G検定 用語解説
AIのビジネス活用とは
AIを既存業務にそのまま当てはめて自動化するのではなく、AIの特性に合わせて業務の進め方自体を見直しながら価値を生み出す取り組み。
まず押さえる結論
AIのビジネス活用は、G検定の「大項目7 AIの社会実装に向けて」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CRISP-DM（進め方の枠組み）とPoC（概念実証）の役割の取り違え。
×データリーケージ（学習・評価データに正解情報が混入する事故）の見落とし。
×説明可能AI（XAI）・公平性・透明性など、近い概念の取り違え。
関連する確認問題
大項目7 AIの社会実装に向けて / AIの説明性・公平性
AIの判断やその結果について、開発・提供・利用する側が、関係者に対して経緯や根拠を説明し責任を負うべきだとする考え方を表す語はどれか。
正解は「アカウンタビリティ（説明責任）」である。アカウンタビリティ（説明責任）は、AIの判断や結果について、開発・提供・利用する側が関係者に対して経緯や根拠を説明し責任を負うべきだとする考え方である。スケーラビリティは規模拡大への対応力、冗長性は予備を持たせること、可搬性は移植のしやすさを指すシステムの性質であり、いずれも説明責任を表す語ではない。 システム品質の性質と統治上の責務を分ける。スケーラビリティは規模拡張、冗長性は予備構成、可搬性は環境間移植のしやすさである。判断を行った主体が根拠を説明し結果に責任を持つのはアカウンタビリティである。
大項目7 AIの社会実装に向けて / データの整備と運用
運用中の機械学習モデルについて、時間の経過とともに入力データの傾向や、入力と出力の関係が変化していき、モデルの予測精度が徐々に低下していく現象を何というか。
正解は「概念ドリフト」である。概念ドリフトは、時間の経過とともに入力データの傾向や、入力と出力の関係そのものが変化していき、運用中のモデルの予測精度が徐々に低下していく現象である。運用後の再学習・監視（MLOps）が重要になる。データリーケージは学習時に正解情報が混入する事故、過学習は訓練データに適合しすぎる現象、アノテーションはラベル付け作業であり、いずれも運用中の傾向変化による精度低下を指す語ではない。 問題が生じる時点を区別する。データリーケージは学習・検証時の情報漏れ、過学習は訓練データへの過度な適合、アノテーションはラベル付与作業である。本番運用後に環境や顧客行動が変わり関係がずれるのは概念ドリフトである。
大項目7 AIの社会実装に向けて / データの整備と運用
国や自治体、企業などが、誰もが自由に利用・再配布できる形で公開しているデータを指す語はどれか。
正解は「オープンデータ」である。オープンデータは、国や自治体、企業などが、誰もが自由に利用・再配布できる形で公開しているデータを指す。機械学習の学習用データの調達先としても活用される。要配慮個人情報や営業秘密は公開が制限される情報、教師データは教師あり学習で正解ラベルを付けたデータであり、いずれも自由な利用・再配布を前提に公開されたデータを指す語ではない。 データは公開条件と用途で区別する。要配慮個人情報と営業秘密は保護・非公開が原則、教師データはラベル付き学習データという用途分類である。公共機関等が機械判読可能で二次利用可能な条件で公開するのはオープンデータである。
同じ章で確認したい用語
到達チェック
- AIのビジネス活用を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、AIのビジネス活用に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）