DX推進・先端技術・ビジネスモデル重要度:★★★出題: AM2・PM1・PM2

生成AI・LLM

せいせいえーあい / えるえるえむ / Generative AI & Large Language Models

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行速習ポイント

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。

図解

図RAG（検索拡張生成）によるセキュアな生成AI活用構成プロセス・手順フロー

社内機密を保持しながら正確な独自回答を生成

▶ 進行順序：1. Input➔2. 検索➔3. 注入➔4. Output

1ユーザーの質問入力

Input

業務上の問い合わせ

社員やオペレーターが業務ポータルから自然言語で質問を入力する（個人情報や機密の外部流出を防ぐため、再学習禁止の専用API環境を経由）。

2ベクトル検索 (Retrieval)

検索

社内文書DBの類似検索

入力された質問をベクトル化し、社内の規程集・製品マニュアル・過去障害対応ログを格納したベクトルDBから関連性の高い根拠文書を高速抽出する。

3コンテキスト注入

注入

プロンプト合成

抽出した社内文書の該当箇所を「以下の事実のみを根拠に回答せよ」というシステムプロンプトとともに質問文へ動的に結合してLLMへ渡す。

4LLMによる正確な回答

Output

ハルシネーション防止

LLMが根拠文書に基づいた正確な回答案（引用元リンク付き）を生成し、ハルシネーションを抑止した状態で人間の最終確認（HITL）を経て活用する。

💡 午後I・午後IIで生成AIを扱う際は、社内文書を検索注入するRAG構成でハルシネーションを防ぎ、再学習オプトアウトと人間最終確認（HITL）をセットで論じる。

概要と本質

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。

重要ポイント・コア概念

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

試験対策・午後II論文での活用法

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。