2027年2月試験からの第5章
生成AIのデータ分析・リサーチ業務での活用
5つの作業と、入力から元データとの照合までの確認手順を整理します。
生成AIパスポートの2027年版公式シラバスは、第5章に「データ分析・リサーチ業務での活用」を置きます。範囲は、データの整形・分類、表の集計と可視化、大量文書からの情報抽出、ディープリサーチ（複数の情報源を横断する調査）、定例レポートの自動生成です。
共通する学びは、生成結果を見るだけでなく、入力、処理条件、根拠、検算（元データと照らして計算結果を確かめること）の順に確認することです。このページでは、5項目の違いと、誤りを後工程へ広げない確認手順をまとめます。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。 当サイトの一次情報確認日: 2026-08-31。
- 公式一次資料と照合した内容
- 2027年2月試験から適用される第5章の中項目名、5つの学習項目、詳細キーワード。
- 編集部が学習用に整理した内容
- 作業ごとの役割と確認点、6段階の流れ、ディープリサーチとの使い分け。
一次資料
受験回に適用されるシラバスの版を確認してください。
5項目の全体像
5項目は「データを整える・計算する・文書から探す・外部を調べる・繰り返す」に分けると見分けやすくなります。
整形と集計は表データ、大量文書の情報抽出は手元の文書群、ディープリサーチは複数の情報源、定例レポートは繰り返す一連の処理が主な対象です。
例えば、売上表の列名や日付形式をそろえるのは整形です。月別合計を計算してグラフにするのは集計と可視化です。契約書群から更新条件を探すのは大量文書からの情報抽出、公式発表を横断して市場の動きを調べるのはディープリサーチに当たります。その一連の結果を毎月同じ形式で出す仕組みが定例レポートの自動生成です。
作業ごとの役割
項目名は公式シラバスの記載です。役割と確認点は、学習時に作業の境界を見分けるために当サイトが整理しています。
| 学習項目 | 主な役割 | 最初の確認点 |
|---|---|---|
| データの整形・分類 | 表記、列、形式をそろえ、後の集計で扱える形にする | 元データの行数や値を残し、欠損（値が空の箇所）・重複・分類基準を確認する |
| 表・データの集計と可視化 | 合計、割合、推移などを計算し、表やグラフにする | 計算式、分母、対象期間、単位を元データと照合する |
| 大量文書からの情報抽出・要約 | 複数の文書から条件に合う記述を探し、要点をまとめる | 該当箇所へ戻れるように文書名やページを残し、抜けを確認する |
| ディープリサーチ | 複数の情報源を横断して調べ、出典付きで論点を整理する | 一次情報（発信主体が公開した元資料）を開き、発信者、日付、数値の条件を確認する |
| 定例レポートの自動生成 | 決まった入力、集計、文章化を同じ手順で繰り返す | 入力範囲と処理手順を決め、想定外の値が出たときの停止条件と人が承認する地点を定める |
作業は前から後ろへつながります。整形で日付や分類を誤ると、集計結果も誤り、その数字を使ったグラフやレポートにも誤りが残ります。最終成果物だけではなく、途中の件数や分類結果を確認する理由はここにあります。
文書や外部情報を扱う場合は、要約文だけを保存しません。どの文書のどの箇所を根拠にしたかを残すと、内容の抜けや古さを人が確かめられます。
試験では、便利さを示す選択肢より、元データと根拠へ戻れる選択肢を優先して考えます。
入力から確認までの流れ
分析の目的と回答形式
何を判断するための分析かを先に決めます。必要な列と指標を選び、対象期間と出力形式も明確にします。目的が曖昧なままでは、見栄えのよい表ができても必要な問いに答えられません。
入力情報と利用ツール
個人情報や機密情報が含まれないかを確かめます。利用する生成AIが組織で承認されたツールかも確認します。必要のない列や文書は入れず、利用目的に必要な範囲へ絞ります。
整形・処理の指定条件
列名と日付形式を具体的に示します。分類ルール、欠損値の扱い、集計単位も指定します。大量文書なら、対象文書と抽出条件を伝え、引用箇所を示す形式にします。
途中結果の段階確認
いきなり最終レポートまで作らず、整形後の件数、集計表、根拠箇所を段階ごとに確認します。誤りを早い段階で見つけると、後続のグラフや文章への連鎖を防げます。
元データ・一次情報との照合
代表的な行を手計算し、合計や割合の分母を確かめます。リサーチ結果は元の一次情報を開き、日付と対象を照合します。数値の条件や例外も原文へ戻って確かめます。
公開・更新前の人による承認
定例化しても、異常値（通常の範囲から大きく外れた値）や入力形式の変更を自動で通さないようにします。外部公開や重要な判断の前に、人が結果と根拠を確認します。元データの更新も確認後に確定します。
定例化するときも、最初に人が確かめた処理をそのまま固定すれば終わりではありません。元データの形式や業務上の条件が変わることがあります。毎回の入力件数や異常値を見て、想定外なら自動処理を止める設計が必要です。
間違えやすい確認点
確認点 1
整形前後の値の追跡
表記ゆれをそろえることと、都合のよい値へ置き換えることは別です。分類ルールを先に決め、元の値を残して変更内容を追えるようにします。
確認点 2
集計時の分母と単位
同じ数字でも、件数か割合か、円か千円か、月次か累計かで意味が変わります。グラフの形だけで判断せず、計算式と対象範囲を検算します。
確認点 3
要約から根拠箇所への導線
短い要約だけを残すと、条件や例外が落ちても気づけません。文書名、見出し、ページなど、元の記述へ戻る手掛かりを一緒に残します。
確認点 4
自動化の例外停止条件
入力列が増えた、ファイルが空だった、値が急変したといった場合に処理を止めます。成功時の流れだけでなく、失敗の通知と人へ戻す条件を決めます。
シラバスの詳細キーワードには、RAG（検索拡張生成：外部資料を検索して回答に使う仕組み）、検算、ワークフロー型エージェント（複数の処理を決めた順で実行する仕組み）、個人情報、一次情報などが並びます。これらは特定の一項目だけに割り当てられているわけではありません。個人情報は入力前、検算は集計後、一次情報はリサーチ後というように、処理のどこで使う観点かを考えます。
ディープリサーチとの違い
表データの分析
手元の表を整形し、計算して、傾向を可視化します。確認の中心は計算式、分母、単位です。
大量文書の抽出
指定した文書群から条件に合う記述を探します。確認の中心は抜けと根拠箇所です。
ディープリサーチ
複数の情報源を横断して調査します。確認の中心は情報源の質、日付、一次情報との一致です。
ディープリサーチもデータ分析・リサーチ業務の一部ですが、5項目のすべてを指す語ではありません。表の列をそろえる作業や月別合計を検算する作業は、外部の情報源を横断しなくても成立します。
調査の工程を詳しく学ぶ場合は ディープリサーチの4工程、社内資料を検索して回答へ使う仕組みは RAGの仕組み で確認できます。
作業名ではなく、入力が表か文書か外部情報か、成果物が一度限りか定例かで見分けます。
2027年シラバス上の位置
| 場所 | 公式シラバスの範囲 |
|---|---|
| 適用回 | 2027年2月試験から |
| 章・中項目 | 第5章「生成AIの実践と活用事例」内の「データ分析・リサーチ業務での活用」 |
| 学習項目 | データの整形・分類、表・データの集計と可視化、大量文書からの情報抽出・要約、ディープリサーチ、定例レポートの自動生成 |
| 詳細キーワード | RAG、検算、ディープリサーチ、ワークフロー型エージェント、データの整形、分類、個人情報、集計、一次情報 |
公式シラバスは学習項目と詳細キーワードを示しますが、個別の製品での操作手順や出題形式を示すものではありません。2027年版全体の変更点は 2027年2月試験の新シラバス で確認できます。
生成AIパスポートの学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
