、傷つけたりする答えや行動をさせない。客の性別や年齢で、案内する値段を変えさせない
法令順守
法律に反する行動をさせない。個人情報を、本人の同意なく外に送らせない
AIエージェント目標を伝えると、自分で作業の計画を立て、複数の作業を道具を使いながら進めるAI。人間の関与AIに任せる作業の中に、人が確かめて承認する所を置くこと。元に戻せない作業の前に置く。ガードレールAIが安全・倫理・法令から外れた行動をとらないように、前もって行動に制限をかけておくしくみ。
参考にした資料

IPA、ITパスポート試験 シラバス(案)Ver.0.1(大分類2 中分類10 AI利活用)。内閣府、人間中心のAI社会原則(2019年)。総務省・経済産業省、AI事業者ガイドライン。

問題で確かめる

次の章:第16章 デジタルサービスとツール(約30分) →