生成AIアドバイザー認定試験 用語解説
説明可能性（Explainability）とは
AIがなぜその出力や判断に至ったかを、説明を求める相手に分かる形で示せること。アンサンブルや深層ニューラルネットワークなどの手法で生じる、結果の理由が見えにくいという問題への対応として、説明可能なAI（XAI）という研究分野で扱われ、AIモデルを実務で使うための重要な性質とされる。2019年の整理論文は、説明可能性を、説明を求める相手に焦点を当てて定義し直している。公式シラバスでは第6課題の第2章「説明可能性（Explainability）の重要性」として出題項目に挙がる。
まず押さえる結論
説明可能性（Explainability）は、生成AIアドバイザー認定試験の「第6課題 AIと人間の役割分担」に出てくる用語です。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: 2026-10-04。
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
「第6課題 AIと人間の役割分担」の問題で、取り違えやすい組み合わせです。
- 最終判断をAIに任せる、または人間の確認を不要とする選択肢を選ぶこと。協働モデルは、AIが支援し、人間が最終判断を行う分担である。
- 説明可能性を、処理速度やコスト削減の話と取り違えること。説明可能性は、AIがなぜその結果を出したのかを人が理解し、確かめ、説明できることを指す。
- 労働市場への影響を、仕事がすべて変わらない、またはすべてなくなると極端に考えること。新しい職業・職域が登場し、AIを使いこなす力や判断力が求められる。
関連する確認問題
第6課題 AIと人間の役割分担 / 第2章 説明可能性（Explainability）の重要性
AIにおける「説明可能性（Explainability）」の説明として、最も適切なものはどれか。
正解は「AIがなぜその結果を出したのかを、人が理解し説明できること」である。説明可能性は、AIが出した結果の理由を人が理解し、他の人にも説明できることを指す。結果の理由が分からないと、その結果を信頼してよいか人が判断できず、問題が起きたときに原因をたどることもできない。処理速度の表示、料金の説明、開発に使った言語の公開は、いずれも結果が出た理由の説明ではないため、説明可能性には当たらない。着目点は理由である。理由を人が理解できるかどうかを見るとよい。
第6課題 AIと人間の役割分担 / 第2章 説明可能性（Explainability）の重要性
AIにおける説明可能性（Explainability）が重要とされる理由として、最も適切なものはどれか。
正解は「AIの判断の根拠を人が理解し、結果を確かめたり、利用者に説明したりできるようにするため」である。説明可能性とは、AIがなぜその結果を出したのかを、人が理解できる形で示せることをいう。判断の根拠が分かれば、結果が適切かを人が確かめられ、影響を受ける人にも説明できる。これは、AIが支援し人間が最終判断を行う協働の前提にもなる。処理速度や利用料の話ではなく、判断の理由が分からなくてよいとする考え方も、説明可能性が求められる理由と正反対である。
第6課題 AIと人間の役割分担 / 第2章 説明可能性（Explainability）の重要性
AIが示した評価点をもとに、担当者がある申込を見送ることにした。申込者から理由を尋ねられた担当者が、「AIの評価点が低かったので」としか答えられなかった。説明可能性の観点から、この場面で重視すべき対応として最も適切なものはどれか。
正解は「AIがどの情報をもとに評価したかを確認でき、担当者が理由を説明できる運用にしておく」である。説明可能性（Explainability）は、AIの出力がどのような根拠から導かれたかを、人が理解して説明できることをいう。AIの結果をもとに人が判断する場面では、判断の責任を負う人が理由を説明できなければ、納得を得にくく、誤りがあったときの見直しもしにくい。今回の問題は、担当者が結果しか説明できなかったことである。結果を隠す案や、精度が高いから説明は不要とする案、説明を相手に任せる案は、この問題の解決にならない。
到達チェック
- 説明可能性（Explainability）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、説明可能性（Explainability）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）