生成AIのユースケース

AIF-C01では、業務課題の説明から「が向くか」「どの使い方に当たるか」を判断する問題が出ます。この章では代表的なユースケースを整理します。

概要

の使い方は、大きく次の5つに分けられます。

もっとも導入しやすい使い方です。

問い合わせ対応では、定型手続きと自由質問の切り分けが設計の要点です。

⚠️ 頻出: 社内の情報を根拠に答えさせたい場合は、モデルを学習させるのではなく検索と組み合わせます。

は学習した時点までの一般知識しか持たないため、社内文書や最新情報については誤った内容を作ってしまいます。関連文書を検索して渡すにすると、根拠に基づいた回答が得られます。

コードの生成、補完、説明、テスト作成、既存コードの移行に使えます。 AWSでは (旧の後継) が開発者向けの支援を担当します。

⚠️ 頻出: 生成されたコードもレビューとテストの対象です。そのまま本番へ入れる運用はの観点で不適切です。

複数の手順が必要な依頼では、モデルに手順を分けて考えさせ、必要なを呼び出させる構成が使えます。 AWSでは、エージェントを本番で動かす基盤としてがあります。

例	手順
出張の手配	空席の照会、予約、経費申請の作成を順に実行します。
問い合わせの解決	契約情報の照会、状況の確認、対応記録の登録を行います。

の導入が成功したかは、やのようなモデルの指標ではなく、業務の数字で判断します。目的に合う指標を選び、導入前と後 (または導入した群としない群) で比べます。

指標	内容	使う場面の例
投資収益率 (ROI)	得られた効果 (削減した費用や増えた収益) を、投資額 (利用料、開発費、運用費) で割った値です。	投資に見合ったかを経営層へ示す
効率	処理時間や人手の作業がどれだけ減ったかです。	1件あたりの対応時間の短縮
コンバージョン率	閲覧や提案が、購入や申し込みなどの成果につながった割合です。	生成した商品説明で購入が増えたか
利用者あたりの平均収益 (ARPU)	ある期間の収益を利用者数で割った値です。	有料の生成AI機能で、利用者1人あたりの月の収益が増えたか
顧客生涯価値 (CLV)	1人の顧客が取引を続ける期間全体で、もたらす収益の合計です。	生成AIの機能で解約が減り、長く使い続けてもらえたか
	回答や処理のうち、正しかったものの割合です。	問い合わせへの回答がどれだけ正しかったか
クロスドメインのパフォーマンス	1つのモデルが、法務、営業、人事など異なる業務領域でどれだけ通用するかです。	部門ごとに別のモデルを用意せずに済むかの判断

⚠️ 頻出: 「短期の1人あたりの収益」ならARPU、「顧客との関係が続く期間全体の収益」なら顧客生涯価値です。