FESTAT（全国統計探究発表会）2026 基調講演_「AI×キミの武器」を⾒つけよう

FESTAT（フェスタット）とは、festa（祭り）とstatistics（統計）を合わせた言葉で、中高生が統計やデータサイエンスを用いた研究成果や計画を発表し、交流する全国大会です。
2026年7月のイベントでの基調講演の内容。

Transcript

1. FESTAT（全国統計探究発表会）2026 基調講演 CONFIDENTIAL 「AI×キミの武器」を⾒つけよう ―⽣成AIの正体を知り、未来を拓こう― 2026年7⽉28⽇ 株式会社インテージ 曲沼 宏美 INTAGE GROUP
2. 曲 沼 宏 美 Maganuma Hiromi 株式会社インテージ AI＆DataScience部 副部長 く よろし お す ま し 願い Insight Architect / Data Scientist / AI・ML Engineer / Data Engineer 広告代理店を経て IT ベンチャーで分析コンサルティングに従事。 2006 年より CCC で提携先への T カードデータ分析コンサルや大学連携 を担当。 2012 年よりリクルートでデータ活用を推進。全社横断 PJ や CRM 分析な ど多数のプロジェクトに携わる。 人材領域のアルゴリズム開発により全社表彰 ARINA ENGINE 受賞。 2022 年よりインテージにてデータ活用を推進。 Google Developer Expert ML女子部オーガナイザ ずっと「データ」と関わる仕事をしてきました © INTAGE GROUP 2
3. 会社情報 株式会社インテージ（INTAGE Inc.） 会社概要 創業 1960年3⽉2⽇ ※2013年4⽉設⽴ （持株会社制への移⾏に伴い新設、事業を承継） Intelligence（知） + Age（時代）= INTAGE（インテージ） VISION Create Consumer-centric Values お客様企業のマーケティングに寄り添い、 共に⽣活者の幸せを実現する 従業員数 1,435名（2025年6⽉末） 決算期 6⽉ 本社所在地 東京都千代⽥区（秋葉原） Web https://www.intage.co.jp/ 代表取締役 仁司 与志⽮ 取締役社⻑ 檜垣 歩 主な事業内容 マーケティングリサーチ／インサイト事業 マーケティングソリューション事業 ⼦会社 株式会社インテージリサーチ 株式会社リサーチ・アンド・イノベーション 3
4. インテージの強み 業界のデファクト・スタンダードとなっている⼩売店データや消費者購買データに加え、 あらゆる業界を網羅した価値あるデータを保有。専⾨性の⾼いアナリストによる質の⾼いリサーチや分析などのデータ活⽤能⼒で、 国内・海外問わず、マーケティング活動を⽀援します。 業界ポジション 取引社数 ⾷ アジア No.1 取引業界 ※ 5,000 情報 流通・飲⾷店 社以上 ※｢ESOMAR‘s Global Top-50 Insights ファッション Companies 2025 マーケティングリサーチ／ インサイト事業ランキング」に基づく 趣味・嗜好 (グループ連結売上⾼ベース) 売上の推移 32 期 連続増収 ※ 2025年6⽉期グループ連結売上⾼ 海外拠点の広がり 海外 9 暮らし クルマ・バイク ⾦融 交通・レジャー か国 家電・AV・情報機器 教育・研究機関／官公庁 各種サービス 4
5. インテージの強み 業界最⼤規模の保有データ 消費者の⽇々の 買い物データ ⼩売店の販売データ 店舗情報データベース ⽇本の アンケート調査モニター アジアの アンケート調査モニター 70,000⼈ 6,000店舗 13万店 305万⼈ 1,500万⼈ 全国15歳〜79歳男⼥の買い物データ。 購⼊者、購⼊⽇時、購⼊場所、購⼊ 全国の主要な⼩売店の販売データ。 販売⽇時、販売場所、販売商品、販 全国約1,500チェーン・約130,000店 を網羅した店舗情報データベース。 業界最⼤規模で⾼品質なアンケート 調査モニター。国内唯⼀の国際基準 アジアの主要12カ国に展開するアジ ア最⼤規模のアンケート調査モニ 商品、購⼊数量、購⼊⾦額が把握で 売⾦額が把握できる業界のデファク 売場⾯積などの基本項⽬に加え、商 パネル品質管理認証取得。広範なカ ター。広範なカバレッジと詳細なプ きる業界のデファクトスタンダード データ。 トスタンダードデータ。 圏の居住者特性を含むデータ。 バレッジと詳細なプロファイリング 項⽬により、難しい地域や条件の調 ロファイリング項⽬により、多⽤な 途へ対応。 ※ 査対応。 ※過去1年間に回答・属性更新 ⽣活者を理解する ストックデータ 位置情報ログデータ 情報接触ログ× ⾏動・意識データ スマートテレビ 視聴ログデータ 多くの業界で 「デファクト・スタンダード」に 売上 15,000項⽬ 8,700万⼈ 25,000⼈ 556万台 ⽣活者の消費履歴・メディア接触・ 意識・価値観など約15,000項⽬のス ドコモの基地局データに基づく⼈⼝ 推計データ。移動時間、移動者、移 同じ⼈物から、PC・モバイル・TV などのメディア接触と購買⾏動を収 インターネット接続テレビから収集 した視聴ログデータ。CMや放送 トックデータ。それらを統合・ピッ クアップし、ターゲット像を多⾯的 動経路、移動量を把握でき、⽣活者 のリアルな⾏動に基づいたプラン策 集する国内最⼤規模のクロスメディ アシングルソースパネル。情報接触 シーンごとの視聴状況が、全国の地 上波・BS・CS（110度）を横断し、 に理解できるレポートを提供。 定を⽀援。 と⾏動・意識の関係性を把握可能。 市区町村レベルで把握できるデータ。 No. 1 インテージSRI+ (◦ ◦市場2025年 ◦⽉〜 ◦⽉) 5
6. 多彩なデータやソリューションで⽣活者を360°理解 インテージは、⽣活者のあらゆる側⾯を捉えるチカラを持っています。 商品購⼊、サービス利⽤、メディア接触、⾏動、感情など、⽣活者を360°理解できるデータ・リサーチ・プラットフォームを揃え、 幅広く深い⽣活者インサイトを提供します。 お店の販促情報 メディア接触 SPI i-SSP（クロスメディア 店舗プロモーション 情報 シングルソースパネル） スマートテレビ 視聴 購⼊前の ⾏動 Media Gauge TV 商品の売上 購⼊時の ⾏動 SRI＋ （⼩売店パネル） 価値観 気持ち感情 カスタムリサーチ （定量・定性） ⽣体反応 ノンバーバル 各種ソリューション パッケージ 購⼊後の ⾏動 買ったもの SCI （個⼈購買パネル） リサーチ 位置情報 モバイル 作ったもの キッチン ダイアリー 空間統計 ※「SRI＋」「SCI」「i-SSP」「Media Gauge TV」および各サービスロゴは、株式会社インテージの登録商標です。「モバイル空間統計」および「モバイル空間統計」ロゴは、株式会社NTTドコモの登録商標です。 6
7. 会社・⾃⼰紹介要約 インテージ ⽣活者のデータを集めて分析する会社（60年以上） 国内外の多くの企業のマーケティング活動を⽀援しています 私の仕事 データ×AIで、新しい価値をつくること 最近の業務 AIエージェントの開発、社内のAI活⽤推進も © INTAGE GROUP 7
8. 最初に聞かせてください 普段AIを使ったことはありますか︖ 使ったことがある 使ったことはない ※ リアクション機能で教えてください︕ © INTAGE GROUP 8
9. 最初に聞かせてください 探究でAIを使ったことがある⼈︖ ？ 使ったことがある 使ってみたいけど、まだ 使わないと決めている ※ リアクション機能で教えてください︕ © INTAGE GROUP 9
10. AIはもう「答えのある問題」では⼈間を超えている 2026年1⽉ ⼤学⼊学共通テスト ― OpenAIの最新モデル（GPT-5.2）が 9科⽬ 97% 89%超 主要15科⽬のうち 満点を獲得 全体の得点率 東⼤⽂科⼀類の合格 ボーダーを⼤幅に上回る （出典）共同通信など複数機関による報道（2026年1⽉） https://news.yahoo.co.jp/articles/ad54fc0d4d971f38e3beda002a8c8b95c99aaae1 https://www.itmedia.co.jp/aiplus/article/2601/21/1260121075/ https://www.asahi.com/articles/ASV1P7R57V1PUTIL02XM.html © INTAGE GROUP 10
11. じゃあ―― 勉強する意味、ある︖ 皆さんの探究、AIに丸投げでよくない︖ © INTAGE GROUP 11
12. 今⽇の話は、3ステップです STEP 1 STEP 2 STEP 3 正体を知る リスクを知る 武器を⾒つける → → ⽣成AIは 頼りすぎると何が起きるか AI時代に 何をしているのか （データで⾒る） 本当に強い⼈とは © INTAGE GROUP 12
13. 突然ですが、クイズです ―「＿＿」に⼊る⾔葉をチャットへ︕ Q1 吾輩は猫である。名前は ＿＿＿＿。 Q2 夏休みといえば、やっぱり ＿＿＿＿︕ Q3 観⾳寺第⼀⾼校の校歌は、「＿＿＿＿」という歌い出しで始まる。 ※ Q3は知らなくてOK。「それっぽく」埋めてみてください © INTAGE GROUP 13
14. いま皆さんがやったことが、⽣成AIの「正体」です Q1 ほぼ全員⼀致 ＝ みんなが同じ⽂章を⼤量に「学習」しているから Q2 回答がバラける ＝ 「ありそうな候補」の中から確率で選んでいる Q3 知らないのに埋められる ＝ これが後で話す「AIの弱点」の正体 AIは、これを毎秒・超⼤規模にやっている © INTAGE GROUP 14
15. ⽣成AIは何も「理解」していない やっていることは―― 「次に来る単語」の予測 • 膨⼤なテキストからパターンを学習 • 出現確率が⾼い単語列を選び続けている • ⽂法・⽂脈・感情まで再現できるのは、データとパラメータの圧倒的スケールのおかげ LLMの本質︓確率の計算 © INTAGE GROUP 15
16. だから「ハルシネーション」が起きる 知らないことも、“それっぽく”埋めてしまう もっともらしいウソ（ハルシネーション）は、故障ではなく仕組みの帰結 さっきのQ3と同じ 校歌を知らなくても、 ❌ 実例 「FESTATは19XX年に⽂部科学省が 「校歌っぽい⾔葉」は 創設した⼤会で…」 確率的に選べてしまう → 堂々と、存在しない歴史を語る 間違えるのは、「確率の計算だから」 © INTAGE GROUP 16
17. 「ハルシネーション」が起きる裏側 知らない情報、確率分布が"尖っていない"（フラットに近い）情報は 間違える可能性が⾼い ① 知っていることを聞くと … 正しく答えられる ② 知らないことを聞いても … 計算は⽌まらない Q.「⽇本でいちばん⾼い⼭は、＿＿＿＿」 Q.「観⾳寺第⼀⾼校の校歌の歌い出しは、＿＿＿＿」 （正解データを持っていない） 富⼠⼭ 確率 92% 北岳 5% ／ ⽴⼭ 2% … ありそう度の低い候補 「若⼈よ 光あふれる この丘に…」 1900年の創⽴の際、⾹川県出⾝の⼭⽥◯◯⽒が作詞し・・・ → いちばん確率の⾼い単語を選ぶだけで、正解になる → 実は校歌“っぽい”⾔葉を確率で並べただけ。なのに、 本物と同じ⾃信満々の⼝調で書く ローカル・最新・マイナーな話ほど要注意 © INTAGE GROUP 17
18. AIと「AIエージェント」は、何がちがう︖ AIは「答える」。エージェントは、⽬標に向かって「⾃分で動く」。 AIエージェント ⽣成AI 聞かれたことに、その場で答える ⼀問⼀答 あなた 質問する AI その場で答える ⽬標を渡すと、AIを「頭脳」にして⾃分で段取りして動く あなた ⽬標を与える ① 計画を⽴てる（何を・どの順で） ② 道具を使う（検索・計算・アプリ操作） ③ 結果を確認し、ダメならやり直す この①〜③を⾃分でくり返す あなた 受け取る AI 成果物を提出 例︓「江⼾時代の⾝分制度を説明して」 → 説明が返ってくる（動くのは、あなたが⼊⼒したときだけ） 例︓「江⼾時代の⾝分制度でレポートを書いて」 → 資料を集め、構成を考え、下書きまで仕上げる © INTAGE GROUP 18
19. 正体を知れば、注意点は⾃然にわかる ① 出⼒は必ず確かめる ② 擬⼈化しすぎない ③ 個⼈情報・秘密は⼊⼒しない 確率的に「ありそう」なだけで、正しさは保証されない → ⼀次情報・データで検証 「理解」も「意図」もない。友だちではなく、超⾼性能な予測マシン ⼊⼒が学習に使われる可能性。名前・住所・未公開の研究データに注意 © INTAGE GROUP 19
20. 正体を知れば、 リスクは「怖いもの」ではなく 「予測できるもの」になる © INTAGE GROUP 20
21. では―― AIを使えば使うほど、 ⼈は賢くなるのか︖ © INTAGE GROUP 21
22. 研究①︓AIの答えに満⾜すると、学びが浅くなる 「それっぽい回答」に満⾜し、深く理解しないまま 学習が完了したと錯覚する • 単にAIを使っただけでは、⼈の能⼒は向上しない • 「わかった気になる」ことこそが落とし⽳ （出典） From Superficial Outputs to Superficial Learning: Risks of Large Language Models in Education（⾹港科技⼤学） 「表⾯的な成果から表⾯的な学習へ︓教育における⼤規模⾔語モデルのリスク」 （arXiv 2025年11⽉） https://arxiv.org/abs/2509.21972 © INTAGE GROUP 22
23. 同じAIを導⼊したのに―― ある企業グループの報告 シニア層 ⽣産性 3〜5割向上 ⬆ 若⼿層 ⽣産性 逆に 2〜3割低下 ⬇ ※ 学術研究ではなく⼀企業の実務報告。ただし「現場で実際に起きたこと」として重要な⽰唆 （出典）ファインディ事業戦略発表会レポート https://productzine.jp/article/detail/4035 © INTAGE GROUP 23
24. チャットで予想してください 同じAIを使っているのに、 なぜ差がつく︖ シニアは上がり、若⼿は下がった。その「分かれ⽬」は何だと思いますか︖ → 予想をチャットへ︕（30秒） © INTAGE GROUP 24
25. 鍵は「問いを⽴てる⼒」と「基礎の有無」 シニア層が伸びた理由 若⼿層が下がった理由 • 何を聞くべきか（問い）を知っている • 出⼒を鵜呑みにして⼿戻りが増える • 出⼒の正誤を判断する基礎知識がある • 「問い」が⽴てられず、AIを持て余す 「問いを⽴てる⼒」がないと、AIは使いこなせない © INTAGE GROUP 25
26. ⼈とAIの「知能」の違い ”主体性”はAIが持っていない知能 ⾃律性 知能の3要素 内容 ⾃律性 ⾃分の意志で考え、⾃分事として取り組む 姿勢や⼼構え 証拠や論理を吟味する⼒ 主体性 ⾃分から動き出す⼒ ⾃分から問いを⽴て、学びや探究を能動的 に始める⼒ 思考の起点が⾃分にある 知的能⼒ 知識を使って考え、問題を解決したり、新 しいことを学んだり理解したりする⼒ 推論、学習、思考、意思決定など知的な機 能の集合 主体性 知的能⼒ （出典） 図︓知能の3つの要素 三宅陽⼀郎⽒のBlog https://wired.jp/article/youichiro-miyake-sf-future-2/ © INTAGE GROUP 26
27. AIを「⼿⾜」として使うには ― 3つのポイント AIを「⼿⾜」として制御し、⼈間が「司令塔（脳）」として主体性を持つために What How Decision / Action 課題設計 対話の構造化 価値判断と遂⾏ どんな問いを ⽣成AIに投げるか → ⽣成AIにどのように 問いを投げるか → ⽣成AIの答えをどう 判断し、⾏動するか 解決すべき本質を⾒極め、AIに託す べき「問い」を定義する AIの⼒を最⼤限引き出す、論理的な 対話・指⽰の組み⽴て 出⼒の妥当性を多⾓的に検証し、 実社会での価値・⾏動につなげる 「意思」を持つこと 「⼿⾜」を操ること 「魂」を宿すこと © INTAGE GROUP 27
28. 研究②︓AIに書かせると、脳が「サボる」 MITの研究チームが、エッセイ執筆中の脳活動を計測 AIに頼って書いた⼈は、⾃⼒で書いた⼈より脳の接続性が著しく低下 AI利⽤者は、書き終えた数分後に⾃分が何を書いたかほとんど思い出せなかった 研究チームはこれを「認知負債」と呼んだ ――ラクをした分の“ツケ”が、あとで来る （出典） Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task（MIT Media Lab） ChatGPT使⽤時の脳の働き︓エッセイ作成タスクにAIアシスタントを使⽤した際の認知負債の蓄積 （ arXiv 2025 年 12 ⽉） https://arxiv.org/abs/2506.08872 © INTAGE GROUP 28
29. AI × キミの武器 ――掛け合わせるものを持つ⼈が、強い © INTAGE GROUP 29
30. 研究③︓「AIを使えば誰でも作れる」は、本当か︖ Vibe Coding ＝ プログラムを⼈間の⾔葉でAIに指⽰して作る⼿法 ※RやPythonといったプログラミング⾔語ではなく、普段話している⾔葉で指⽰をだしてコードを書く チューリッヒ⼯科⼤学（ETH Zurich）が調査︓ 「AIでうまく作れる⼈と、作れない⼈。何が違う︖」 コンピュータサイエンス ⽂章⼒ いわゆる“地頭” の基礎知識 （意図を正確に伝える⼒） （⼀般的な認知能⼒） どれが⼀番、成果を予測する︖ （出典） Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency（ETH Zurich, CHI 2026採択） コンピュータサイエンスの成績とライティングスキルは、Vibeのコーディング能⼒を予測する （arXiv 2026年3⽉） https://arxiv.org/abs/2603.14133 © INTAGE GROUP 30
31. 結果︓効いたのは「基礎」だった CS基礎知識は プロンプト⼒の 約2倍 パフォーマンスに寄与 • CSの基礎知識が最⼤の予測因⼦ • ⽂章⼒も効く︓⽂章⼒が⾼い⼈はプロンプトの質が⾼い • 地頭だけでは説明できない︓認知能⼒の影響を除いても、専⾨知識 が⾼い⼈ほどAIをうまく操れた 基礎を知る⼈は、指⽰を「論理的な部品」に分解できる → AIが間違えにくく、修正も的確 （出典） Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency（ETH Zurich, CHI 2026採択） コンピュータサイエンスの成績とライティングスキルは、Vibeのコーディング能⼒を予測する （arXiv 2026年3⽉） https://arxiv.org/abs/2603.14133 © INTAGE GROUP 31
32. AI時代でも、「基礎」は死なない。 むしろ基礎は、 AIを操るための「共通⾔語」になる © INTAGE GROUP 32
33. ⼤⼈たちも「⾃分の武器×AI」で戦っている 私たちの現場︓⾒積もり作成がベテラン数名に集中し、若⼿が育たない → ベテランの知⾒を学んだAIエージェントを開発 Before • 依頼はいつも同じベテランへ • 若⼿は遠慮して聞けない • 過去の膨⼤なドキュメントは眠ったまま After • 若⼿が⾒積もりドラフトの初稿を作れるよ うに • AIが根拠とリスクを明⽰ → 若⼿がベテラ ンの暗黙知を学べる • 眠っていた資産（ドキュメント）が動き出 した AIが⼈を置き換えたのではなく、ベテランの武器（暗黙知）を掛け算した © INTAGE GROUP 33
34. AI活⽤には「深さ」がある Level 1 Level 2 Level 3 Chat Workflow Personalized → 相談・壁打ち ⽣産性への影響はほぼ無い 定型作業の⾃動化 → 時間の削減 ⾃分の⽂脈を理解した 専属パートナー ⽣産性の向上 ⾒極めの問い︓そのAIの使い⽅で、⼈は育つか︖ © INTAGE GROUP 34
35. キミの武器は、もう⼿の中にある 統計の知識 ⽂章⼒ より強い武器になります 研究の過程で皆さんは様々なことを⽂章にまとめて伝えています ⾝近な課題を⾒つける視点 ◯◯への詳しさ これから経験と知識を積み上げることで プロンプトの質に直結する、と研究が⽰しました ⾃分たちの周辺で、様々な課題を⾒つけ、それを研究テーマとして 取り上げています AIが⼀番知らない「ローカルな⼀次情報」など、研究対象としたテ ーマへの知識・経験 そして―― 今⽇発表する、キミの探究テーマそのもの © INTAGE GROUP 35
36. AIは、掛け算。 キミが0なら、答えも0。 © INTAGE GROUP 36
37. ⼈とAIの「知能」は、種類がちがう 学び⽅と「中⾝」がちがうから、得意なことが分かれる ⼈（ヒト）の知能 AIの知能 少ない経験と「⾝体」で学ぶ 学び⽅ 膨⼤なテキストから学ぶ 意味・因果を「理解」する 中⾝（仕組み） 確率で次の単語を「予測」する 問いを⽴てる・判断する 得意なこと 答えのある問題・速さ・記憶 「知らない」と⾔える まちがえ⽅ それっぽく作⽂してしまう ⾃分の興味・意思がある 原動⼒ ⽬的は⼈から与えられる 強みがちがうから、掛け算になる ── AI × キミの武器 © INTAGE GROUP 37
38. 「勉強する意味、ある︖」――あります。意味が変わっただけ 「答えのある問題」を解く⼒ → AIが代わりにやってくれる時代に では、何のために学ぶのか ① 問いを⽴てるため ② 掛け算の元＝武器を育てるため ―― AIには、問いは⽴てられない ―― キミが0なら、答えも0 丸投げした瞬間、掛け算の相⼿がいなくなる。だから、丸投げは「よくない」。 © INTAGE GROUP 38
39. 今⽇、持ち帰ってほしいこと 1 AIの正体は「確率の計算」 2 頼りきると、⼒は落ちる（データが⽰した） 3 AI × キミの武器 正体を知れば、リスクは予測できる 「問いを⽴てる」のは、⼈間にしかできない仕事 掛け合わせるものを磨いた⼈が、未来を拓く © INTAGE GROUP 39
40. 今⽇の探究テーマが、 キミの最初の「武器」になるかもしれない。 午後の発表、 皆さんの「問い」を楽しみにしています。 © INTAGE GROUP 40
41. 質問タイム（〜12:00） チャットに質問をどうぞ︕ 匿名でもOK ・ 素朴な質問ほど歓迎 © INTAGE GROUP 41
42. Appendix︓先⽣⽅向け参考資料 • ⽂部科学省「初等中等教育段階における⽣成AIの利活⽤に関するガイドライン」 • ⽂部科学省「⼤学・⾼専における⽣成AIの教学⾯の取扱いについて」 • 内閣府「⼈⼯知能に関する各府省庁等のガイドライン等⼀覧」 https://www8.cao.go.jp/cstp/ai/ai_guideline/ai_guideline.html 学校現場での⽣成AI活⽤の設計にあたっては、上記ガイドラインをご参照ください © INTAGE GROUP 42