分野 B｜ビジネス
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。
シラバス案 Ver.0.1（2026年8月31日公表）の『2-10-1 人間中心のAI社会原則』
最終更新
よく出る形
- イノベーションの原則の記述を選ぶ（3回分で1問）
- AI で使うデータのバイアス対策を、a〜d の組合せで選ぶ（3回分で1問）
- 問われるとしたら：事例で、AI 事業者ガイドラインの主体を選ぶ形
- 問われるとしたら：七つの原則に関する不適切な記述を選ぶ形
- 問われるとしたら：AI 事業者ガイドラインの a〜c の組合せの形
- 問われるとしたら：事例で、AI の学習データなどの偏りへの配慮を選ぶ形
覚えること
- 人間中心の AI 社会原則：2019年（平成31年）3月に、統合イノベーション戦略推進会議が決定した
- 七つの原則：人間中心、教育・リテラシー、プライバシー確保、セキュリティ確保
- 七つの原則（続き）：公正競争確保、公平性、説明責任及び透明性、イノベーション
- 人間中心の原則：AI は人の能力を拡張するために使い、基本的人権を侵してはならない
- 公平性、説明責任及び透明性の原則：不当な差別を受けないよう公平を保ち、AI の利用などを利用者に説明する
- イノベーションの原則：国際化と多様化を進め、官民の連携と柔軟な人材の移動を促す
- AI-ready な社会：Society 5.0 の実現に必要な、社会の変革
- AI 事業者ガイドライン：総務省と経済産業省が公表。AI 開発者、AI 提供者、AI 利用者が対象
- AI 事業者ガイドラインは、人間中心の AI 社会原則を基礎にしている
- AI 開発者はモデルを作り、AI 提供者はシステムに組み込んで提供し、AI 利用者は事業で使う
- 他社が開発したモデルを組み込んでサービスを提供する事業者は、AI 提供者に当たる
- 共通の指針（10項目）：人間中心、安全性、公平性、プライバシー保護、セキュリティ確保
- 共通の指針（続き）：透明性、アカウンタビリティ、教育・リテラシー、公正競争確保、イノベーション
- 公平性の指針：AI に単独で判断させるだけでなく、適切なタイミングで人の判断を介在させる利用を検討する
- アカウンタビリティの指針：責任者の明示や、関係者間の責任の分配などを行う
- データのバイアスと品質：学習の目的への適合、入手元と作成来歴、アノテーションの付与目的を確かめる
- 公平性とバイアス：学習に使うデータや評価の項目に含まれる偏りに配慮する
- 参考：今のシラバス（Ver.6.5）の用語例には AI 利活用ガイドラインがあり、AI 事業者ガイドラインはない
ひっかけ
- 七つの原則に「安全性」はない。安全性は共通の指針にある
- 七つの原則では、公平性と説明責任と透明性が一つの原則
- AI 事業者ガイドラインは、AI を作る側だけでなく、使う側も対象
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。
AI 事業者ガイドラインで用いる立場の区分のうち、A 社に該当するものはどれか。
A 社は、他社が開発した AI モデルを組み込んで、文書の要約サービスを作った。このサービスを、A 社の取引先の企業に提供している。
正解：ウ AI 提供者
ポイント
AI 事業者ガイドラインの立場の区分のうち、サービスを提供する側を選ぶ事例の問題です。
考え方と解き方
モデルを作る会社だけが AI の事業者だと考えると、作る側の AI 開発者を選んでしまいます。他社のモデルを使っていても、サービスにして提供すれば、提供する側です。
- AI 事業者ガイドラインでは、AI モデルを既存または新設のシステムに組み込み、AI システムやサービスとして利用者に提供する主体が、AI 提供者です。
- A 社は、他社のモデルを組み込んだ要約サービスを、取引先に提供しているので、AI 提供者に当たります。
- したがって、該当するのは ウ です。
ほかの選択肢
- ア AI 開発者は、AI モデルを構築する主体です。A 社は他社が開発したモデルを使っていて、モデルを作っていません。
- イ AI 利用者は、提供された AI システムやサービスを事業で使う主体です。A 社は取引先に提供する側で、取引先が利用者に当たります。
- エ 業務外利用者は、事業では使わず、AI の出力などの影響を受ける消費者や応募者などです。A 社は事業としてサービスを提供しています。
覚えておくこと
- AI 開発者はモデルを作り、AI 提供者はシステムに組み込んで提供し、AI 利用者は事業で使う
- 他社が開発したモデルを組み込んでサービスを提供する事業者は、AI 提供者に当たる
（テーマ・覚えること）
人間中心の AI 社会原則の七つの原則に関する記述として、最も不適切なものはどれか。
正解：エ 安全性の原則が、七つの原則の一つとして定められている。
ポイント
七つの原則の名前を、AI 事業者ガイドラインの共通の指針と区別して判定する問題です。
考え方と解き方
AI 事業者ガイドラインの共通の指針には安全性があるので、七つの原則にもあると思いこむと、エを適切と読んで見落とします。
- 七つの原則は、人間中心、教育・リテラシー、プライバシー確保、セキュリティ確保、公正競争確保、公平性、説明責任及び透明性、イノベーションです。
- 安全性の原則は、この七つに含まれません。
- 最も不適切なのは エ です。正しくは、七つの原則に安全性の原則はなく、セキュリティ確保の原則があります。
ほかの選択肢
- ア 適切です。七つの原則の一つです。格差や弱者を生まないよう、全ての人にリテラシー教育や学び直しの機会を提供することを求める原則です。
- イ 適切です。公正競争確保の原則は、七つの原則の一つです。
- ウ 適切です。プライバシー確保の原則は、七つの原則の一つです。
覚えておくこと
- 七つの原則：人間中心、教育・リテラシー、プライバシー確保、セキュリティ確保
- 七つの原則（続き）：公正競争確保、公平性、説明責任及び透明性、イノベーション
（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 社の担当者が、AI 事業者ガイドラインの内容を整理した。整理した内容は、a〜c のとおりである。
- a 人間中心の AI 社会原則を基礎にしていて、AI 開発者、AI 提供者、AI 利用者を対象にしている。
- b 共通の指針には、透明性やアカウンタビリティのほか、教育・リテラシーやイノベーションなどが含まれる。
- c AI に問題が生じたときの責任は、AI 開発者だけが負うと定められ、責任を分ける考え方はない。
正解：ア a、b
ポイント
AI 事業者ガイドラインの位置づけ、対象、共通の指針を、a〜c で判定する問題です。
考え方と解き方
ガイドラインは、AI を作る側だけでなく、提供する側と使う側も対象にしています。責任を作る側一者に集めて読むと、c を適切にしてしまいます。
- a は適切です。AI 事業者ガイドラインは、人間中心の AI 社会原則を基礎にして、AI 開発者、AI 提供者、AI 利用者を対象にしています。
- b は適切です。共通の指針は10項目あり、透明性、アカウンタビリティ、教育・リテラシー、イノベーションなどが含まれます。
- c は不適切です。アカウンタビリティの指針には、責任者の明示や、関係者間の責任の分配が含まれます。
- したがって、適切なのは a、b で、ア です。
ほかの選択肢
- イ c も適切としていますが、責任を AI 開発者だけが負うという定めはないので、c は不適切です。
- ウ a が適切なのに入っておらず、不適切な c が入っています。
- エ a、b が適切なのに入っておらず、不適切な c だけになっています。
覚えておくこと
- AI 事業者ガイドラインは、人間中心の AI 社会原則を基礎にしている
- 共通の指針（10項目）：人間中心、安全性、公平性、プライバシー保護、セキュリティ確保
- アカウンタビリティの指針：責任者の明示や、関係者間の責任の分配などを行う
（テーマ・覚えること）
A 社の対応として、最も適切なものはどれか。
A 社は、採用の応募書類の一次選考に AI を使うことにした。AI の学習には、過去の選考のデータを使う。A 社は、AI の評価が特定の属性の応募者に不利にならないよう、公平性を保つ対応を検討している。
正解：イ 学習に使うデータや、評価に使う項目に、性別などによる偏りがないかを確かめる。
ポイント
AI の公平性のために、学習に使うデータや評価の項目に含まれるバイアスへ配慮する事例の問題です。
考え方と解き方
データの偏りは、AI の評価にそのまま引き継がれます。項目を消すだけで安心すると、残った偏りを見落とします。
- AI 事業者ガイドラインの公平性の指針は、AI の学習に使うデータなどに含まれるバイアスへの配慮を求めています。
- この事例では、学習に使うデータと、評価に使う項目に、性別などによる偏りがないかを確かめます。
- したがって、最も適切なのは イ です。
ほかの選択肢
- ア 結果が出たあとに人数を数えるだけでは、学習に使ったデータの偏りに気づけません。
- ウ 氏名と性別の項目を消しても、ほかの項目やデータの構成に偏りが残るおそれがあります。確認を省く理由になりません。
- エ 合格した人の割合が高い属性を項目に加えると、過去の偏りを評価に取り込むことになります。
覚えておくこと
- 公平性とバイアス：学習に使うデータや評価の項目に含まれる偏りに配慮する
（テーマ・覚えること）
このテーマの過去問
過去問を解く（2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。
- 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。
- 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。