第5章 · 生成 AI とエージェント型ソリューションの実装·v2.0.0·更新 2026/6/3·読了目安 約10分
変更要約: AI-102 第5章を深掘り（図ja化・比較表/シナリオ/FAQ/ひっかけ/深掘り段落を全節に追加）
5.1Azure OpenAI とプロンプト・RAG
この節の要点
大規模言語モデルを Azure で利用する Azure OpenAI Service と、プロンプトエンジニアリング、自社データに基づく回答を生成する RAG（検索拡張生成） を理解します。生成 AI 実装の中核です。
GPT などの大規模言語モデルを企業向けのセキュリティ/コンプライアンスのもとで使えるのが Azure OpenAI Service です。出力品質はプロンプトと根拠データ（RAG）で高めます。
5.1.1生成 AI の構成要素
- Azure OpenAI：GPT 系のチャット/補完・埋め込み（embeddings）・画像などのモデルをデプロイして API 利用する。
- プロンプトエンジニアリング：システムプロンプトで役割/制約を与え、few-shot 例などで出力を制御する。
- RAG：質問に関連するデータを検索（ベクトル/セマンティック）で取得し、プロンプトに根拠として渡す。
- パラメーター：温度（temperature）などで出力の多様性/確実性を調整する。
試験ポイント
「企業向けに GPT を使う＝Azure OpenAI Service」「役割/制約を与える＝システムプロンプト」「自社データに基づく回答＝RAG（検索＋プロンプト）」「埋め込み＝ベクトル化（類似検索用）」 は AI-102 で頻出です。幻覚（hallucination）を抑えるには RAG で根拠を与えるのが定石です。