データ分析・リサーチ業務における集計コード生成と検証

LLMに直接暗算や複雑な集計を行わせると計算ミス(ハルシネーション)が生じやすいため、「集計用のPythonスクリプトやSQLコードをAIに書かせ、プログラムの実行結果として正確な数値を導く」アプローチが推奨されます。結果のクロスチェックも必須です。 ア:誤りです。LLMは言語モデルであり電卓ではないため、直接の数値計算では桁間違いや誤集計が発生します。 イ:正解です。集計コード(Python/SQL)を生成させ、安全な環境で実行して数値を検証するアプローチがデータ分析における王道です。 ウ:誤りです。読み取り専用(SELECT)のSQLクエリ生成は分析業務の効率化に広く活用されています。 エ:誤りです。自社の財務データや機密情報をパブリックに公開してはならず、閉塞されたセキュア環境で分析すべきです。

生成AIを社内データの集計やデータ分析業務(Pythonコード生成やSQLクエリ作成等)に活用する際の適切なプロセスに関する記述として、最も適切なものを1つ選択してください。

出典生成AIパスポートオリジナル模擬試験
ア
生成AIにExcelのCSVデータを読み込ませて集計させた場合、出力されたグラフや平均値などの数値結果は常に数学的に100%正確であるため、人間による検算や集計ロジックの再確認は不要である。
イ
PythonやSQLなどのデータ分析用コードのドラフトをAIに生成させ、自社の安全な実行環境(サンドボックス)で実際にコードを動かして集計結果をクロス集計や統計指標で検算・検証することが不可欠である。
ウ
データ分析業務において、AIにSQLのクエリ文を生成させることは極めて危険であるため、データベースへの負荷に関わらずいかなる場合でもSELECT文の生成を依頼してはならない。
エ
売上データの傾向分析をAIに依頼する際、AIに自社の財務実績データをすべて学習データとして世界中に公開することが分析精度を担保するための必須要件である。