STUDY QUEST / ITパスポート / 第5章 ビジネスインダストリ
ITパスポート 5-2 AIの利活用とIoTシステム
売り場のAIと冷蔵庫の遠隔監視を例に、教師あり学習・ハルシネーション・センサー・組込み制御を図と例題で学びます。
スタディクエスト編集部 · 公開日 2026年11月3日 · 更新日 2026年11月3日 · 学習用の架空事例
AIの利活用 分類する、予測する、案内を作る
学園祭の売り場で、写真から商品の種類を判別する、過去の販売記録から翌日の販売数を予測する、案内文のたたき台を作る。どれもAIの活用例ですが、担当させる仕事が違います。まず入力に何を渡し、出力から何を判断したいかを考えます。
用途と入力・出力をセットで覚えます。写真と文章を扱う仕組みはマルチモーダルで、生成AIと重なることがあります。
特化型AIは画像分類や需要予測など、特定の課題を扱うシステムです。汎用AIは幅広い課題を横断して対応できる知能の考え方で、対話画面で多くの話題を扱えることだけで達成したとは言えません。生成AIは文章・画像などを生成します。マルチモーダルAIは文章や画像など異なる種類の情報を扱うので、写真と文章から説明文を生成する仕組みは両方の特徴を持てます。
教師あり、教師なし、強化学習を見分ける
同じ模擬店のデータでも、学習時に渡すものが違います。実際の売上など答えと組にして傾向を学ばせるのは教師あり学習。答えのラベルなしで似た注文をまとめるのは教師なし学習。行動の結果に応じた報酬を使い、将来まで考えて望ましい行動の選び方を学ぶのは強化学習です。
「予測・分類・制御」という見た目だけで選ぶ前に、学習時に与える情報を見ます。強化学習の例は台車のシミュレーションです。
翌日の販売数を予測するなら、その時点で知ることができる情報を入力にします。当日の閉店時点の売上を予測の入力に混ぜると、試しに出した成績が良くても本番で使えません。過去の日付で学習し、後の日付で試すなど、学習用と評価用を分けます。
人間中心のAI 出力をどこで確かめるか決める
店の閉店時刻を、生成AIが本当らしい文章で誤って書くことがあります。こうした事実に反する出力はハルシネーションの例です。公式の当日表や担当者の確認をもとに修正します。同じ依頼でも生成結果は変わり得るので、文面だけで判断せず根拠を開きます。
HITLは、人が判断の流れに入り介入する考え方です。この例では担当者が確認し、修正や差し戻しを決めます。
XAI(説明可能なAI)は、予測にどんな要因が影響したかを理解しやすくする考え方です。たとえば雨天やイベント時刻が売上予測を押し下げたと示せても、それだけで原因と証明できるわけではありません。HITL(ヒューマンインザループ)では、例外を人が見直し、修正や取り消しをできるように運用へ組み込みます。
平均だけで決めず、使う場面ごとに確かめる
午前の記録に偏った学習データを使うと、午後の注文を扱う場面で成績が落ちる可能性があります。入力の偏りや評価の設計、モデルや運用ルールを調べます。例えば別に用意した検証データで「5分以内に受け取れるか」を予測し、実際に一致した件数を時間帯で比べます。
同じ20件ずつの仮の検証結果です。時間帯で正解率を分けると、まとめた70%では見えにくい弱点に気付けます。この差だけで原因は決められません。
| 観点 | 公開・利用前に確かめること |
|---|---|
| 安全性・人間中心 | アレルギー案内は食材表と照合し、担当者が確認できない場合は保留する。 |
| 公平性 | 時間帯や客層ごとに結果を見て、どの場面で誤りが増えるか確かめる。 |
| 透明性・説明責任 | 何にAIを使ったか、誰が確認し、誤りがあればどこへ連絡するかを示す。 |
| プライバシー・権利 | 予約者の連絡先や第三者の著作物を、必要性や利用条件を確認せず入力しない。 |
実在人物の声や映像らしく見せるディープフェイクも、出所や内容を別の資料で確認します。「AIが答えた」ことと「公開内容に根拠があり、誰が責任を持つか説明できる」ことを分けます。
IoTと組込みシステム 冷蔵庫を測る、知らせる、動かす
離れた場所から冷蔵庫の状態を確認する例で考えます。IoT(モノのインターネット)は、身の回りの機器などをネットワークにつないでデータをやり取りし、監視や制御などに生かす考え方です。温度を取得するのはセンサー。この店の例では、ゲートウェイを経由してクラウドに送り、範囲を外れたときに担当者へ知らせます。
測定するセンサーと、機器を動かすアクチュエータを分けます。この図の通知は見張る機能で、冷蔵庫の制御とは別の流れです。
アクチュエータは制御信号を物理的な動きに変える装置です。たとえば制御装置の信号で回るファンのモーターです。組込みシステムは家電や機械の中に組み込まれ、製品の機能を担います。炊飯器が測温し、ヒーターを調整する例なら、ネットに接続しなくても組込みシステムとして働けます。
図は庫内制御が単独で動く設計を仮定しています。通信が必要な機能と機器内で完結する機能を切り分け、スマホでは最後の受信時刻も見ます。
クラウドへの通信が止まると、最後の温度がそのまま画面に残ることがあります。現地の表示と最終受信時刻を照合し、古い値が正常に見える設計を避けます。通知用のネットワークが止まっても現地で確認できるようにし、初期パスワードの見直しやソフト更新、必要な接続先の制限も検討します。
スマートメーターは電力などの使用量を計測し、通信機能を持つ計量器です。HEMSは家庭のエネルギーの見える化や機器の制御を行う仕組みです。測定する機器と、複数の機器や使用量を管理する仕組みを区別します。腕時計型のウェアラブル端末や音声で操作するスマートスピーカーも、ネット接続や処理を組み合わせる応用例です。
身近な応用 会場案内と会場までの移動
同じ会場の案内でも、いま見ている風景に案内を重ねるAR(拡張現実)と、作った仮想会場の中を体験するVR(仮想現実)では見えている世界が異なります。MR(複合現実)の例として、現実の机や床を認識し、仮想の看板をその場に置いたように見せる装置があります。
ARとMRの境界は機器や用語の使い方によって重なることがあります。この比較では、現実空間に仮想物の位置を合わせる例をMRとして扱います。
コネクテッドカーは通信で外部とつながる車です。自動運転は、周囲の情報などに基づいて運転操作をシステムが担う仕組みで、どこまで担うかはレベルや走行条件で変わります。通信だけで自動運転とは判断できません。MaaSは車両の機能ではなく、電車やバスなど異なる移動サービスを組み合わせ、検索・予約・決済などをまとめて提供する考え方です。
車が通信すること、車が走行を制御すること、利用者が乗り継ぎをまとめて手配することは、それぞれ別の論点です。
CASEは自動車分野の動向を、つながる車(Connected)、自動運転(Autonomous)、共有・サービス(Shared & Services)、電動化(Electric)の四つで捉える言葉です。スマホで会場行きの電車とバスをまとめて手配する事例はMaaS、車そのものの動向を四つに整理した話はCASEと、問われている対象を確認します。
解説つきの自作例題6問
まず自分で選び、解答を開いて、判断に使った条件を確かめます。
第1問 正解つきの記録で時間を予測
過去の注文内容に実際の受取所要時間を組み合わせ、初めての注文でも時間を見積もれるように学ばせます。どの学習方法ですか。
第1問の解答と解説
イ 教師あり学習
注文情報に、学習で目標にする実績の時間が付いています。正解を付けずに似た注文にまとめるなら教師なし学習です。
第2問 閉店時刻を確かめる
AIは17時までと回答し、主催者の当日表は16時までとしています。案内の担当者はどう判断しますか。
第2問の解答と解説
ウ 当日表の対象日・会場を照合し、必要に応じ主催者へ確認して修正
一次資料が示す日時と会場を確認し、必要なら主催者に問い合わせます。AIの回答を再現できても、事実の裏付けにはなりません。
第3問 全体の成績に隠れた違い
20件ずつ検証し、午前は18件、午後は10件が正解でした。データから言えることはどれですか。
第3問の解答と解説
イ 午前90%と午後50%で差があり、原因の特定には追加確認が要る
午前は18 ÷ 20 = 90%、午後は10 ÷ 20 = 50%。全体は28 ÷ 40 = 70%ですが時間帯の差を隠します。データの分布、評価方法、運用条件を追加で調べます。
第4問 冷蔵庫の中で実際に動くもの
測った温度に応じて制御装置が信号を出し、ファンが回ります。制御信号を物理的な動作に変えるのはどれですか。
第4問の解答と解説
ウ ファンのモーター
ファンを回すモーターがアクチュエータです。センサーは測る側、ゲートウェイは通信を中継する側、クラウドはこの例では記録する側です。
第5問 通知が止まったときに何が分かるか
冷却は庫内で完結する設計です。スマホに14時10分の温度が出たまま、15時を過ぎても更新されません。適切な確認はどれですか。
第5問の解答と解説
エ 最終受信時刻、現地の温度表示、通信状態を確かめる
最後のデータは現在の温度と限りません。遠隔監視の停止と、庫内で動く制御の故障は切り分けて調べます。
第6問 会場までの乗り継ぎをまとめる
自宅から会場まで、鉄道とバスを組み合わせて検索し、同じ窓口で予約と決済をします。中心となる考え方はどれですか。
第6問の解答と解説
ア MaaS
複数の移動手段の検索・予約・決済を一つにつないでいるのでMaaSです。自動運転は車両の走行操作に関する技術です。
AIの学習と推論、IoTで求められる応答を分ける
図書館の落とし物を写真で分類する場合と、機器を動かして制御する場合を比べます。どちらもデータを使いますが、何を学習し、どの判断を人が確認するかが違います。
この図と例題はStudy Quest編集部の自作です。場面と数値は架空です。
| 用語 | 意味と使う場面 |
|---|---|
| 画像認識・機械学習 | 既知の分類を付けた写真でモデルを学習し、未見の写真の種類を推定する。認証で画像を使っているだけでは、その記述から学習の有無は判断できない。 |
| ニューラルネットワーク・活性化関数 | ノードは入力の重み付き和などを計算し、活性化関数で出力を変換する。非線形な関数を使うことで複雑な関係を表せる。 |
| 生成AIを使う開発 | テストケース案やコード案を作るなど、入力から新しい内容を生成する。決めたテストを順に実行する自動化とは別の働き。案は担当者が条件と安全性を確認する。 |
| アルゴリズムのバイアス・説明可能性 | 学習データや設計の偏りで特定の群に誤りが集中することがある。全体平均だけでなくグループ別に確認し、判断理由を説明できるかを考える。 |
| オプトアウト・利用条件 | 入力を学習利用から外す設定がある場合、何が対象かを提供元の規約で確認する。データの保存や外部提供の可否は別に確認する。 |
| マシンビジョン・スマート農業 | カメラで部品の欠けを検出する仕組みや、温湿度を測って水やりを調整する活用。測定と判断と制御の順に追う。 |
| リアルタイム性・民生機器・産業機器 | リアルタイム性は定められた時間までに応答すること。民生機器は一般利用者向け、産業機器は業務・産業用途向けで、用途ごとに求められる安全性や環境条件が異なる。 |
補足の自作例題
図書館が傘・手袋・本の写真を分類したいとします。新しい写真に対応するための「学習」と「推論」の例を一つずつ挙げてください。
解答と考え方を開く
学習は既に種類を付けた写真でモデルを調整すること。推論は調整したモデルに未知の写真を入れて種類を推定することです。間違えやすい種類は別に評価します。
| 用語 | 意味と使う場面 |
|---|---|
| 基盤モデル・ディープラーニング | 広いデータで学習し、さまざまな用途に適応できるモデルが基盤モデル。ディープラーニングは多層のニューラルネットワークで学習する方法。 |
| LPWA・エッジコンピューティング | 少ない電力で比較的長い距離を通信できる方式の総称と、データが生まれる機器や近くの装置で処理する考え方。 |
| ウェアラブル端末・アクティビティトラッカ | 身に着ける端末のうち、歩数などの活動量を測って記録する機器がアクティビティトラッカ。測定値の意味と用途を区別する。 |
| スマートファクトリー・ワイヤレス給電 | 工場でデータを使って工程を管理・改善する取組と、ケーブルで直接つながず電力を伝える仕組み。 |
2026年11月3日照合。
AIの原則を、使う前・使っている間・使った後で考える
架空の場面を使った編集部の図解です。
| 用語 | 身近な例で確かめる |
|---|---|
| 人工知能 | 認識、予測、推論、生成など、人の知的な活動に関わる処理を機械で実現する技術の総称。 |
| AI利活用ガイドライン | 総務省の研究会が2019年にまとめた、AI利用時の留意事項と原則。ここでは教科書の10原則を区別する。 |
| 人工知能学会倫理指針 | 研究者・技術者などの社会に対する責任や法令の遵守などを示す学会の指針。 |
| 人間中心のAI社会原則 | 日本でまとめられた、人間の尊厳、多様性と包摂、持続可能性などを土台とする原則。 |
| 信頼できるAIのための倫理ガイドライン | 欧州委員会が設置した専門家グループの文書。人の監督、透明性などの要件を示す。 |
| 連携の原則 | AIやネットワークがつながる際、関係者が連携できるよう互換性などを考える。 |
| 適正利用の原則 | 能力と限界を理解し、用途や条件に沿って使う。予約案内に使うAIに本人確認の最終判断を任せるかは別途検討する。 |
| 適正学習の原則 | 学習に用いるデータの質や取扱いに注意する。古い営業時間の記録をそのまま学ばせない。 |
| 安全の原則 | 生命・身体・財産などへの危害を防ぐ。誤作動が起きたら利用を止められるようにする。 |
| セキュリティの原則 | 不正アクセスや改ざんなどからAIを守る。学習データの編集権限を絞る。 |
| プライバシーの原則 | 本人の情報の扱いに配慮する。案内の学習に必要のない来館者名を使わない。 |
| 尊厳・自律の原則 | 人の意思決定を尊重する。利用者が提案を拒否し、職員に相談できる経路を用意する。 |
| 公平性の原則 | 不当な差別や偏りを防ぐ。利用者の属性ごとに誤りの傾向を確かめる。 |
| 透明性の原則 | 判断の記録や説明可能性に配慮する。どのデータや処理で結果を得たかを追えるようにする。 |
| アカウンタビリティの原則 | 関係者が役割に応じた説明責任を果たす。問い合わせを誰が受け、事故後に誰が説明するかを決める。 |
| AIアシスタント | 質問への回答や操作などを補助するAI。誤り得るので、営業時間は公式案内で確かめる。 |
| トロッコ問題 | 被害を避ける選択が別の被害を招く場面を考える倫理の思考実験。技術の性能だけで結論は出ない。 |
解説つきの自作例題
図書館の案内AIが開館時間を誤答した。参照したデータを追えるようにすることと、誰が利用者に説明するかを決めることは、それぞれどの原則?
解答と解説
参照したデータを追えるようにするのは透明性、説明する役割を決めるのはアカウンタビリティです。個人情報の公開は別途制限します。
確認資料 IPA試験シラバス、経産省 国内AIガイドラインの記載内容、人工知能学会 倫理指針、政府答弁書 人間中心のAI社会原則の説明、欧州委員会 信頼できるAIの倫理ガイドライン
現実に重ねる表示と、自動で動く仕組み
架空の場面を使った編集部の図解です。
| 用語 | 身近な例で確かめる |
|---|---|
| ロボット | センサー、制御、駆動部などを組み合わせ、物理的な作業を行う機械。書籍を運ぶ台車などが例。 |
| ロボティクス | ロボットの設計、制御、応用などを扱う技術分野。 |
| スマートシティ | データや技術を使って都市の課題を解き、暮らしや都市サービスを改善する取組。 |
| スマートグラス | 視界での情報表示や撮影など、電子機能を持つ眼鏡型の機器。 |
| ARグラス | 現実の視界に案内や記号を重ねる機器。会場で進行方向を表示する例。 |
| MRグラス | 周囲の形や位置を認識し、仮想物体を現実空間の位置に結び付けて表示・操作する例がある。 |
| 自動運転レベル | 運転操作や異常時の対応を誰が担うかを段階で表す。レベル3は条件付きでシステムが運転し要請時は運転者が対応。レベル4は限定領域内でシステムが異常時対応も担う。 |
解説つきの自作例題
決められたルートを走る車が、走行できる条件の範囲内で異常時にも自ら安全に停止する。条件付きで運転者に対応を求める段階と、どこが違う?
解答と解説
設定された範囲内でシステムが異常時の対応を担う点が、レベル4の説明に対応します。限定条件のない自動運転や、要請を受けた運転者が対応するレベル3とは区別します。
一次資料
2026年11月3日確認。図解と例題は編集部の自作です。章立てはインプレス『徹底攻略ITパスポート教科書+模擬問題 令和8年度』の第5章に合わせています。