2027年試験 新シラバス対応・5-5

データ分析・リサーチ業務の一問一答

生成AIパスポート試験「生成AIの実践と活用事例」から、データ分析・リサーチ業務に関する4択問題を10問。「答えと解説を見る」を開くと、正解とその理由がその場で読めます。会員登録は不要です。

この分野の演習

全10問/解説つき・基本無料

アプリ形式で解く(全410問) 生成AIの実践と活用事例の要点解説を読む
問題

上から順に解いてみてください。答えは各問の下で確認できます。本試験は四肢択一式(一部複数選択を含む)で出題されます。ここでは全て4択(正解は1つ)で出題しています。

問15-5

生成AIでデータの整形・分類を行うときの使い方として、適切でないものを1つ選びなさい。

  • ①処理の後は、件数の合計を確かめ、一部の結果を抜き取って正しいか確認する。
  • ②「株式会社」と「(株)」のような、会社名の表記の揺れを統一させるのに使う。
  • ③問い合わせの内容などを、あらかじめ決めた項目ごとに分類させるのに使う。
  • ④AIに整形させた結果は、件数の合計が元と合えば、中身も正しいといえる。
答えと解説を見る
正解 ④AIに整形させた結果は、件数の合計が元と合えば、中身も正しいといえる。
解説
生成AIは、「株式会社」と「(株)」のような表記の揺れの統一や、問い合わせの内容を決めた項目ごとに分類する作業などに役立ちます。
ただし、AIに大量のデータを処理させると、一部の行が抜け落ちたり、内容が書き換わったり、誤った分類がされたりすることがあります。件数の合計が合っていても、行の中身が書き換わっていたり、分類を誤っていたりすることはあるため、「件数が合えば内容も正しい」という記述は適切ではありません。件数の確認に加えて、一部の結果を抜き取って中身が正しいかを確認することが大切です。

他の選択肢(適切な記述)について
・表記の揺れを統一する:データの整形での代表的な使い方です。
・決めた項目ごとに分類する:データの分類での代表的な使い方です。
・件数や一部の結果を抜き取って確認する:件数の確認で抜け落ちを、抜き取りの確認で中身の誤りを見つけます。

覚え方のポイント
AIの整形の確認は「件数が合うか」+「抜き取りで中身が正しいか」の2つ。件数だけでは不十分です。
問25-5

生成AIで表データの集計と可視化を行うときの注意点として、最も適切なものを1つ選びなさい。

  • ①集計の結果は元のデータや表計算ソフトで検算し、グラフの軸や単位も確認しておく。
  • ②AIが集計用のプログラムを書いて実行した結果なら、別の方法で検算しなくてよい。
  • ③差がはっきり伝わるように、棒グラフの縦軸の目盛りは途中の値から始めるのがよい。
  • ④集計が終わったら、情報漏えいを防ぐため、元のデータは削除して結果だけを残す。
答えと解説を見る
正解 ①集計の結果は元のデータや表計算ソフトで検算し、グラフの軸や単位も確認しておく。
解説
生成AIは、表データの集計の手順を考えたり、集計のためのプログラムを作って実行したり、グラフを作ったりするのに役立ちます。
一方、計算の誤りや、集計の条件の取り違えが起こることがあります。集計の結果は、元のデータや表計算ソフトで検算し、グラフの軸・目盛り・単位が正しいか、誤解を招く見せ方になっていないかを確認することが大切です。元のデータは、あとから検証できるように残しておきます。

他の選択肢が不適切な理由
・プログラムで集計した結果なら検算不要:プログラムを使っても、集計の条件の取り違えや、データの読み込みの誤りが起こることがあります。重要な数値は別の方法で検算します。
・縦軸を途中の値から始める:棒グラフの縦軸を途中から始めると、わずかな差が大きく見え、読み手の誤解を招きます。
・元のデータを削除する:あとから検算や検証ができなくなります。元のデータは、アクセスを管理したうえで保管しておきます。

覚え方のポイント
集計と可視化は「検算」と「軸・単位の確認」がセット。元データは捨てない。
問35-5

大量の社内文書から必要な情報を抽出・要約するときに、RAG(検索拡張生成)を使う利点として、最も適切なものを1つ選びなさい。

  • ①社内文書でモデルを追加学習させる仕組みのため、回答のたびにモデルのパラメータが更新される。
  • ②質問に関係する文書を検索して根拠として回答させるため、根拠となった文書を確かめやすい。
  • ③検索対象の文書が古くても、LLMが最新の情報に自動で補正して回答するため、更新は要らない。
  • ④回答の段階で機密が自動的に伏せられるため、社員の権限ごとに検索対象を分ける必要はない。
答えと解説を見る
正解 ②質問に関係する文書を検索して根拠として回答させるため、根拠となった文書を確かめやすい。
解説
RAG(検索拡張生成)を使うと、大量の社内文書の中から質問に関係する部分を検索し、それを根拠としてLLMに回答や要約をさせることができます。どの文書をもとに答えたかを示せるため、根拠を確かめやすくなります。
ただし、元の文書が古かったり誤っていたりすれば回答も誤りますし、検索や読み取りの誤りも起こりえます。また、社員ごとのアクセス権限を考えずに検索対象を設定すると、本来見られない文書の内容が回答に含まれてしまうおそれがあるため、権限の設計が重要です。

他の選択肢が不適切な理由
・追加学習でパラメータが更新される:RAGは、文書を検索して回答のための材料としてプロンプトに加える仕組みで、モデルのパラメータは変わりません。パラメータを変えるのはファインチューニングです。
・古い文書でも自動で補正される:RAGの回答は、検索した文書の内容に左右されます。元の文書が古ければ回答も古くなるため、文書の更新が必要です。
・権限ごとに検索対象を分けなくてよい:権限を考えずに検索対象を設定すると、本来見られない文書の内容が回答に含まれるおそれがあります。権限の設計が重要です。

覚え方のポイント
社内文書のRAG=「根拠が見える」が強み。ただし元文書の質と、アクセス権限の設計が大事。
問45-5

ディープリサーチ機能を使った調査の進め方として、適切でないものを1つ選びなさい。

  • ①出力された報告書の出典を開き、重要な内容が元の資料と合っているかを確かめる。
  • ②調査の目的や範囲、知りたい観点を、できるだけ明確に伝えてから調べさせる。
  • ③報告書に出典が付いていれば、その記述は出典の内容と一致していると考えてよい。
  • ④情報の発表日を確認して、古い情報に基づいた記述になっていないかを点検する。
答えと解説を見る
正解 ③報告書に出典が付いていれば、その記述は出典の内容と一致していると考えてよい。
解説
ディープリサーチ(Deep Research)は、AIが複数の情報源を自律的に調査し、内容を比較・整理して報告書の形にまとめる機能です。調査の目的や範囲、知りたい観点をできるだけ明確に伝えてから調べさせると、目的に合った報告書を得やすくなります。
報告書に出典が付いていても、出典の内容を誤って要約していたり、出典にない内容を書いていたりすることがあります。したがって「出典が付いていれば、記述は出典の内容と一致していると考えてよい」という記述は適切ではありません。重要な内容は出典を開いて元の資料と合っているかを確かめ、情報の発表日も確認することが大切です。

他の選択肢(適切な記述)について
・目的や範囲を明確に伝える:目的に合った調査をさせるための工夫です。
・出典を開いて元の資料と合っているか確かめる:要約の誤りを見つけるための確認です。
・発表日を確認して古い情報でないか点検する:情報の新しさを確かめるための確認です。

覚え方のポイント
出典が「付いている」ことと「正しく要約している」ことは別。
問55-5

定例レポートの作成を生成AIで自動化する方法として、最も適切なものを1つ選びなさい。

  • ①取得・集計・文章化の手順を決めたワークフロー型の仕組みにして、担当者が結果を確認する。
  • ②毎回の状況に柔軟に合わせられるよう、手順は決めずに自律型エージェントに任せて配信する。
  • ③担当者の確認は手間がかかるので、AI自身に出力を点検させてから、そのまま自動で配信する。
  • ④一度正しく動いたことを確認したら、元のデータの形式が変わっても仕組みは見直さずに使う。
答えと解説を見る
正解 ①取得・集計・文章化の手順を決めたワークフロー型の仕組みにして、担当者が結果を確認する。
解説
毎週・毎月の定例レポートのように手順が決まっている業務は、データの取得→集計→文章化(要約・コメント)→体裁の整形、という手順をあらかじめ決めたワークフロー型の仕組み(ワークフロー型エージェント)で自動化するのに向いています。
自動化しても、数値やコメントに誤りがないかを担当者が確認してから配信する工程を残すことが大切です。また、元のデータの形式や業務が変わったときは、仕組みを見直す必要があります。

他の選択肢が不適切な理由
・手順を決めずに自律型エージェントに任せる:手順が決まっている定例業務は、動きを予測しやすく結果を確かめやすいワークフロー型の仕組みが向いています。自律型は想定外の動きをするおそれがあります。
・AI自身に点検させて自動配信:AIに自分の出力を点検させても、同じ誤りを見落とすことがあります。数値やコメントは担当者が確認してから配信します。
・形式が変わっても見直さない:データの形式が変わると、誤った集計を続けてしまうおそれがあります。変化に応じて仕組みを見直します。

覚え方のポイント
定例業務の自動化=「決まった手順をワークフローに」+「人の確認」+「変化に応じた見直し」。
問65-5

生成AIでデータ分析を行うときの「検算」の説明として、最も適切なものを1つ選びなさい。

  • ①AIに同じ質問を何度か繰り返し、毎回同じ答えが出たことで正しいと判断すること
  • ②計算の結果の数字の桁数だけを数えて、桁数が合っていれば正しいと判断すること
  • ③AIが出した計算や集計の結果を、別の方法で計算し直して正しいかを確かめること
  • ④AIに計算の結果が正しいかを尋ねて、正しいと答えたことで確認したと判断すること
答えと解説を見る
正解 ③AIが出した計算や集計の結果を、別の方法で計算し直して正しいかを確かめること
解説
検算とは、計算や集計の結果を、別の方法(電卓・表計算ソフト・元のデータでの手計算など)で計算し直して、正しいかを確かめることです。
LLMは計算を誤ることがあり、同じ質問に同じ答えを返したとしても、それが正しいとは限りません。データ分析で生成AIを使うときは、重要な数値は必ず検算して確かめることが大切です。

他の選択肢が不適切な理由
・桁数だけを数える:桁数が合っていても、数値そのものが誤っていることがあります。
・同じ答えが繰り返し出る:同じ誤りを繰り返すこともあるため、正しさの確認にはなりません。
・AIに正しいかを尋ねる:AIの自己申告は確認になりません。元のデータで別の方法で計算し直します。

覚え方のポイント
検算=「別のやり方でもう一度計算する」。同じAIに聞き直すのは検算ではありません。
問75-5

生成AIで顧客データを分析するときの個人情報の扱いとして、最も適切なものを1つ選びなさい。

  • ①氏名を削除すれば個人情報ではなくなるので、どの生成AIのサービスに入力してもよい。
  • ②分析の精度を上げるため、氏名や連絡先も含めて、顧客データをそのまま入力して使う。
  • ③社内にある顧客データなら、取得したときの利用目的と関係のない分析にも自由に使える。
  • ④利用目的の範囲内か、認められたツールかを確認して、不要な個人情報は除いて分析する。
答えと解説を見る
正解 ④利用目的の範囲内か、認められたツールかを確認して、不要な個人情報は除いて分析する。
解説
生成AIで顧客データを分析するときは、個人情報保護法の観点から、そのデータを利用目的の範囲内で使っているか、入力が社内ルールで認められたツールか、入力データが学習などに使われないかを確認します。
分析に不要な氏名や連絡先などは除いたり、加工したりしてから使うことで、リスクを下げられます。分析の結果に個人情報が含まれる場合は、共有の範囲にも注意が必要です。

他の選択肢が不適切な理由
・氏名や連絡先もそのまま入力:分析に不要な個人情報まで扱うことになり、漏えいのリスクが高まります。不要な項目は除いてから使います。
・利用目的と関係のない分析にも使える:個人情報は、特定した利用目的の範囲内で扱う必要があります(個人情報保護法第18条)。社内にあるデータでも同じです。
・氏名を削除すれば個人情報ではない:住所・生年月日・購入履歴などの組合せや、社内の別のデータとの照合で特定の個人を識別できる場合は、個人情報にあたることがあります。

覚え方のポイント
顧客データ×生成AI=「目的の範囲内」「認められたツール」「不要な個人情報は外す」。
問85-5

生成AIでアンケートの自由記述を大量に分類・要約したときの確認として、最も適切なものを1つ選びなさい。

  • ①件数の多い意見ほど重要なので、件数の少ない分類は報告書から省いてまとめておく。
  • ②分類ごとの件数の合計が回答数と合うか、少数の重要な意見が抜けていないか調べる。
  • ③AIに分類の理由も書かせておけば、元の回答と照らし合わせる確認は省いてよい。
  • ④同じ回答を2回分類させて結果が一致すれば、その分類は正しいと判断してもよい。
答えと解説を見る
正解 ②分類ごとの件数の合計が回答数と合うか、少数の重要な意見が抜けていないか調べる。
解説
生成AIは、大量の自由記述の回答を、内容ごとに分類したり要約したりするのに役立ちます。
一方、分類の誤り、回答の取りこぼし、要約による意味の変化が起こることがあります。分類ごとの件数の合計が元の回答数と合っているか、件数は少ないが重要な意見(深刻な不満や改善の提案など)が埋もれていないかを、元の回答と照らし合わせて確認することが大切です。

他の選択肢が不適切な理由
・件数の少ない分類は省く:件数は少なくても、深刻な不満や重要な改善の提案が含まれていることがあります。少数意見もすくい上げます。
・分類の理由を書かせれば確認不要:理由がもっともらしくても、分類そのものが誤っていることがあります。元の回答と照らし合わせて確かめます。
・2回の結果が一致すれば正しい:同じ誤りを繰り返すこともあるため、一致しても正しさの確認にはなりません。

覚え方のポイント
自由記述の分類は「件数の突き合わせ」と「少数意見のすくい上げ」を忘れずに。
問95-5

データ分析・リサーチ業務での生成AIの活用として、適切でないものを1つ選びなさい。

  • ①社内文書をRAGで検索させ、根拠の文書を確かめながら必要な情報を取り出す。
  • ②データの表記の揺れを統一させ、件数の照合や抜き取りで結果を確認してから使う。
  • ③AIが出した分析の数値を、同じAIに再確認させたうえで経営判断の根拠にする。
  • ④ディープリサーチで下調べをさせ、重要な内容は示された出典を開いて確認していく。
答えと解説を見る
正解 ③AIが出した分析の数値を、同じAIに再確認させたうえで経営判断の根拠にする。
解説
経営判断のように影響の大きい用途では、生成AIが作った分析の数値をそのまま根拠にせず、元のデータで、別の方法で計算し直して確かめる(検算する)必要があります。同じAIに「正しいですか」と再確認させても、同じ誤りを見落としたり、もっともらしく正しいと答えたりすることがあり、検算の代わりにはなりません。したがって、この使い方は適切ではありません。
表記の揺れの統一、RAGによる社内文書からの情報の取り出し、ディープリサーチによる下調べなどは、確認の工程を組み合わせることで、データ分析・リサーチ業務を効率化できる活用例です。

他の選択肢(適切な記述)について
・表記の揺れを統一して確認する:データの整形と確認を組み合わせた適切な活用です。
・RAGで根拠を確かめながら取り出す:根拠を確認できるRAGの利点を生かした活用です。
・ディープリサーチの出典で確認する:下調べの効率化と、一次情報での確認を組み合わせた活用です。

覚え方のポイント
影響の大きい判断ほど「元のデータで、別の方法で確かめる」。同じAIへの聞き直しは検算ではありません。
問105-5

データ分析・リサーチ業務での生成AIの活用に関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a.ディープリサーチは新しい情報を優先して調べるので、情報の発表日を確かめる必要はない。
b.集計の結果は、表計算ソフトなど別の方法で検算するとよい。
c.定例レポートの自動化でも、担当者が結果を確認する工程を残すとよい。
d.RAGの回答は社内文書が根拠なので、検索対象を社員の権限ごとに分ける必要はない。

  • ①c・d
  • ②a・b
  • ③a・d
  • ④b・c
答えと解説を見る
正解 ④b・c
解説
bとcが適切です。
b:生成AIは計算や集計の条件を誤ることがあるため、集計の結果は表計算ソフトや元のデータなど、別の方法で検算するとよいでしょう。
c:定例レポートを自動化しても、数値やコメントの誤りを防ぐため、担当者が結果を確認する工程を残すことが大切です。

誤っている記述
・a:ディープリサーチの報告書にも、古い情報や更新前の情報に基づく記述が含まれることがあります。重要な内容は、出典の発表日を確かめます。
・d:社内文書が根拠であっても、社員ごとのアクセス権限を考慮せずに検索対象を設定すると、本来見られない文書の内容が回答に含まれるおそれがあります。

覚え方のポイント
データ業務の生成AIは「検算・確認・権限設計」の3点セットで安全に。

「生成AIパスポート」は一般社団法人生成AI活用普及協会の登録商標です。本ページは一般社団法人生成AI活用普及協会(GUGA)とは一切関係がなく、公認・認定を受けた教材ではありません。

生成AIパスポートの対策問題(全410問)に戻る

非公式の資格試験対策サイトです。一般社団法人生成AI活用普及協会(GUGA)とは一切関係がなく、GUGAの公認・認定を受けた教材ではありません。

※本ページでは、アクセス解析(Googleアナリティクス)と、広告の配信・成果の計測(A8.net)のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。

※本ページの問題・解説は、生成AI(人工知能)を活用して作成しています。

【PR】