AI・IoT・ビッグデータ活用まとめ｜中小企業診断士1次試験対策

AI・IoTは情報システムの近年の頻出テーマ。定義と活用事例を整理します。単語は聞いたことがあっても、試験で問われる「定義の細かい違い」が意外と難しいところです。

高頻度難易度 ★★☆

経営情報システムの試験では、AI・IoT・ビッグデータに関する出題が増加傾向にある。「機械学習と深層学習の違いは？」「3Vとは何か？」など、定義レベルの問いを確実に押さえておくことが重要だ。この記事では基本定義から中小企業の活用事例、法律・倫理面まで体系的にまとめる。

AIの主要技術（機械学習・深層学習・自然言語処理）

AIは「人工知能（Artificial Intelligence）」の総称で、機械学習・深層学習はその実現手法だ。包含関係を整理しておくことが試験対策の基本となる。

AI技術の包含関係（包含図）

AI（人工知能）― 人間の知的行動をコンピュータで実現する技術全般

↓ 含む

機械学習（Machine Learning）― データからパターンを学習し予測・分類を行う

↓ 含む

深層学習（Deep Learning）― 多層ニューラルネットワークによる機械学習の一手法

技術	定義・特徴	主な用途	例
機械学習（ML）	データからルールやパターンを学習し、予測・分類・推薦などを行う	需要予測、不正検知、スパムフィルタ	決定木、ランダムフォレスト、回帰分析
深層学習（DL）	多層のニューラルネットワークを用いて特徴量を自動抽出する	画像認識、音声認識、自然言語処理	CNN（画像）、RNN（系列）、Transformer
自然言語処理（NLP）	テキストや音声を機械が理解・生成する技術。深層学習と組み合わせて高精度化	チャットボット、機械翻訳、文書分類	ChatGPT、Google翻訳、音声アシスタント
強化学習	試行錯誤を通じて最適な行動を学習する手法。報酬を最大化するように学ぶ	ゲームAI、ロボット制御、自動運転	AlphaGo、工場ロボット制御

IoT（Internet of Things）の構造と活用

IoT とは「モノのインターネット」を意味し、さまざまな機器・センサーがネットワークに接続されてデータを収集・交換する仕組みだ。

LAYER 1

センサー
・機器
温度・圧力・
位置・画像

LAYER 2

通信網
（ネットワーク）
Wi-Fi/LTE/
LPWA

LAYER 3

データ収集
・蓄積
クラウド/
エッジ

LAYER 4

データ分析
・AI処理
機械学習/
BI

LAYER 5

アクション
・フィードバック
制御・通知・
可視化

製造・産業分野

スマートファクトリー

工場内の設備・センサーを接続し、稼働状況をリアルタイムに監視。故障予知（予知保全）、品質管理の自動化、生産ラインの最適化に活用される。

インフラ・社会

スマートシティ・農業

交通渋滞の制御、エネルギー管理（スマートグリッド）、農業では土壌センサーや気象データを使った精密農業（スマート農業）など社会インフラへの応用が拡大。

ビッグデータの定義（3V）と活用

ビッグデータとは、従来のデータベース管理ツールでは処理困難な、大量・高速・多様なデータの集合体を指す。その特性は「3V」で定義されることが多い。

Volume

量（大量性）

テラバイト・ペタバイト規模のデータ。従来のRDBMSでは処理困難な規模。

Velocity

速さ（高頻度性）

リアルタイムや高頻度で生成・更新されるデータ。SNS投稿、センサーデータなど。

Variety

多様性

テキスト・画像・音声・位置情報など構造化・非構造化の多様なデータ形式。

3V以外の特性（4V・5V）：近年は Veracity（真正性：データの信頼性・正確性）や Value（価値：ビジネス価値の創出）を加えた4V・5Vで定義されることもある。試験では3Vが基本。

活用分野	データの種類	活用例
マーケティング	購買履歴・行動ログ・SNS	レコメンデーション、ターゲティング広告
医療・ヘルスケア	電子カルテ・ウェアラブル	疾病予測、個別化医療、治験データ分析
金融	取引データ・信用情報	不正検知（フロード検出）、与信モデル
製造	センサーログ・品質検査データ	予知保全、品質改善、歩留まり向上

クラウドとの組み合わせ（エッジコンピューティング）

IoT・ビッグデータの処理基盤として、クラウドコンピューティングとエッジコンピューティングの使い分けが重要になっている。

クラウドコンピューティング

集中処理・大規模分析

インターネット経由でサーバー・ストレージ・ソフトウェアをサービスとして利用する形態。大量データの蓄積・分析に強いが、データ送信の遅延（レイテンシ）が生じる。

IaaS：インフラをサービスとして提供（AWS EC2等）
PaaS：プラットフォームを提供（Google App Engine等）
SaaS：ソフトウェアを提供（Salesforce・Gmail等）

エッジコンピューティング

分散処理・リアルタイム対応

データ発生源（センサー・工場機器等）の近くで処理を行う分散型アーキテクチャ。クラウドへのデータ転送量を削減し、低遅延のリアルタイム処理を実現する。

自動運転（即時判断が必要）
工場の品質検査（ライン上でのリアルタイム判定）
スマートカメラによる異常検知

フォグコンピューティング：クラウドとエッジの中間層に分散処理ノードを配置する概念。エッジの延長として理解しておくとよい。試験では「クラウドの遅延問題を解決するのはエッジコンピューティング」という出題が多い。

中小企業への活用事例

AI・IoTは大企業だけのものではない。中小企業でも補助金等を活用した導入事例が増えている。

製造業

IoTセンサーによる予知保全

金属加工の中小工場では、機械設備に振動・温度センサーを取り付け、異常のパターンを機械学習で分析。突発的な設備停止を予測し、計画的なメンテナンスに切り替えることで生産ロスを削減した。ものづくり補助金（IT導入枠）を活用するケースが多い。

小売・流通業

AIによる需要予測・在庫最適化

食品スーパーや地方小売店では、POSデータ・天気・イベント情報を入力として機械学習モデルを構築し、日・週単位の需要予測を実施。発注量を自動最適化することで廃棄ロスと欠品の両方を削減している。

農業

スマート農業による省力化

土壌センサー・気象センサー・ドローンを活用し、圃場の状態をリアルタイムでモニタリング。AIが最適な水・肥料の量を判定し、自動灌漑システムに指示を送ることで作業時間を大幅に削減。農業就業人口の減少対策としても注目されている。

AI・IoT関連の法律と倫理

AIやデータ活用が拡大する中で、法的・倫理的な整備も進んでいる。試験でも関連する法令・指針の概要が問われることがある。

法律・指針	内容・ポイント	中小企業への関連
個人情報保護法（2022年改正施行）	個人情報の収集・利用・提供に関するルールを定める。改正により仮名加工情報・匿名加工情報の活用が整備された	顧客データ・従業員データを扱うすべての事業者に適用。IoT・AIで個人データを活用する際は同意取得と安全管理が必要
不正競争防止法（データ保護関連）	2018年改正でデータ（限定提供データ）の不正取得・使用を禁止。ビッグデータのビジネス利用を促進しつつ保護する	データを有償提供する事業者・データ共有プラットフォームに関連
AI倫理指針（内閣府・経産省）	人間中心のAI原則（透明性・公平性・安全性・プライバシー保護等）を示すガイドライン。法的拘束力はないが指針として機能	AIツール導入・AI活用サービス提供時の参照指針として活用
サイバーセキュリティ基本法	サイバーセキュリティの基本理念・国の施策方針を定める。IoT機器の脆弱性対策も含む	IoT機器のセキュリティ対策義務・インシデント対応の基本法として理解