生成AI・LLM

よみがな: せいせいえーあい / えるえるえむ

英語名称・略称: Generative AI & Large Language Models

1行要約（本質）

膨大なデータを学習した大規模言語モデル等を用いて、テキスト・画像・プログラムコード等を自律的に生成する技術。

3つの重要ポイント

従来の「識別系AI（分類・予測）」に対し、人間と同等以上の創造的知的生産や対話を行う「生成系AI」。

RAG（検索拡張生成）技術と組み合わせることで、社内文書や業務マニュアルに基づく正確な回答を実現する。

ITストラテジストは、ハルシネーションや著作権・機密漏えいリスクを管理しつつ、業務プロセスの再設計を断行する。

構造・プロセスの図解

図RAG（検索拡張生成）によるセキュアな生成AI活用構成

社内機密を保持しながら正確な独自回答を生成

1ユーザーの質問入力

業務上の問い合わせ

社内ポータル等から自然言語で質問（例: 規程や障害対応）。

2ベクトル検索 (Retrieval)

社内文書DBの類似検索

社内マニュアルや過去障害録から関連箇所を高速抽出。

3コンテキスト注入

プロンプト合成

「以下の社内規程を根拠に回答せよ」と質問文を結合。

4LLMによる正確な回答

ハルシネーション防止

事実に基づいた確実なドラフトを作成し画面に提示。

概要・背景・本質

生成AI（Generative AI）とLLM（大規模言語モデル）は、ホワイトカラーの知的生産性を根底から覆す破壊的技術です。プログラミングの自動化、契約書のレビュー、顧客問い合わせの高度自動応答、企画書ドラフト作成など、あらゆる業務に適用可能です。社内データと安全に連携させるRAG構成や微調整（ファインチューニング）の選定が戦略の要所となります。

コア概念と着眼点

RAG（Retrieval-Augmented Generation）：外部知識データベースを検索し、その根拠をプロンプトに注入して回答生成
ハルシネーション（幻覚）：AIが事実無根の情報をもっともらしく出力する現象への対策
セキュリティ・著作権：入力データがAIの再学習に利用されないオプトアウト契約やプライベート環境の確保
人間とAIの協調（Human-in-the-loop）：AIのドラフト出力を人間が最終承認するワークフロー設計

ITストラテジスト試験（午後I記述・午後II論文）での論述ポイント

最新のITストラテジスト試験（午前II・午後I・午後II）での最注目トピック。午後II小論文では、『単にChatGPTを全社配備した』という浅い話ではなく、『コールセンターの過去ログをベクトルDB化し、RAGアーキテクチャによる高精度回答支援システムを構築。オペレーターの回答作成時間を60%削減した』といった具体的・技術的に正確な論述が求められる。