ITパスポート 令和7年度 問22：system_strategyに関する問題

答えは c「オフィスツール」 です。

やりたいことは「数字を集めて、見やすいグラフにする」だけですよね。これって、エクセルのような表計算ソフトでパパッとできることです。

10人ぶんの数字なら、AIや特別な技術を持ち出す必要はありません。身近な道具でじゅうぶんです。

👉 覚え方：「集めて・表にして・グラフ」＝いつものオフィスソフト。

ほかの選択肢：a AI＝自分で学んで賢くなる仕組み（今回はそこまで不要）／b IoT＝モノをネットにつないで自動で記録する技術／d データサイエンス＝山ほどのデータを難しい手法で分析する専門技。どれも今回には大げさです。

なぜこれが正解か

正解は c。営業担当10人の見込みと実績を毎月集計してグラフ化する——これは入力済みデータを整形・可視化する作業であり、表計算ソフトなどのオフィスツールで十分に解決できる。問題に対して過剰な技術を選ばないことがポイント。

各選択肢の解説

• a AI：データを学習して予測や判断を行う技術。単なる集計・グラフ化には不要なオーバースペック。
• b IoT：センサ等でモノからデータを自動収集する仕組み。今回は人が提出する数値であり該当しない。
• d データサイエンス：ビッグデータを統計・機械学習で分析する分野。10人分の集計には大げさ。

覚え方・ひっかけ注意

この種の問題は「やりたいこと＝手段」を最小で満たす選択肢が正解。AIやビッグデータといった流行語に飛びつかないこと。「集計してグラフ化＝オフィスツール」と素直に対応させる。

問題の本質：ツール選択の適切性判断

本問は「技術の名前を知っているか」ではなく、「どの規模・複雑さの課題にどのツールが適切かを判断できるか」を問うている。営業担当者10人の営業見込みと実績を毎月集計してグラフ化するというタスクは、データ量が少量・構造が単純・処理が定型的（集計とグラフ表示）という特徴を持つ。このような課題に対して最も費用対効果が高い解決手段はオフィスツール（表計算ソフト）であり、AIやIoTやデータサイエンスは過剰な技術投資（Over-engineering）になる。

各技術の適切な用途と設問における不適切な理由

• 選択肢a（AI：機械学習・分析）：大量・複雑・パターン認識が必要なデータに対して有効。10人の営業数値のような少量データには過剰。AIは「データを学習してモデルを構築する」フェーズのコストと時間が必要であり、毎月更新される少量定型集計には全く不向き。
• 選択肢b（IoT：自動収集+データベース蓄積）：センサーや機器が現実世界のデータをリアルタイム自動収集する技術。人が入力した営業数値の集計には全く関係ない技術分野。
• 選択肢c（オフィスツール）：表計算ソフト（Excel・Google Sheets等）でデータを入力・集計・グラフ化する。本問の状況に最も適合する選択肢。
• 選択肢d（データサイエンス）：ビッグデータを統計・機械学習・可視化で分析する。10人の月次データ程度ではデータサイエンティストが介在するほどの複雑さはない。

技術選択の経営的意義（過剰技術投資の回避）

適切な技術選択は経営・DX推進における重要な判断能力である。技術の名前の新しさや話題性に惹かれて過剰な投資を行う「技術優先主義」の落とし穴は、実際の企業のDX失敗事例に多く見られる。IT投資の原則は「課題の規模と複雑さに見合ったツールを選ぶ」ことであり、小さな課題にAIやビッグデータ分析を持ち込むのはコストと習得コストの無駄である。この「問題の性質とソリューションの規模感の対応付け」はITリテラシーの根幹であり、ITパスポートで問う意図もここにある。

試験での位置づけと出題傾向

ストラテジ系「IT活用・システム戦略」の応用問題。用語を単に覚えるだけでなく、「どんな問題に使うか」という応用文脈まで理解しているかを問う問題形式で、近年の出題傾向として増加中。AIはパターン認識・予測・異常検知・自然言語処理に強く、IoTはデバイス間データ収集・リアルタイム監視に使われ、データサイエンスはビッグデータの統計的分析に対応するという、各技術の守備範囲を一文で整理しておくと速答できる。

選択肢の発展補足

オフィスツールに関しては、マクロ（VBA）やGoogle Apps Script等のスクリプト機能を活用することで、繰り返し集計・自動グラフ生成・メール送信までを自動化できる。これは「RPA（ロボティック・プロセス・オートメーション）的な自動化」の入門段階とも言え、本格的なRPAツール（UiPath・Blue Prism等）を導入するまでもなく実現できる。基本情報技術者ではオフィスツールの機能（条件付き書式・ピボットテーブル・VLOOKUP等）とデータ可視化の基本理論まで問われる場合がある。