分野 B｜ビジネス
識別AIの活用（需要予測・顧客セグメンテーション）
今の制度の過去問（3回分）では、AI を導入して作業効率が向上した事例を選ぶ形が1問出ています。
シラバス案 Ver.0.1（2026年8月31日公表）の『2-10-2 識別AIの活用領域及び活用目的』
最終更新
よく出る形
- AI を導入して作業効率が向上した事例を選ぶ（3回分で1問）
- 問われるとしたら：事例で、目的に合う AI の使い方（予測かグループ分けか）を選ぶ形
- 問われるとしたら：強化学習の活用例や、店舗クラスタリングの結果の使い方を選ぶ形
- 問われるとしたら：売上予測などの活用例の a〜c の組合せの形
覚えること
- 教師あり学習：正解を付けたデータで学習し、新しいデータの値や区分を予測する
- 教師あり学習の活用例：売上予測、成約予測、離反予測
- 離反予測：顧客が解約などで離れるかを、過去の顧客のデータから予測する
- 教師なし学習：正解を与えず、データの特徴が似たもの同士をグループに分ける
- 教師なし学習の活用例：顧客セグメンテーション、店舗クラスタリング
- 顧客セグメンテーション：購買の傾向が似た顧客をグループに分け、施策を分ける
- 強化学習：試行を重ね、望ましい結果に報酬を与えて、よい行動を学ぶ
- 強化学習の活用例：配車ルートの最適化
- 見分け方：正解の履歴があれば教師あり、グループ分けなら教師なし、試行の結果で改善なら強化学習
- 店舗クラスタリングの結果：まとまりごとの特徴をつかみ、品ぞろえや販促を、まとまりに合わせて変える
- AI 導入の効果の例：手書き文字の自動読取りや、チャットボットでの事前の聞き取りで、作業時間を短縮する
- 参考：今のシラバス（Ver.6.5）では、強化学習の活用例は制御（自動走行制御など）
- 参考：新しいシラバス案（Ver.0.1）では、強化学習の活用例は支援（配車ルートの最適化など）
ひっかけ
- 売上予測は教師あり学習。顧客のグループ分けは、予測ではなく教師なし学習
- 強化学習は、正解を与えるのではなく、結果に応じた報酬で学ぶ
- 決めた手順を繰り返す自動化ツールは、AI の導入例に当たらない
想定問題
4問（四肢択一）。選ぶと、その場で正解と解説が開きます。
B さんが使う AI の活用方法として、最も適切なものはどれか。
通信サービスを提供する A 社は、顧客ごとの利用履歴と、その後に契約が終わったかどうかの記録を、数年分持っている。担当者の B さんは、今の顧客のうち、解約しそうな人を事前に見つけて、引き止めの案内を送りたいと考えている。
正解：イ 契約が終わったかどうかの記録を正解として、利用履歴から、今の顧客が解約する可能性を予測する。
ポイント
解約の予測という目的から、教師あり学習による予測を選ぶ事例の問題です。
考え方と解き方
記録があっても、使い方が目的に合うかで見分けます。グループ分けでは、一人一人の解約の可能性は分かりません。
- B さんの目的は、今の顧客が解約するかを事前に見つけることで、手元には、契約が終わったかどうかの記録があります。
- 記録を正解として学習し、新しいデータの値や区分を予測するのは教師あり学習で、この活用例が離反予測です。
- したがって、最も適切なのは イ です。
ほかの選択肢
- ア 記録を使っても、特徴の似た顧客をグループに分けるのは、教師なし学習による顧客セグメンテーションです。一人一人が解約する可能性は分かりません。
- ウ 反応を点数にして試しながら改善していくのは強化学習で、解約の可能性を予測する使い方ではありません。
- エ 案内の文面を新たに作るのは生成 AI の使い方で、解約の可能性を予測するものではありません。
覚えておくこと
- 教師あり学習：正解を付けたデータで学習し、新しいデータの値や区分を予測する
- 離反予測：顧客が解約などで離れるかを、過去の顧客のデータから予測する
（テーマ・覚えること）
強化学習による支援の例として、最も適切なものはどれか。
正解：ウ 配送の状況に合わせて、車両ごとの走行ルートの案を示し、配車担当者の判断を助ける。
ポイント
強化学習による支援の例を、活用の場面から選ぶ問題です。
考え方と解き方
ルートを決めるという目的から、売上の見込みを出す予測と同じ種類だと考えて、アを選ぶ間違いが起こります。
- 強化学習は、試行を重ね、望ましい結果に報酬を与えて、よい行動を学ぶ学習で、活用例の一つが配車ルートの最適化です。
- 配送の状況に合わせて走行ルートの案を示し、配車担当者の判断を助けるのは、その例です。
- したがって、最も適切なのは ウ です。
ほかの選択肢
- ア 売上の見込みを出すのは、過去の売上を正解に使う教師あり学習による売上予測の例です。
- イ 購買の傾向が似た顧客のまとまりを見つけるのは、教師なし学習による顧客セグメンテーションの例です。
- エ 回答の文面を新たに作るのは、生成 AI の使い方で、強化学習の例ではありません。
覚えておくこと
- 強化学習：試行を重ね、望ましい結果に報酬を与えて、よい行動を学ぶ
- 強化学習の活用例：配車ルートの最適化
（テーマ・覚えること）
適切なものだけを全て挙げたものはどれか。
A 社は、小売店の運営に AI を活用することを検討している。担当者が整理した活用例は、a〜c のとおりである。
- a 売上予測は、結果に応じた報酬を手がかりに、試行を重ねて学習する強化学習の活用例である。
- b 顧客セグメンテーションは、正解を与えずに特徴の似た顧客を分ける、教師なし学習の活用例である。
- c 成約予測は、過去の商談の結果を正解として学習し、成約しやすさを予測する教師あり学習の活用例である。
正解：ウ b、c
ポイント
売上予測、顧客セグメンテーション、成約予測と、学習の種類の組合せを、a〜c で判定する問題です。
考え方と解き方
予測と聞くと、報酬で学ぶ強化学習のように最適化と混ぜがちです。予測は正解の履歴を使う教師あり学習で、a は種類を取りちがえています。
- a は不適切です。売上予測は、過去の売上を正解として使う、教師あり学習の活用例です。
- b は適切です。顧客セグメンテーションは、正解を与えずに特徴の似た顧客をグループに分ける、教師なし学習の活用例です。
- c は適切です。成約予測は、過去の商談の結果を正解として学習する、教師あり学習の活用例です。
- したがって、適切なのは b、c で、ウ です。
ほかの選択肢
- ア a も適切としていますが、売上予測は強化学習ではなく教師あり学習なので、不適切です。c が入っていません。
- イ a も適切としていますが、売上予測の学習の種類を取りちがえていて、不適切です。
- エ c は適切ですが、b も適切なので、c だけでは足りません。
覚えておくこと
- 教師あり学習の活用例：売上予測、成約予測、離反予測
- 教師なし学習の活用例：顧客セグメンテーション、店舗クラスタリング
- 強化学習：試行を重ね、望ましい結果に報酬を与えて、よい行動を学ぶ
（テーマ・覚えること）
店舗クラスタリングの結果の使い方として、最も適切なものはどれか。
A 社は、全国の店舗を、立地、客層、売上の傾向が似たものどうしで、いくつかのまとまりに分けた。
正解：エ まとまりごとの特徴を調べ、まとまりに合わせて、品ぞろえや販促の方法を変える。
ポイント
店舗クラスタリングで分けた結果を、どう使うかを選ぶ問題です。
考え方と解き方
分けた結果は、施策を考える材料です。一度の結果を固定したり、一つの例を全体に広げたり、分けすぎたりすると、誤った使い方になります。
- 店舗クラスタリングは、正解を与えずに、特徴の似た店舗をグループに分ける教師なし学習の活用例です。
- 分けた結果は、まとまりごとの特徴をつかみ、まとまりに合わせて品ぞろえや販促を変える使い方に向きます。
- したがって、最も適切なのは エ です。
ほかの選択肢
- ア 立地や客層は変わるので、見直さずに使い続けると、まとまりが実態と合わなくなります。
- イ まとまりを店舗数と同じ数まで細かくすると、一店舗ずつのまとまりになり、似た店舗をまとめて施策を考える意味がなくなります。
- ウ まとまりに分けた目的は、まとまりごとに合う施策を取ることです。一つの店舗のやり方を全店舗に適用すると、分けた意味が失われます。
覚えておくこと
- 教師なし学習の活用例：顧客セグメンテーション、店舗クラスタリング
- 店舗クラスタリングの結果：まとまりごとの特徴をつかみ、品ぞろえや販促を、まとまりに合わせて変える
（テーマ・覚えること）
このテーマの過去問
過去問を解く（1問）同じ分野のテーマ（ビジネス）
- DXとは（社会の変化・顧客体験・SDGs）今の制度の過去問（3回分）では、DX の説明とデジタルディスラプションを表す用語が3回分で2問出ています。
- イノベーションの種類と理論（オープンイノベーション・リーンスタートアップ）今の制度の過去問（3回分）では、ベンチャーキャピタル、オープンAPI、キャズムが3回分で3問出ています。
- PoC・チェンジマネジメント（変革の進め方）今の制度の過去問（3回分）では、バックキャスティング、PoC、ハッカソン、投資の回収期間の計算が3回分で5問出ています。
- 経営戦略の基本（経営理念・M&A・コアコンピタンス）今の制度の過去問（3回分）では、MVV のビジョンが3回分で1問出ています。
- SWOT分析・KPI・バランススコアカード（戦略の手法）今の制度の過去問（3回分）では、VRIO 分析、ニッチ戦略、バリューエンジニアリングが、3回分で3問出ています。
- デジタル戦略（DX戦略・BYOD・デジタルディバイド）今の制度の過去問（3回分）では、BYOD の説明が、3回分で1問出ています。
- 情報システム戦略・EA（SoR・SoE・As-is/To-be）今の制度の過去問（3回分）では、SoR と SoE、EA、システム化構想の立案、情報システム化基本計画が、3回分で4問出ています。
- 要件定義と調達（RFI・RFP・入札）今の制度の過去問（3回分）では、RFI、RFP、業務要件定義、要件定義への利用者の関わりが、3回分で4問出ています。
- 3C分析・PEST分析・STP分析（ビジネス調査）今の制度の過去問（3回分）では、STP 分析のポジショニングが、3回分で1問出ています。
- ビジネスモデル（サブスクリプション・フリーミアム・ビジネスモデルキャンバス）今の制度の過去問（3回分）では、サブスクリプション、シェアリングエコノミー、フリーミアムの用語が、3回分で3問出ています。
- ビジネスプロセス改善（BPR・BPM・RPA）今の制度の過去問（3回分）では、RPA、業務プロセスの可視化、BPO の用語などが、3回分で6問出ています。
- プロダクトライフサイクル・ブランディング今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- マーケティング戦略とWebマーケティング（SEO・リスティング広告）今の制度の過去問（3回分）では、リスティング広告の説明が1問出ています。
- サービスマネジメントとSLA（サービスレベル管理）今の制度の過去問（3回分）では、SLA とサービスレベル管理、可用性、稼働率の計算などが5問出ています。
- サービスデスク・インシデント管理・変更管理今の制度の過去問（3回分）では、サービスデスクの役割や評価の指標などが3問出ています。
- プロジェクトマネジメントの基本（PMO・ステークホルダ・リスク）今の制度の過去問（3回分）では、プロジェクトの定義、憲章、会議、変更要求、要員の配置などが6問出ています。
- 変化への適応とコラボレーション（マインド・スタンス）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 顧客・ユーザーへの共感と常識にとらわれない発想今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 小さく試して直す・柔軟な意思決定・事実に基づく判断今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- データマネジメントとデータガバナンスの考え方今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- データ品質管理とメタデータ管理今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- データライフサイクル（生成・保管・処理・活用・廃棄）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- データ基盤（データレイク・DWH・データマート・ETL）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- データの種類と加工（構造化データ・名寄せ・欠損値）今の制度の過去問（3回分）では、名寄せ、ライフログ（人の行動ログ）、アノテーション、ビッグデータの3V が、合わせて4問出ています。
- グラフとQC七つ道具（パレート図・散布図）・ブレーンストーミング今の制度の過去問（3回分）では、パレート図の説明を選ぶ形とブレーンストーミングの進め方を選ぶ形が、合わせて2問出ています。
- AI社会原則とAI事業者ガイドライン今の制度の過去問（3回分）では、人間中心の AI 社会原則のイノベーションの原則を選ぶ形と、AI で使うデータのバイアス対策を選ぶ形が、合わせて2問出ています。
- 生成AIの活用（プロンプトエンジニアリング・マルチモーダル）今の制度の過去問（3回分）では、プロンプトエンジニアリングの説明を選ぶ形が1問出ています。
- AIエージェントの活用（自律性・ガードレール）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。