AIB資格演習問題（無料30問）

【AIB-2001】ある小売企業は、生成 AI の基盤モデルを社内の商品問い合わせ対応に利用しています。担当者が最近発売された商品の仕様を尋ねると、モデルは実在しない型番や機能を、断定的な口調で自信を持って回答します。一方、発売から数年経過した商品については正確に回答します。この企業は、AI の基本的な仕組みの観点から、この事象の原因を経営層に説明したいと考えています。この事象の原因として最も可能性が高いものはどれですか。（2つ選択）

【AIB-2002】ある医療企業は複数の事業部門で AI 活用の検討を始めています。AWS CAF に沿って準備を進める中で、事業責任者が提示する成果の期待と実装チームが説明する技術的な見込みが繰り返し食い違い、投資の可否判断が停滞していることがわかりました。企業は限られた予算と時間の中で、この食い違いを効率よく解消したいと考えています。これらの要件を最も適切に満たすアプローチはどれですか。

【AIB-2003】ある製造業の企業は、需要予測と設備の故障検知に従来型の機械学習モデルを導入しており、いずれも安定して稼働しています。一方で、顧客からの問い合わせへの返信文の作成と製品マニュアルの要約には多くの人手がかかっています。経営層は生成AIの活用を検討していますが、既存の処理を置き換えて効率を落とすことは避けたいと考えています。この状況で、効率を維持しながら生成AIを導入するうえで最も適切な取り組みの組み合わせはどれですか。（2つ選択）

【AIB-2004】ある保険会社は、生成AIを用いた社内向けの契約約款要約ツールを試験導入しています。6件のパイロットのうち監査部門から、同一の約款テキストを入力しても要約の文面が実行のたびに異なるという指摘がありました。規制上、審査根拠の再現性を説明できることが求められており、この挙動が承認の障害となっています。要約の内容自体に事実誤りは確認されていません。この症状の原因として最も可能性が高いものはどれですか。

【AIB-2005】ある物流企業は複数の事業部門でAI活用の検討を始め、経営層が全社の投資計画をまとめようとしています。しかし部門から提出された案件を見ると、ある部門は統計モデルによる需要予測を、別の部門はチャットボットによる文章生成を、いずれも同じ「AI導入」として記載しており、規模も期待効果も同じ尺度で比べられない状態です。経営層は前提条件を優先して整理したうえで判断したいと考えています。この状況で最初に取り組むべき施策はどれですか。

【AIB-2006】ある人材サービス企業では、各事業部門が個別にAIの活用案件を立ち上げています。案件によっては、統計的な予測モデルを用いるもの、生成AIを用いるものが混在していますが、部門ごとに用語の使い方が異なり、経営層への報告時に案件の性質が正しく伝わっていません。企業は全社で共通の分類基準を整備し、部門間の合意形成を図りたいと考えています。これらの要件を満たすアプローチはどれですか。

【AIB-2007】ある医療企業は、これまで販売実績や顧客属性などの構造化データのみを分析に使用してきました。今後は問い合わせメールや契約書のスキャン画像といった非構造化データもAIの対象に加える計画です。経営層は、構造化データの分析基盤で発生している費用と比べて追加でどのような負担が生じるのかを把握し、現行の分析業務の効率を維持したまま予算を確保したいと考えています。非構造化データの活用によって新たに発生するコスト要因として適切な取り組みの組み合わせはどれですか。（2つ選択）

【AIB-2008】ある小売企業は、店舗ごとの売上や会員属性を集計したダッシュボードを整備しています。経営層は月次の売上変動の推移を把握できていますが、なぜ特定の商品カテゴリで解約や離反が起きたのかを説明できず、次の施策を決められない状態が続いています。同社にはコールセンターの通話録音や問い合わせメール、アンケートの自由記述が蓄積されていますが、いずれも活用されていません。この課題に対応するために最も適切な取り組みはどれですか。

【AIB-2009】ある教育企業は、需要予測モデルを本番運用しており、データ品質の監視として欠損率とレコード件数の日次推移を追跡しています。これらの指標は良好な水準を維持していますが、予測と実績の乖離が数か月にわたり拡大しています。担当チームは、既存の監視の運用工数を大きく増やさずに、成果の劣化を捉えられる指標へ見直したいと考えています。この状況で最も適切な取り組みはどれですか。

【AIB-2010】ある小売企業は、過去5年間の販売実績データでトレーニングした需要予測モデルを運用しています。このモデルは既存商品の需要を高い精度で予測してきました。しかし、これまで取り扱ったことのない新カテゴリの商品を発売したところ、予測値が実績と大きく乖離しました。経営層はモデルの規模や計算資源の追加投資を検討しています。この事象の原因として最も可能性が高いものはどれですか。

【AIB-2011】ある物流企業は複数の国に子会社を持ち、各拠点で AI の活用を進めています。しかし「モデル」「学習データ」「自動化された意思決定」といった用語の解釈が拠点ごとに異なり、法務、調達、事業部門の間で議論がかみ合わない状況が続いています。この企業は、技術チームだけでなく組織横断および海外子会社まで含めた共通の語彙を確立したいと考えています。この状況で最も適切な取り組みはどれですか。

【AIB-2012】ある金融機関は、顧客向けの資産運用チャットサービスに生成 AI の導入を検討しています。監督官庁の規則により、特定の高リスク商品の勧誘、元本保証を示唆する表現、未成年顧客への投資提案は明確に禁止されており、条文として書き下せる条件が整理されています。同社は違反が発生した場合の当局への説明責任を負っており、判定根拠を確定的に示せることが求められます。規制・コンプライアンス準拠の観点から、これらの要件を最も適切に満たすアプローチはどれですか。

【AIB-2013】あるメディア企業は、これまで社内担当者に推奨案を提示する助言型のAIを利用してきました。今後は、在庫データを参照して発注書の作成から取引先への送信、支払処理までを自ら完遂するAIエージェントの導入を計画しています。経営層は、誤った判断による対外的な損害を防ぐことを最優先とし、そのための前提条件を満たしてから運用を開始する方針を示しています。この方針に沿った取り組みとして最も適切なものはどれですか。

【AIB-2014】ある金融機関は、与信審査を補助する機械学習モデルを本番運用しています。市場環境の変化により予測精度が徐々に低下するため、定期的に再学習した版へ入れ替えています。監督当局からは、モデル更新のたびにその妥当性を説明できる記録の保持を求められています。現在は入れ替え後に問題が判明した場合、次回の再学習まで対応が遅れることがあります。規制への準拠を維持しながら、この課題に最も適した取り組みはどれですか。

【AIB-2015】ある小売企業は、生成AIツールを承認済み、禁止、評価中の3区分に分類したカタログを全社に公開し、社内ポータルと定期研修で周知しています。公開から半年が経過しましたが、業務端末のログ分析では、評価中および未登録のツールへのアクセスが減っていません。利用が多い部門ほど締切が厳しい業務を抱えており、評価中の区分に登録されたツールが承認済みに移るまで平均で数か月を要し、同等の機能を持つ承認済みツールは用意されていません。この状況の原因として最も可能性が高いものはどれですか。

【AIB-2016】ある小売企業では、従業員が業務効率化のために各自の判断で外部の生成 AI サービスを利用しており、経営層は把握できていない利用実態を懸念しています。この企業は AI ガバナンスの取り組みを8ヶ月前から始めたばかりで、審査を担当できる要員は3名にとどまります。全社から多数の利用申請が寄せられており、企業は業務の効率を落とさずに承認済み、禁止、評価中といった分類を運用したいと考えています。この状況で最も適切なアプローチはどれですか。

【AIB-2017】ある物流企業では、複数の事業部門が個別に生成 AI ツールを導入し、経営層が把握していない利用が広がっています。企業は、どのツールが承認済み、禁止、評価中であるかを全社で明確に分類し、その判定を継続的に運用したいと考えています。事業部門ごとに用途や必要な機能が異なる一方、法務およびセキュリティの観点も外せません。横断的な合意形成を重視しながら、この状況に最も適した取り組みはどれですか。

【AIB-2018】ある保険企業では、従業員が業務で生成AIツールを個人判断で利用するシャドーAIが広がっています。この企業は、利用可能なツールを承認済み、禁止、評価中の3区分に分類した一覧を社内ポータルに掲示する計画です。ただし過去に策定した別のガイドラインは、掲示のみで運用されて形骸化した経緯があります。分類一覧を公開する前に前提条件として優先すべき取り組みの組み合わせはどれですか。（2つ選択）

【AIB-2019】ある人材サービス企業は、複数の事業部門で生成 AI を活用した文書作成を開始しています。過去8か月にわたり、同じ業務であっても部門ごとに出力の品質や書式が大きく異なり、問い合わせ対応の品質にばらつきが生じています。経営層は、部門をまたいで一貫した出力品質を確保し、プロンプトの改訂責任の所在も明確にすることを求めています。これらの要件を横断的な合意形成のもとで満たす取り組みはどれですか。

【AIB-2020】ある通信企業は、社内文書の要約業務に Amazon Bedrock の基盤モデルを利用しています。過去22か月にわたり全部門が同一のモデルを同一の設定で呼び出していますが、担当者ごとに要約の質が大きく異なり、出力の粒度や抜け漏れにばらつきが出ています。同じ文書を別の担当者が処理すると結果が変わる事例も報告されています。この状況の原因として最も可能性が高いものはどれですか。

【AIB-2021】ある銀行企業は、生成 AI を使って顧客からの問い合わせ内容を要約し、社内の管理システムに登録できる定型のテキストとして出力させています。要約の内容そのものは業務上十分な品質ですが、項目の並びが揃わない、指定した字数を超えるといった形式の逸脱が頻発し、登録作業が滞っています。現在は担当者が生成された全件を目視で確認し、手作業で整形してから登録しています。案件数が増えても確認の工数を抑えたまま形式を安定させる必要があります。これらの要件を満たす取り組みはどれですか。

【AIB-2022】ある製薬企業は、業務文書の要約を生成AIで作成する取り組みを各部門で進めています。9つの事業部門で担当者はそれぞれ独自にプロンプトを書き換えて出力を調整していますが、どの出力を採用してよいかの判断が担当者ごとに分かれ、同じ文書でも品質のばらつきが解消されません。企業は改訂作業を続ける前に、前提条件を先に整えたいと考えています。プロンプトエンジニアリングの基本原則に沿った取り組みとして最も適切なものはどれですか。

【AIB-2023】ある製造企業は、Amazon Bedrock の基盤モデルを利用して社内文書の要約機能を運用しています。短い議事録の要約は十分な品質ですが、数百ページに及ぶ契約書や年次報告書を投入した場合にのみ、後半の内容が要約に十分反映されない事象が報告されています。企業は、この事象への手当てを行いつつ、これまで問題なく処理できている大多数の文書については処理時間と実行コストの効率を維持したいと考えています。この要件を満たすアプローチはどれですか。

【AIB-2024】ある製造企業は、複数の国で事業を展開しており、各国の規制当局が公開する規制文書に基づいて社内の問い合わせに回答する生成AIアシスタントの導入を検討しています。規制文書は国ごとに内容が異なり、年に数回改訂されます。コンプライアンス部門は、回答が常に最新の規制内容に準拠し、根拠とした文書を出典として示せることを条件としています。この要件を満たすモデル適応の技法として最も適切なものはどれですか。

【AIB-2025】ある製薬企業は、顧客オペレーション、営業とマーケティング、研究開発、ソフトウェア開発の各部門から合計28件のAIユースケース候補を集めました。経営層は限られた人員と予算を維持したまま、価値の見込めない候補に工数を割かずに進めたいと考えています。現在は各部門が個別に候補の良し悪しを判断しており、部門をまたいだ比較ができていません。効率を維持しながら候補を絞り込むには、どの取り組みの組み合わせが最も適していますか。（2つ選択）

【AIB-2026】ある保険企業は、ソフトウェア開発部門に生成 AI のコーディング支援ツールを導入し、7 か月が経過しました。開発チームからは作業が楽になったという声が上がっていますが、経営層は追加投資を判断するための根拠を求めています。現在は導入効果を示す指標が定義されておらず、部門はツールの利用状況を集計した資料のみを提出しています。この状況で経営層に対して AI 適用の価値を示すために、最も適切なアプローチはどれですか。

【AIB-2027】ある製造業の企業が、AI 活用の初期計画を策定しています。この企業は自社の設備稼働データと長年蓄積した保全記録を保有しており、これらを用いた故障予兆の判定が競合との差別化につながると考えています。一方で、社内文書の要約や問い合わせ対応の下書き作成といった一般的な用途への要望も各部門から挙がっています。開発人員は限られ、経営層は 6 か月以内の稼働を求めています。これらの前提のもとで最も適切な取り組みの組み合わせはどれですか。（2つ選択）

【AIB-2028】ある金融機関は、与信審査を補助する AI モデルを自社開発せず、AWS Marketplace 経由でベンダー製のモデルを調達する方針を検討しています。当該業務は金融規制の対象であり、審査結果に対する監督当局への説明と利用者からの苦情への対応が求められます。ベンダーは第三者認証を取得済みで、データ所在の限定と監査ログの提供に対応しています。調達の判断として最も適切なアプローチはどれですか。

【AIB-2029】ある教育企業は、単一の事業部門で生成AIを用いた問い合わせ対応の効率化パイロットを実施し、応答時間の短縮と担当者の満足度で良好な成果を得ました。経営層はこの成果を根拠に全社3部門に展開を検討しています。ただしこれら部門は整備済みの過去対応履歴を保有し、専任のデータ担当者を配置していました。他部門の状況は把握されていません。組織の成熟度に見合った進め方で、次に取るべき施策はどれですか。

【AIB-2030】ある物流企業は、コールセンターの一次応対を支援する生成 AI アシスタントを 2 年前に導入しました。オペレーターの日次利用率は 90% を超え、応対品質の指標も維持されています。しかし導入前に想定した年間の運用コスト削減額に対し、実績は 2 割程度にとどまっています。経営層は拡大、一時停止、中止のいずれかを判断するため、目標未達の要因を整理しようとしています。この状況の原因として最も可能性が高いものはどれですか。