変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-103 第6章を新規作成（Azure Content Understanding＝多モーダル構造化抽出/アナライザー・スキーマ/prebuilt vs custom/構築の流れ、生成プロンプトによるエンティティ・トピック・要約抽出＝構造化出力で受領/グラウンディング・評価/定型はスキーマ抽出と使い分け）
6.2生成プロンプトによるエンティティ・トピック・要約の抽出
生成モデルへのプロンプトで、エンティティ・トピック・要約を柔軟に抽出する実装——構造化出力での受け取り、根拠付け（グラウンディング）、評価、そして事前構築/カスタムとの使い分け——を理解します。
AI-103 の情報抽出ドメインは、Content Understanding に加えて、生成プロンプト（generative prompting）による柔軟な抽出も対象です。生成モデルに「この文書からエンティティ・主要トピック・要約を抽出して」と指示し、第2章で学んだ 構造化出力（JSON スキーマ）で受け取れば、定義済みカテゴリに縛られない抽出をアプリで扱えます。長文や非定型のコンテンツに強い一方、ハルシネーション のリスクがあるため、グラウンディング（元文書を根拠に）と 評価 を併用します。
使い分け：
①項目が定型で繰り返し処理＝Content Understanding（スキーマ抽出）や事前構築/カスタム。
②非定型・柔軟・要約や意味的抽出＝生成プロンプト＋構造化出力。
③精度・コスト・一貫性の要件で選ぶ。多くの実務では両者を組み合わせます（抽出→生成で要約、など）。
頻出：
①「文書から要約・主要トピックを柔軟に生成抽出」＝生成プロンプト（結果は構造化出力で受け取る）。
②生成抽出の誤りはグラウンディング＋評価で抑える。
③定型項目の繰り返し抽出は Content Understanding（スキーマ）が適する。
④抽出（取り出す）と生成（要約文を作る）は連携するが役割が別。
混同・注意：
①生成プロンプト抽出（柔軟・非定型）とスキーマ抽出（定型・一貫）を要件で使い分け——常にどちらが正解ではない。
②生成抽出はハルシネーションに注意（根拠付け・出典・評価）。
③構造化出力を指定しないと結果のパースが不安定になる。