このページで学ぶこと
AIを社会で活用するために知っておくべき知識をまとめています。Society 5.0の概念、AIプロジェクトの進め方、契約の種類、AIの提供方法（クラウド・エッジ）まで、G検定で問われるポイントを図解します。
Society 5.0
Society 5.0って何？
日本政府が提唱した「超スマート社会」のビジョンです。人類の歴史を5段階で捉えたとき、AIやIoTで現実世界（フィジカル空間）とネット空間（サイバー空間）を高度に融合させた社会が5番目の段階とされています。
| 段階 | 名称 | 特徴 |
|---|
| Society 1.0 | 狩猟社会 | 狩りや採集で生活 |
| Society 2.0 | 農耕社会 | 農業による定住 |
| Society 3.0 | 工業社会 | 産業革命・大量生産 |
| Society 4.0 | 情報社会 | コンピュータ・インターネット |
| Society 5.0 | 超スマート社会 | AI・IoTでサイバーとフィジカルを融合 |
Society 5.0のポイント
- 提唱者：日本政府（第5期科学技術基本計画、2016年）
- 核心：サイバー空間とフィジカル空間の高度な融合（CPS: Cyber-Physical Systems）
- 目標：経済発展と社会課題の解決を両立する人間中心の社会
- キーテクノロジー：AI、IoT、ロボット、ビッグデータ
BPR（業務プロセス改革）とUI/UX
AIを導入するとき、ただツールを入れればいいの？
いいえ。AIを導入する前に、業務プロセスそのものを見直すことが重要です。これをBPR（Business Process Re-engineering）と言います。既存の業務をそのままAIに置き換えるのではなく、業務の流れ自体を再設計してからAIを組み込むのが成功のカギです。
BPR（Business Process Re-engineering）
- 意味：業務プロセスを根本から再設計すること
- NG例：紙の帳票をそのまま画面に移しただけのデジタル化
- OK例：業務フロー自体を見直し、AIが得意な部分（データ分析・判断支援）を組み込む
UI/UXって何？AIと関係あるの？
UI（User Interface）は「画面のデザインや操作方法」、UX（User Experience）は「ユーザーが感じる体験全体」のことです。AIがどれだけ賢くても、使いにくかったら意味がありません。AIの判断結果をユーザーにわかりやすく伝える設計がとても重要です。
UI（ユーザーインターフェース）
- 画面のレイアウト、ボタン配置
- フォントや色使い
- 操作の導線設計
- 見た目と操作方法
UX（ユーザーエクスペリエンス）
- 使いやすさ・快適さ
- 目的達成までのスムーズさ
- 満足感・信頼感
- 体験全体の質
AIプロジェクトの進め方
AIプロジェクトって、普通のシステム開発と同じ流れで進めるの？
大きく違います。通常のシステム開発は「仕様を決めて→作って→納品」という流れですが、AIはやってみないと精度が出るかわからないのが最大の特徴です。そこで、経済産業省の「AI・データの利用に関する契約ガイドライン」では探索的段階型という開発方式を推奨しています。
AI・データの利用に関する契約ガイドライン
- 策定：経済産業省（2018年、2022年改訂）
- 目的：AI開発における発注者・受注者間のトラブル防止
- 核心：AIは「完成保証」が難しいため、段階的に契約を分けて進めることを推奨
探索的段階型の開発プロセス
「探索的段階型」とは、AIプロジェクトを複数のフェーズに分けて、各段階で成果を確認しながら進める方法です。各段階の間に「次に進むか、やめるか」の判断ポイントがあります。
PoC（Proof of Concept：概念実証）
PoCって何のためにやるの？
AIは「作ってみないと精度が出るかわからない」ので、本格開発の前に小規模で試して実現可能性を検証する段階がPoCです。ここで「使えそう」と判断できたら本開発に進み、「ダメそう」なら早期撤退できます。いきなり大きな投資をするリスクを減らすのが目的です。
PoCで確認すること
- 技術的実現性：そもそもAIで解けるか？必要な精度が出そうか？
- データの質と量：手持ちのデータで学習できるか？
- ビジネス価値：精度が出たとしてビジネス上のメリットがあるか？
- 運用の実現性：現場で使えるスピード・コストで動くか？
PoC貧乏（PoC疲れ）に注意
PoCばかり繰り返して本開発に進めない状態を「PoC貧乏」「PoC疲れ」と言います。PoCの目的と成功基準を事前に明確にしておくことが重要です。
追加学習
AIモデルは一回作ったら終わり？
いいえ。AIモデルは運用開始後も定期的にモデルを更新する必要があります。これを追加学習と言います。世の中のデータは時間とともに変化するので（トレンドの変化、季節変動など）、古いモデルのまま放置すると精度がどんどん下がります。
追加学習が必要な理由
- データドリフト：入力データの傾向が時間とともに変化する
- コンセプトドリフト：予測対象自体の性質が変化する
- 定期的にモデルの精度を監視し、低下したら再学習や追加学習を行う
開発手法：ウォーターフォール vs アジャイル
AIプロジェクトはどんな開発手法を使うの？
ソフトウェア開発の手法には大きくウォーターフォール型とアジャイル型があります。AIプロジェクトは試行錯誤が多いので、アジャイル型や探索的段階型が向いています。
ウォーターフォール型
- 要件定義→設計→実装→テスト→納品の一方通行
- 各工程が完了してから次へ進む
- 仕様が明確なシステム開発に向く
- AI開発にはやや不向き（精度が保証できない）
アジャイル型
- 短い周期（スプリント）で繰り返し開発
- 動くものを早く作って改善を繰り返す
- 変更・修正に柔軟に対応
- AI開発と相性が良い（試行錯誤を反映しやすい）
AI開発の契約形態
AI開発の契約ってどんな種類があるの？
AI開発では主に3種類の契約が出てきます。最も大事なのは準委任契約と請負契約の違いです。AIは精度保証が難しいため、PoCやアセスメントの段階では「成果物の完成義務がない」準委任契約が適しています。
| 契約種類 | 義務 | 内容 | AIプロジェクトでの使用場面 |
|---|
| NDA（秘密保持契約） |
機密保持 |
プロジェクトで知りえた情報を外部に漏らさない約束 |
最初に締結。データや技術情報の保護 |
| 準委任契約 |
善管注意義務
（作業の遂行） |
「やってみる」義務はあるが、完成義務はない |
アセスメント・PoC・追加学習
（精度保証が難しい段階） |
| 請負契約 |
完成義務 |
成果物を完成させて納品する義務がある |
本格開発
（仕様が確定した段階） |
G検定の頻出ポイント
PoCの段階は準委任契約が推奨されます。理由は「AIの精度は事前に保証できない＝成果物の完成を約束できない」からです。本格開発（システム構築）に進んで仕様が固まったら、請負契約に切り替えます。
AIの提供方法
AIを使う方法にはどんな選択肢があるの？
大きく分けてクラウド型とオンプレミス型、そしてエッジAIの3つがあります。それぞれメリット・デメリットが異なるので、用途に合わせて選びます。
クラウドサービスの3層モデル
| 種類 | 提供されるもの | ユーザーがやること | AI関連の例 |
|---|
| IaaS |
サーバー、ストレージ、ネットワーク |
OS・ミドルウェア・アプリの構築すべて |
GPU付き仮想マシン（AWS EC2 P3等） |
| PaaS |
上記 + OS・開発環境・ミドルウェア |
アプリケーションの開発のみ |
AWS SageMaker、Google AI Platform |
| SaaS |
上記 + 完成したアプリケーション |
そのまま使うだけ |
ChatGPT、Google翻訳 |
Cloud AI API
Cloud AI APIって何？
クラウド事業者が提供する学習済みAIをAPI経由で呼び出せるサービスです。自分でモデルを作らなくても、画像認識・音声認識・翻訳などの高精度なAI機能をすぐに使えます。SaaSに近い手軽さで、高度なAI機能を利用できるのが特徴です。
Cloud AI APIの例
- Google Cloud Vision API：画像認識・OCR
- Amazon Rekognition：画像・動画分析
- Azure Cognitive Services：音声・言語・画像の総合AI
- OpenAI API：GPT-4等の大規模言語モデル
オンプレミス vs クラウド
クラウド
- インターネット経由でサーバーを利用
- 初期コストが低い（従量課金）
- スケーラビリティが高い（すぐに拡張可能）
- データが外部に出る→セキュリティに注意
オンプレミス
- 自社内にサーバーを設置して運用
- 初期コストが高い（機器購入が必要）
- データを外部に出さない→セキュリティに強い
- 機密性の高いデータを扱う場合に適する
エッジAI / エッジコンピューティング
エッジAIって、クラウドAIと何が違うの？
クラウドAIはデータをサーバーに送って処理しますが、エッジAIはデータが発生する現場（端末側）でAI処理を行う方法です。スマホ、カメラ、工場のセンサーなど、データの「端っこ（エッジ）」で直接処理します。
クラウドAI
- データをサーバーに送って処理
- 高い計算能力で複雑な処理が可能
- ネットワーク遅延がある
- 通信コストがかかる
エッジAI
- データが発生した現場で処理
- 超低遅延（リアルタイム処理が可能）
- 通信不要→プライバシー保護に有利
- 計算能力に制約→軽量モデルが必要
エッジAIの活用例
- 自動運転：遅延が許されないリアルタイム判断
- スマートフォン：顔認証、音声アシスタント
- 工場：不良品のリアルタイム検出
- 監視カメラ：映像を外部に送らずその場で異常検知
G検定キーポイントまとめ
- Society 5.0はサイバー空間とフィジカル空間の融合による「超スマート社会」。日本政府が第5期科学技術基本計画で提唱
- BPRは業務プロセスを根本から再設計すること。AIをただ導入するだけでなく業務自体を見直す
- UIは画面・操作方法、UXはユーザーの体験全体
- AI・データの利用に関する契約ガイドライン（経産省）は探索的段階型の開発を推奨
- PoC（概念実証）は本格開発前に小規模で技術的実現性を検証する段階
- 追加学習はAIモデルを運用後に新しいデータで更新すること。データドリフト対策
- ウォーターフォール型は一方通行の開発、アジャイル型は繰り返しの開発。AI開発はアジャイルや探索的段階型が向く
- NDAは秘密保持契約。プロジェクト開始時に最初に締結する
- 準委任契約は作業遂行義務（完成義務なし）→PoCやアセスメントに使う
- 請負契約は完成義務あり→仕様確定後の本格開発に使う
- SaaSはソフトウェアを提供、PaaSは開発環境を提供、IaaSはインフラを提供
- Cloud AI APIは学習済みAIをAPI経由で使えるサービス
- オンプレミスは自社内にサーバーを設置→セキュリティに強い
- エッジAIはデータ発生元で処理→低遅延・プライバシー保護。自動運転・スマホ等で使用