A正解
社内文書の意味ベースの検索を強化する
正解。基盤モデルが作る埋め込み（テキストの意味を数値ベクトル化したもの）や RAG を使えば、キーワード一致だけでなく意味に基づく検索を実現でき、検索体験を強化できます。厳密な“文章の生成”ではありませんが、基盤モデルの意味理解を活用するユースケースとして該当します。
ある企業が、自社サービスのどの場面で生成 AI（基盤モデル）を活用できるかを、従来の手法で十分な場面と区別しながら検討しています。次のうち、生成 AI（基盤モデル）を活用できるユースケースに当てはまるものを 2 つ選んでください。
1 / 1
複数選択してください
正解A, E
解説
生成 AI を活用できるユースケースを 2 つ選ぶ問題。
- 1「従来の手法で十分な場面と区別しながら」回帰・ルール・集計で足りる場面は 除外 する
- 2「生成 AI（基盤モデル）を活用できるユースケース」意味理解（検索）や文面の生成 が必要な場面を選ぶ
B不正解
数値データから来月の売上を回帰モデルで予測する
数値の売上予測は回帰（従来の予測型 ML）で十分実現でき、基盤モデルの出番ではありません。
ML のユースケースとしては正しいのですが、生成 AI（基盤モデル）の活用場面ではないため不正解です。
C不正解
ルールベースの条件分岐で在庫の発注点を判定する
しきい値による発注点の判定は、ルールベースの仕組みで確実に実現できる処理です。
決定論的なルールで足りる場面に生成 AI を使う必要はないため不正解です。
D不正解
アクセスログを集計してダッシュボードに表示する
ログの集計と可視化は、BI ツールや集計クエリで実現する定型処理です。
データ活用としては有用ですが、生成 AI（基盤モデル）を必要とするユースケースではないため不正解です。
E正解
利用者の好みに合わせた商品レコメンドの文面を生成する
正解。生成 AI を使えば、利用者の好みや状況に合わせたパーソナライズされたレコメンドの文面を生成でき、提案の質を高められます。
ポイント
基盤モデルを活用できるのは『意味の理解（埋め込み・検索）』と『コンテンツの生成（文章・対話）』が必要な場面です。一方、数値予測は回帰、しきい値判定はルールベース、集計は BI と、従来手法で十分な場面に生成 AI を使うのは過剰です。『その場面に生成や意味理解が要るか』で切り分けます。