目次
この記事でわかること
- AIワークロードとは何か
- 代表的なAIワークロードの種類
- それぞれの違いと判断基準
- Azure AIサービスとの対応関係
- AI-900試験での出題ポイント
AIワークロードとは？
AIワークロードとは、
AIを使って「何をしたいのか」を目的別に分類した考え方です。
Azure AI-900では、 「この課題はどのAIワークロードで解決できるか？」 を判断できるかが重視されます。
AIワークロード全体像
| ワークロード | 目的 | 代表例 |
|---|---|---|
| 予測 | 将来の数値を推定 | 売上予測・需要予測 |
| 分類 | カテゴリを判定 | 画像分類・感情分析 |
| 異常検知 | 通常と異なる状態を検出 | 不正検知・障害検知 |
| 生成AI | 新しいコンテンツを生成 | 文章生成・要約 |
① 予測（Prediction）ワークロード
概要
予測とは、
過去データをもとに未来の数値を推定するAIワークロードです。
代表例
- 売上予測
- 需要予測
- 在庫数の予測
特徴
- 出力は「数値」
- 回帰モデルを使用
- 連続値を扱う
Azureでの対応
- Azure Machine Learning
未来を当てる用途なら予測ワークロードです。
② 分類（Classification）ワークロード
概要
分類とは、
入力データをあらかじめ決められたカテゴリに振り分けるAIです。
代表例
- スパムメール判定
- 画像分類（犬・猫）
- 感情分析（ポジティブ／ネガティブ）
特徴
- 出力は「ラベル」
- 教師あり学習が中心
Azureでの対応
- Azure AI Vision
- Azure AI Language
正解があらかじめ決まっている場合は分類です。
③ 異常検知（Anomaly Detection）ワークロード
概要
異常検知とは、
通常状態から外れたデータを検出するAIワークロードです。
代表例
- 不正取引検知
- 機器故障の兆候検出
- アクセス異常検知
特徴
- 「正常」とのズレを検出
- 正解ラベルが不要な場合もある
Azureでの対応
- Azure AI Anomaly Detector
- Azure Machine Learning
何が異常か定義しづらい場合に有効です。
④ 生成AI（Generative AI）ワークロード
概要
生成AIとは、
新しいコンテンツを生成するAIワークロードです。
代表例
- 文章生成
- 要約
- 質問応答
特徴
- 出力は毎回異なる
- 確率的に生成
- 正解が一つではない
Azureでの対応
- Azure OpenAI Service
創造的な作業を支援するのが生成AIです。
ワークロード選定の判断基準（試験頻出）
| 課題 | 選ぶべきワークロード |
|---|---|
| 将来の数値を知りたい | 予測 |
| カテゴリ分けしたい | 分類 |
| 異常を見つけたい | 異常検知 |
| 文章や回答を作りたい | 生成AI |
Azure AI-900試験での出題ポイント
- 課題に適したAIワークロードの選択
- 分類と予測の違い
- 生成AIの特徴理解
「何をしたいか」→「ワークロードを選ぶ」 この思考が合否を分けます。
まとめ
- AIワークロードは目的別分類
- 予測：未来の数値
- 分類：カテゴリ判定
- 異常検知：通常からの逸脱
- 生成AI：新しいコンテンツ作成