生成AIパスポート AIエージェント 問題

選ぶと、すぐに正誤と解説が出ます。選んだ答えは変えられません。

1. AIエージェントとは

   問 1「ワークフロー型エージェント」と「自律型エージェント」の違いの説明として、最も適切なものはどれですか。

   ワークフロー型は目標に向けて次に何をするかをAI自身がその都度判断して進め、自律型は人があらかじめ決めた手順のとおりにだけ常に動くワークフロー型は画像だけを扱い、自律型は文章だけを扱うという、扱うデータの種類の違いであるワークフロー型は人があらかじめ決めた手順に沿って生成AIを呼び出し、自律型は目標に向けて次に何をするかをAI自身が判断して進めるワークフロー型は人の確認を一切挟まず、自律型は1つの操作ごとに必ず人の承認がないと進めない

2. 問 2AIエージェントの自律性のレベルを上げるときに、あわせて強めるべきこととして最も適切なものはどれですか。

   自律性が高ければ人の確認は要らないので、操作の記録を残すのをやめる自律性が高ければ誤りは起きにくいので、試験運用を省いて全社の業務に一度に広げるAIに任せる操作の範囲と権限を見直し、影響の大きい操作の前に人が確認する仕組みを用意する自律性を上げるとエージェントの権限は自動で必要な範囲に絞られるので、権限の設定は気にしなくてよい

3. 問 3AIエージェントが実務で注目されるようになった背景として、最も適切なものはどれですか。

   生成AIがハルシネーションを完全に起こさなくなり、人が結果を確かめる必要がまったく無くなってきた人が規則を書き込むエキスパートシステムが、生成AIに代わって再び主流になった生成AIの利用に関する法律上の決まりが一切なくなり、どの業務にも自由に使えるようになった大規模言語モデルが計画を立てて道具を呼び出す力を高め、外部のツールとつなぐ仕組みも整ってきた

4. 問 4業務にAIエージェントを取り入れるときの、人とエージェントの役割分担として最も適切なものはどれですか。

   エージェントが目標を決めて最終的な判断と責任を負い、人はエージェントが出した指示のとおりに作業するだけになるエージェントが判断した結果は正しいので、人は結果を確かめずに承認だけを行うエージェントを入れたら、その業務に関わる人の役割はすべてなくなるエージェントが調査や下書き、定型の操作を担い、人が目標を決めて結果を確かめ、最終的な判断と責任を負う

5. RAG（検索拡張生成）

   問 5RAGで社内の長い規程集を検索の対象にするとき、文書を「チャンク」に分けて登録する主な理由として、最も適切なものはどれですか。

   文書を細かく分けておけば、モデルがその内容を重みとして覚えるので、質問のたびに文書を検索する処理が要らなくなるため質問に関係する部分だけを取り出してモデルに渡し、検索の精度とコンテキストウィンドウの使い方を良くするため文書を細かく分けると著作権の対象から外れ、誰でも自由に使えるようになるため文書を細かく分けると、生成のTemperatureが自動で下がって答えが安定するため

6. 問 6製品の型番 (例 XR-2041) のような固有の文字列で探す質問と、言い回しの違う質問の両方に強いRAGにしたいと考えています。検索の工夫として最も適切なものはどれですか。

   ベクトル検索だけにすれば、意味の近さで探せるうえ、型番のような細かな文字列も必ず完全に一致する文書が見つかる語の一致で探すキーワード検索と、意味の近さで探すベクトル検索を組み合わせ、候補をリランキングで並べ直すキーワード検索だけにすれば、言い回しの違う質問にも必ず答えられる見つかった候補のうち、作成日が最も古い文書だけをモデルに渡す

7. 問 7RAGで作った社内の問い合わせ窓口が、すでに廃止された古い規程を根拠に答えていました。原因と対策の組み合わせとして、最も適切なものはどれですか。

   Temperatureが高すぎたためで、値を下げれば古い規程は参照されなくなるモデルの規模が小さすぎたためで、より大きなモデルに替えれば古い版の規程は自然に無視されるようになる検索の対象に古い版が残っていたためで、更新日などのメタデータを管理し、廃止した版を対象から外す質問の文が長すぎたためで、利用者に短く質問するよう周知すればよい

8. AIエージェントの仕組み

   問 8AIエージェントが「推論と行動のフィードバックループ」で仕事を進める流れとして、最も適切なものはどれですか。

   最初に1回だけ答えを生成し、途中の結果は見ずに、計画したすべての行動をまとめて一度に実行し、それで仕事を終える人が1手ずつ次の操作を入力し、AIはその操作の結果を画面に表示するだけにとどまる失敗した行動は記録から消し、最初に立てた計画を変えずに最後まで続ける次に何をするかを考え、ツールを使って行動し、その結果を観察して必要なら計画を立て直すことを繰り返す

9. 問 9AIエージェントが外部のツールを呼び出すFunction Calling (Tool Use) の仕組みの説明として、最も適切なものはどれですか。

   モデルの重みの中にツールのプログラムが組み込まれており、モデル自身が直接サーバーにつないで処理を実行し、結果を書き込むモデルは呼び出すツールの名前と引数を決まった形式で出力し、実際の実行はアプリケーション側が行って結果をモデルに返すツールの呼び出しは画像を生成するときだけに使われ、文章の生成では使えないツールの名前と引数は利用者が毎回手で入力し、モデルはどのツールを使うかを選べない

10. 問 10長い作業を続けるAIエージェントで「コンテキストエンジニアリング」として行う工夫として、最も適切なものはどれですか。

    限られたコンテキストウィンドウに、その時点の作業に必要な指示、記憶、ツールの結果を選んで要約し、入れる中身を設計する過去のやり取りやツールの結果は、どれも後で役に立つかもしれないので、要約も取捨選択もせずにすべてそのままコンテキストに積み続ける作業のたびにモデルをファインチューニングし、会話の内容を重みに覚えさせる指示文の言葉遣いを丁寧にすることだけに集中し、渡す情報の量は気にしない

11. MCP・Agent Skills と外部連携

    問 11MCP (Model Context Protocol) の説明として、最も適切なものはどれですか。

    AIアプリケーションと外部のツールやデータソースをつなぐ方法を共通の形式にそろえた、公開された規格大規模言語モデルの重みを小さく圧縮して、通信のないスマートフォンや小さな機器の上でも動かせるようにする技術生成した画像に来歴情報を電子署名付きで添えるための規格複数の回答を人が比べて採点し、報酬モデルを作るための学習手法

12. 問 12MCPとA2A (Agent-to-Agent) の役割の違いとして、最も適切なものはどれですか。

    A2Aはエージェントとツールやデータをつなぎ、MCPは別々の会社が作ったエージェントどうしが仕事を頼み合えるようにつなぐMCPはエージェントとツールやデータをつなぎ、A2Aは別々に作られたエージェントどうしが仕事を頼み合えるようにつなぐMCPもA2Aも画像生成モデルの学習手法で、エージェントの連携とは関係がないA2Aはエージェントに与えた権限を一括で取り消すための、緊急停止の仕組みである

13. 問 13AIエージェントの「Agent Skills (エージェントスキル)」の説明として、最も適切なものはどれですか。

    特定の作業の手順書や補助のスクリプトをまとめたフォルダで、エージェントは関係するときだけ中身を読み込んで使うエージェントの性能を測るために、提供元が公開している試験問題の一覧利用者の個人情報を、エージェントが自動で集めて保存しておく機能モデルの重みを書き換えて新しい作業を覚えさせる追加学習の手法で、作業ごとに学習し直したモデルを利用者へ配る仕組み

14. AIエージェントのツールと活用事例

    問 14コーディングエージェントに機能の追加を任せるときの運用として、最も適切なものはどれですか。

    エージェントの変更はプルリクエストとして出させ、自動の試験と人のコードレビューを通ってから取り込むエージェントの変更は自動で作られたもので人の書き間違いが無いので、試験をせずに本番の環境へ直接反映させるエージェントに本番のデータベースの管理者の権限を渡し、確認なしで作業させるエージェントが書いたコードは量が多いので、レビューせずに取り込んで後で直す

15. 問 15AIエージェントの「ハーネスエンジニアリング」の説明として、最も適切なものはどれですか。

    モデルの重みを一から学習し直し、より多くのパラメータとデータを使った大きなモデルを作り、それによって性能を上げようとすること生成した画像に電子透かしを入れて、AIで作ったことを示すことエージェントの回答を、利用者が気に入るまで何度も生成し直させることモデルの周りに置く指示、道具、権限、試験の仕組みといった実行の環境を設計し、エージェントが安定して働けるようにすること

16. 問 16多数のWebの情報源を自動で調べて報告書にまとめる「ディープリサーチ」の機能の使い方として、最も適切なものはどれですか。

    報告書に出典が付いていれば正しいので、出典を開かずに社外の資料にそのまま載せる調べる範囲を広げるため、社内の機密資料の内容を公開の検索の欄に入力して調べさせるAIがまとめた報告書は、引用された出典を開いて中身と照らし合わせてから使う報告書の結論が自分の予想と合っていれば、根拠を確かめる必要はない

17. AIエージェントのリスク・安全性・評価

    問 17複数のAIエージェントが順に作業を引き継ぐ仕組みで、最初のエージェントが取り違えた数字を後のエージェントが前提として使い続け、最終の報告が大きく誤りました。対策として最も適切なものはどれですか。

    引き継ぎの途中で中間の結果を検証する段階を設け、誤りが後の工程へ広がる前に止めるエージェントの数を増やせば誤りは打ち消し合うので、同じ構成のエージェントを足す途中の記録は処理を遅くするので、各エージェントの出力の記録を取らないようにする最後のエージェントのTemperatureを上げて、前の誤りに引きずられないようにする

18. 問 18社内で使うAIエージェントを改修するたびに、品質が落ちていないかを確かめる方法として最も適切なものはどれですか。

    開発者が思いついた質問を数回試し、良さそうな答えが返ってくれば、品質に問題はないとみなして利用者に公開する業務に近い課題と合格の基準を集めた課題集 (Eval) を用意し、改修のたびに同じ課題で結果を比べる回答の文字数が長くなっていれば、改修前より品質が上がったとみなす利用者から苦情が届くまでは品質は保たれているとみなし、確認は行わない

19. 問 19コーディングエージェントに、インターネットから取ってきたコードを試しに動かさせるときの環境として、最も適切なものはどれですか。

    本番の鍵や顧客のデータが入った開発者のパソコンで、そのまま動かさせる動作を速くするため、会社のすべてのサーバーの管理者の権限を渡して動かさせる本番の環境や機密データから切り離したサンドボックスで動かし、つなげる先も必要なものだけに絞る取ってきたコードは公開されているので安全とみなし、中身を確かめずに本番のサーバーの上で動かさせる