生成AIのIoT活用とは｜IoT中級で問われる点

一言でいうと、IoT が「集める・つなぐ」役割を担い、生成AI が「人にわかる形で伝える・作る」役割を担う組み合わせです。

従来の IoT での AI 活用は、センサデータから故障の有無を判定する、電力使用量を予測する、といった「判別・予測」が中心でした。生成AI は、学習したデータをもとに文章や画像などの新しい内容を作り出す AI で、判定結果を担当者向けの説明文にまとめる、自然な言葉の指示を受け付ける、といった人との接点を担えるのが特徴です。

生成AI やその土台となる大規模言語モデル（LLM）の仕組みは生成AIとLLMとはで、目標に向けて複数の作業を自律的に進める仕組みはAIエージェントとはで解説しています。

次の表は、IoT の現場で考えられる活用例を、入力と出力の形で整理したものです（当サイトの整理で、特定の製品の機能を示すものではありません）。

保守記録のように社内にしかない情報をもとに答えさせるには、関係する文書を検索して回答の根拠として渡す RAG（検索拡張生成）という方法がよく使われます。仕組みはRAGとはにまとめています。

IPA が2024年7月に公開した「テキスト生成AIの導入・運用ガイドライン」では、生成AI の利用に伴うリスクとして情報漏えいやハルシネーション（事実と異なる内容の生成）が取り上げられています。また、総務省・経済産業省の「AI事業者ガイドライン」は改訂が続いているため、参照するときは総務省のページで最新の版と公表日を確かめてください。IoT では、これらに加えて「現実の機器が動く」ことへの注意が必要です。

1. 1誤りを前提に確認する：手順書や異常の説明は、担当者が元のデータや仕様と照らし合わせてから使います。根拠となった文書を示させると確認しやすくなります。
2. 2入力する情報を選ぶ：社外のサービスに設備の構成や顧客の情報を入力してよいかを、利用規約と社内の規程で確かめます。
3. 3制御に直結させない：生成AI の出力をそのまま設備への命令として実行せず、操作できる範囲を限定し、人の確認や安全装置を挟みます。
4. 4悪意ある指示に備える：外部から入る文章に紛れた指示で意図しない動作をさせる攻撃（プロンプトインジェクション）を想定し、権限を最小にします。

運用の段階では、モデルや周辺の仕組みの性能を継続して監視し、更新する体制も必要です。この考え方はMLOpsとはで扱っています。

MCPC の公式ページでは、IoTシステム技術検定 中級（80問・90分・4者択一）の出題カテゴリとして「IoTデータ活用技術（AI、ビッグデータ分析、活用事例）」が示され、比率は25〜30%です。当サイトでは、公式テキスト『IoT技術テキスト 第4版』の第3章「IoTデータ活用技術」がこの範囲に当たると推定しています（章名からの当サイトの判断です）。

同じく MCPC のテキスト紹介ページでは、第4版の改訂点として、テキスト生成AI・画像生成AIの解説の追加、アジャイル開発の解説の強化、DevOps・CI/CD の解説と MLOps・DevSecOps への言及、産業用ロボットとスマート工場の追記が挙げられています。改訂で加わった話題であることは確かですが、何問出るかは公表されていません。

• ✓用語の定義：ハルシネーション、RAG、プロンプトなどの用語と説明文を結び付けさせる。
• ✓判別AIとの区別：生成AI と、判定・予測を行う従来の AI の役割の違いを問う。
• ✓適切な使い方：情報漏えいや誤りへの対策として不適切な運用を選ばせる。
• ✓活用事例：IoT の場面ごとに、生成AI が担う部分と人が確かめる部分を問う。

試験全体の形式や日程はIoTシステム技術検定 中級とはで確認できます。

生成AI の選択肢は「便利さ」を強調した言いすぎが混ざりやすいので、次の表で確かめてください。