ITパスポート 令和6年度 問28：system_strategyに関する問題

答えは a（a, c） です。

AIは「考えて見分ける・聞き取る」ような頭を使う仕事が得意です。

• a：いろんな様式の手書き請求書をAIが読み取ってデータ化 → 文字を“認識して判断”する＝AIの得意技。
• c：電話の問い合わせをAIの音声チャットボットが聞き取る → 言葉を“理解”する＝AIの得意技。

いっぽう、

• b：決まったパソコン操作を自動化 → これはRPA（自動化ロボット）。
• d：電子タグ（ICタグ）で配送先を確認 → これはIoTの仕組み。

👉 覚え方：AIは「認識・理解・判断」、RPAは「決まった操作の自動化」、タグはIoT。

だから認識・理解があるaとc＝選択肢aです。

なぜこれが正解か

正解は a（a, c）。AIの本質は「認識・理解・判断」など知的処理にある。

• a：様式がバラバラの手書き請求書の文字を自動で読み取りデータ化＝AI-OCR（画像認識・文字認識）でAIの活用。
• c：問合せをオペレーター前に音声チャットボットがヒアリング＝音声認識・自然言語処理でAIの活用。

この2つがAIによる効率化。

誤りの選択肢

• b：定型的なPC操作の自動化ツール＝RPAであり、ルール通りの操作を繰り返すだけでAIではない。
• d：電子タグ（RFID）への書込みと確認による誤配送削減＝IoT/自動認識技術であり、AIによる判断ではない。

よってAIはa・c → 選択肢a。

覚え方・ひっかけ注意

「認識・理解・予測など“判断”を伴う」ならAI、「決まった手順の自動化」ならRPA、「モノにタグ/センサーをつけて情報をやり取り」ならIoT、と動作の性質で切り分ける。手書き＝バラつきを読む＝AIが効く、が判別の鍵。

理論的背景

「AI導入」と「単なる業務自動化・IT化」の区別を問うこの問題は、AIの本質的特徴「パターン学習による判断・認識」を理解していなければ正答できない設計になっている。正解はaのみ（a, c）。

事例aのA社（手書き請求書の文字自動読み取り）はAI-OCR（AI搭載光学文字認識）の典型事例である。従来のルールベースOCRは「フォームが固定されている構造化データ」しか処理できなかったが、ディープラーニング（特にCNNとTransformerの組み合わせ）による学習ベースのAI-OCRは「取引先ごとに様式が異なる非構造化データ」の文字認識が可能となった。「様式が異なる」という条件がAIの関与を示す本質的ヒントである。

事例cのC社（音声チャットボットでのヒアリング）はNLP（自然言語処理）とSTT（Speech-to-Text）を組み合わせたAI音声認識・対話システムの事例。質問の文脈・意図を理解して適切な応答を生成する「自然言語理解（NLU）」がAI技術の核であり、ルールベースのIVR（Interactive Voice Response）では対応困難な自由発話への対応を可能にする。

事例bは「定型的PC操作の自動化」＝RPAの定義そのもの。事例dの「電子タグ（RFID）による配送管理」はIoTセンサー技術であり、どちらもAIを必要としない確定的ルール実行である。

実務での使われ方

AI-OCR（事例aの技術）はDX推進での「紙帳票デジタル化」の中核技術として急速に普及している。主要製品としてGoogle Document AI・Amazon Textract・富士通BLUE BOX・AIinsideが国内外で競合している。精度はベンチマーク環境で99%超を達成しているが、印鑑・手書き署名・低品質スキャン画像では精度低下が課題として残る。

音声AIチャットボット（事例cの技術）は、GPT-4等の大規模言語モデル（LLM）との統合によりコールセンター自動化の精度が飛躍的に向上している。2023〜2025年にかけて生成AIを活用したコールセンターAI（コンタクトセンターAI）市場が急拡大しており、「一次対応自動化率70〜80%」を達成する事例が増加している。一方でAIハルシネーション（誤情報生成）リスクへの対策として、ファクトベースRAG（Retrieval Augmented Generation）との組み合わせが標準的アーキテクチャとなっている。

試験での位置づけ

「AI vs 非AI（RPA・IoT等）の識別」問題はITパスポートの最頻出パターンの一つであり、近年の出題では4〜5事例から「AIが使われているものだけを選ぶ」形式が増加している。識別の判断基準は「学習・認識・予測・生成という曖昧なタスクを担っているか」vs「確定的ルールの実行か」。「様式が異なる」「自由な音声に応答」「新たな知見発見」はAIを示すキーワードとして覚える。

基本情報技術者ではAIの技術種別（機械学習・深層学習・強化学習・自然言語処理・画像認識）の詳細と適用領域の対応関係が問われる。応用情報・AIパスポート・G検定では「AI導入可能性評価フレームワーク（What AI Can and Cannot Do）」やエラー分析（False Positive・False Negative）の実務判断まで求められる。

選択肢の発展補足

事例bのRPA（B社）の詳細：「原材料を取引先に発注する定型的PC操作の自動化」はRPAの教科書的事例であり、発注システムへのログイン→入力→送信という固定手順の繰り返しに機械学習は不要。「定型的」「PC操作の自動化」という2キーワードがRPAを示すシグナル。ただし近年はRPA+AIという組み合わせ（IPA：Intelligent Process Automation）も一般化しており、非定型業務をAIが前処理した後にRPAが後続処理を実行するハイブリッドアーキテクチャも出題対象になりつつある。

事例dのIoT・RFID（D社）の詳細：「電子タグ（RFID）への書き込みと読み取り」はAI技術を一切必要としない「センサーによるデータ収集→既知ルールでの照合」プロセス。誤配送削減という成果はあるが、これは「正しい情報の正確な記録・照合」によるもので「新たなパターン発見」でも「曖昧な認識」でもない。IoTとAIを組み合わせた「需要予測」「配送ルート最適化」はAI活用になるが、単純なRFIDトラッキングはIoTの範疇。