G検定 用語解説
AIプロジェクトの進め方とは
課題設定からデータ収集・分析、モデル構築、評価、実装・運用までを段階的に進めるAIプロジェクト特有の進行プロセス。CRISP-DMのような枠組みで手順化されることが多い。
まず押さえる結論
AIプロジェクトの進め方は、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プロジェクトの進め方
AIプロジェクトで、最初にモデル選定へ進む前に、業務上何を改善したいのかを明確にする活動はどれか。
正解は「ビジネス課題の定義」である。設問は、AIプロジェクトの中で「モデルを選ぶより前」に位置する最初の工程を問うている。ビジネス課題の定義は、AIで何を解決したいのか、どの業務指標をどれだけ改善したいのかを言語化する活動であり、この後に続くデータ収集・モデル選定・開発という工程の前提を定める役割を担う。他の3つの選択肢は、いずれもこの最初の工程より後で登場する要素である点で共通してビジネス課題の定義とは区別できる。Webスクレイピングとデータの収集はいずれも課題が定まった後にデータを取得する手段であり、エッジAIは開発後にモデルをどこで動かすかという実行環境の構成を指す語であって、プロジェクトの出発点となる課題設定を表す語ではない。
大項目7 AIの社会実装に向けて / データの整備と運用
AI開発から本番運用、監視、再学習までを継続的に回すための考え方や実践はどれか。
正解は「MLOps」である。この設問は、AIプロジェクトの時間軸の中でも「本番運用が始まった後」を継続的にどう回すかという局面を問うている。MLOpsは、モデルの開発・デプロイだけでなく、本番運用中の監視や性能低下を踏まえた再学習までを一連のサイクルとして継続的に回す考え方・実践であり、運用フェーズ全体を対象とする点が特徴になる。他の3つの選択肢は、いずれもMLOpsが対象とする「運用開始後の継続的な回し方」とは異なる局面を指す語である。CRISP-DMはプロジェクトを立ち上げてから展開するまでの分析工程、プライバシー・バイ・デザインは設計段階からの情報保護の組み込み方、アノテーションは学習データへのラベル付与作業であり、いずれも運用中の継続的な監視・再学習という主題を指してはいない。
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
自社でAI開発体制を持つか、外部ベンダーへ委託するかを検討する際の論点として最も近いものはどれか。
正解は「内製と外注」である。内製と外注は、AI開発を自社で担うか外部に委託するかという体制上の論点である。A/Bテストは施策比較、KPIは成果指標、敵対的サンプルはAIの誤認を誘う入力であり、開発体制の選択ではない。問題文の「自社で体制を持つ」と「外部ベンダーへ委託する」は、開発主体をどこに置くかという対比である。施策の比較方法、成果を測る指標、モデルへの攻撃入力は、開発を担う組織の選択とは別の段階の論点になる。誰が開発するかを尋ねていると捉えると、内製と外注に絞れる。
同じ章で確認したい用語
到達チェック
- AIプロジェクトの進め方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プロジェクトの進め方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）