AI-103：Developing AI Apps and Agents on Azure テキスト分析ソリューションの実装 問1
テキスト分析ソリューションの実装／言語モデルのテキスト分析通販会社が、顧客レビューのテキストを、自社で定めた8種類の問い合わせ分類・緊急度（高/中/低）・返金希望の有無という固定の項目で、決まった JSON 形式として取り出したい状況です。ラベル付きの学習データはなく、分類の定義は四半期ごとに見直されます。実装として適切なものはどれですか。
当サイトのオリジナル問題（AI-103：Developing AI Apps and Agents on Azureの出題範囲「テキスト分析ソリューションの実装」に対応。実際の試験問題ではありません）
- AAzure Language の感情分析を使い、レビューごとの肯定・否定・中立の判定結果を分類として利用する
- Bチャットモデルに分類の定義を指示として与え、JSON スキーマを指定した構造化出力でレビューごとの結果を受け取る
- Cレビューにラベルを付与した学習データを作成し、カスタム分類モデルを学習してデプロイする
- DAzure Language のキーフレーズ抽出を使い、抽出された語句を8種類の分類として扱う
正解：B
解説
学習データがなく、分類定義が頻繁に変わる場合は、定義を指示（プロンプト）に書いて変更に追従できるチャットモデルが向いています。JSON スキーマを指定した構造化出力を使うと、項目名や取り得る値の形式に沿った結果を得やすくなります。事前構築の感情分析やキーフレーズ抽出は自社独自の分類を返せず、カスタム分類は学習データの用意と再学習の手間が要件に合いません。
選択肢ごとの解説
- A誤り。感情分析が返すのは肯定・否定・中立の傾向で、自社定義の8分類や緊急度、返金希望は得られません。
- B正しい。指示で分類定義を与え、構造化出力で JSON 形式を固定できるため、定義変更にも柔軟に対応できます。
- C誤り。カスタム分類モデルは学習データの作成が前提で、定義が四半期ごとに変わる場合は再学習の運用負担が大きく、要件と合いません。
- D誤り。キーフレーズ抽出は文中の重要語句を返すだけで、決まった分類値へ割り当てる機能ではありません。