IPAがデータ・AI試験の範囲公開｜AI人材要件の3つのズレ

IPA（独立行政法人情報処理推進機構）は2026年10月30日、2027年度開始予定の新試験「プロフェッショナルデジタルスキル（データ・AI）試験（仮称）」のシラバス（案）Ver.0.1と、科目B（技能）のサンプル問題6問を公表しました。いずれもIPA自身が「案」「変更の可能性があります」と明記した段階の資料で、いま資格要件として社内規程に書き込むのは早すぎます。ただし出題範囲を読むと、多くの企業が「AI人材」に期待している要件とズレやすい点が3つ見えます。採用要件・育成計画を決める前に押さえておきたい内容です。

IPAが2026年10月30日に公表したもの

公表されたのはシラバス案Ver.0.1（2.0MBのPDF）と科目Bのサンプル問題（全6問・18ページ）の2点です。合格基準・受験料・申込時期は2026年11月4日時点で公表されていません。

シラバス案はIPA「新試験制度のシラバス案について」に掲載されています。同ページは2026年6月30日に公開され、データ・AI試験のシラバス案が追加された2026年10月30日に最終更新されました。サンプル問題はIPA「新試験制度のサンプル問題について」側に、同じ2026年10月30日付で掲載されています。

読む前に、IPAが付けた2つの注記を確認しておく必要があります。

資料	IPAの注記（原文）
シラバス案Ver.0.1	「本資料の内容は公表時点の検討状況に基づくものであり，変更する可能性があります」
科目Bサンプル問題	「本サンプル問題は、新たな出題分野、出題形式のイメージを共有するために作成、公表するものであり、実際の試験と同様の問題作成やチェックのプロセスを経たものではありません」

試験名そのものも「仮称」です。確定した制度としては扱えません。一方で、IPAが「どの技能を専門職の水準と見なすか」を文書化した資料としては、現時点で最も具体的なものです。

なお、公表範囲について補足しておきます。シラバス案Ver.0.1 には科目A-2（専門知識）と科目B（技能）の両方が含まれており、科目A-1（共通知識）の用語例は別資料「プロフェッショナルデジタルスキル試験（仮称）及び情報処理安全確保支援士試験 共通知識 シラバス（案）」Ver.0.1として2026年9月30日に公表済みです。科目Bだけなのはサンプル問題のほうです。

データ・AI試験は2027年度夏〜秋頃｜科目構成と位置づけ

IPAは2027年度から8試験区分へ移行する予定で、プロフェッショナルデジタルスキル（データ・AI）試験は2027年度の夏頃から秋頃の実施が予定されています。全試験がCBT（コンピュータ上での受験）方式になります。

IPA「情報処理技術者試験及び情報処理安全確保支援士試験の見直しの検討状況について」によれば、新制度の8区分と実施時期は次のとおりです。

実施時期（2027年度）	試験区分
春頃	ITパスポート試験／情報セキュリティマネジメント試験／基本情報技術者試験
夏頃〜秋頃	データマネジメント試験（仮称）／プロフェッショナルデジタルスキル（マネジメント・データ・AI・システム）試験（仮称）／情報処理安全確保支援士試験

現行試験は2026年度をもって終了予定です。データ・AI試験の科目構成は次のようになっています。

科目	内容	出題数	試験時間
科目A-1	共通知識	60問	90分
科目A-2	専門知識	23問	科目Bと合わせて120分
科目B	技能	12問	科目A-2と合わせて120分

免除制度についてIPAは、プロフェッショナルデジタルスキル試験（仮称）の各試験に「現行の高度試験と同等の免除制度を設けること」、および経過措置として「現行の高度試験又は情報処理安全確保支援士試験において一部科目の免除要件を満たした場合には、一定期間、一部科目を免除すること」を検討中としています。いずれも確定事項ではありません。

科目Bの出題範囲4つ｜「生成AI」は一部にすぎない

ズレの1つ目は、試験範囲の重心が「生成AIを使う力」ではなく「データを整える力」に置かれている点です。科目B（技能）の大項目は4つで、そのうち生成AIが正面から出てくるのは大項目2の小項目2つだけです。

シラバス案の科目B出題範囲は次の構成です。

大項目	小項目の数	主な内容
1. データマネジメントに関すること	9（1-1〜1-9）	データ戦略・基本方針の策定支援、体制と役割の設計、データアーキテクチャ設計、ルール策定と運用、データ整備・提供、組織への定着支援
2. データ・AIの活用に関すること	5（2-1〜2-5）	分析目的の設定、BIツールによる可視化、統計学・機械学習・時系列解析、生成AI技術の適用（2-4）、AI倫理の考慮（2-5）
3. データ基盤の構築に関すること	4（3-1〜3-4）	管理対象データの明確化、概念・論理・物理データモデル、データ統合・変換、データパイプラインの設計・運用
4. データ処理とアルゴリズムに関すること	3（4-1〜4-3）	SQLによるCRUD操作、データ構造とプログラミング、アルゴリズムとプログラミング

ここで重要なのは、シラバス案が「科目Bの各項目の出題割合は基本的に大項目の構成に基づきます」と明記していることです。つまり生成AIの比重は、4大項目21小項目のうち2小項目ぶんという目安になります。小項目2-4は「データ生成（文書、画像など）、マルチモーダル、RAG、AIエージェントなどの生成AI技術の適用」、2-5は「AIの導入・活用におけるAI倫理の考慮」です。

社内で「AI人材」を定義するとき、プロンプトの書き方や生成AIツールの操作に要件が寄りがちです。IPAが専門職の技能として積み上げたのは、その手前にあるデータマネジメント（9小項目）とデータ基盤（4小項目）でした。生成AIツールの選定軸そのものは「生成AIの選び方2026｜「最強モデル探し」をやめる4つの軸」で扱っていますが、どのツールを選んでも、入力するデータが整っていなければ出力は使えません。試験範囲の構成はその順序を素直に反映しています。

なお、資料間で名称が揺れている箇所があります。2026年3月31日公表の「出題範囲等の改定案 Ver.1.0」では大項目3が「データエンジニアリングに関すること」でしたが、シラバス案Ver.0.1では「データ基盤の構築に関すること」に変わっています。資料を比較する際は版を確認してください。

この試験が測るのは「決める人」ではなく「案を作る人」

ズレの2つ目は、試験の対象者像です。シラバス案は、経営層やCDOによる最終決定・承認を出題対象から明確に外しています。

シラバス案の補足には、大項目1の範囲について次のように書かれています。

本大項目では，データスチュワード，データアーキテクト，データエンジニアなどが，各役割に応じて遂行する技能を対象とする。経営層や CDO が担う組織としての方針・体制などの最終決定・承認は対象とせず，その検討や案の作成，専門的な設計及び実行・支援に必要な技能を問う。

つまりこの試験は、データ戦略を「決める人」ではなく「案を作って設計し、実行を支える人」を測る設計になっています。CDO（最高データ責任者）・データオーナー・データスチュワード・データアーキテクト・データエンジニアといった役割名も、シラバス案の専門知識側（科目A-2）で用語例として列挙されています。

ここから導かれる実務上の含意は明快です。この試験の合格者を揃えても、経営としての意思決定の質は担保されません。データ活用の方針を承認する側のスキル要件は、試験の範囲外として別に設計する必要があります。AI推進担当者が社内で孤立しやすい構造については「AI推進担当者の孤立｜相談相手より先に要る3つの決定」でも扱いました。決める人と案を作る人の役割分担を先に決めておくことが、人材要件の設計そのものより効きます。

サンプル問題が描く失敗は、AI導入の現場で起きていること

ズレの3つ目は、AIの精度が落ちる原因の見立てです。公表されたサンプル問題の1問目は、モデルの性能ではなく「データ定義の変更が下流に伝わらない」ことで予測AIが壊れるケースを扱っています。

サンプル問題 問1の設定を要約します。この企業は、中央のデータ管理部門に責任を集中させず各部門がデータのオーナーシップを持つ分散型のデータマネジメント方針を採っています。営業部門は提供者として「顧客別月間売上データプロダクト」を公開し、マーケティング部門が利用者としてそれを解約予測AIの入力に使っていました。

そこへ経営企画部門から「ダッシュボード用に円単位のデータがほしい」という要望が入ります。営業部門は独自の判断で、既存カラム（amount）の値を千円単位から円単位に変更しました。経営企画部門には伝えましたが、すでに利用中だったマーケティング部門には通知しませんでした。

結果として、マーケティング部門の解約予測AIは顧客の売上が突如1000倍になったと誤認し、優良顧客と判定して解約確率を極端に低く予測しました。さらにこの企業では、カラムの説明文をAIが自動生成する補助ツールを導入していましたが、未承認のカラムだけを生成対象とする仕様だったため、既存カラム（amount）の説明文が「千円単位」のまま残っていた誤りを検知できませんでした。

この問題が正答として示すのは、原因が「既存データの意味を変えたのにメタデータの見直しを怠ったこと」と「後方互換性のない破壊的変更を既存利用者に通知して再合意を得なかったこと」だという整理です。モデルの精度やチューニングの話は一切出てきません。

発注側の視点で読み替えると、次の3点が確認すべき項目になります。

1. データ定義を変更する手順が決まっているか：誰が承認し、誰に通知するか。利用中の下流システムを把握しているか
2. AIの入力データに「利用合意」の概念があるか：仕様が変わったら再合意が必要という運用になっているか
3. AIによる自動化の適用範囲を把握しているか：補助ツールの対象外になる条件を、導入時に確認しているか

本番で動かしているAIのモデルを差し替えたときの手戻りについては「本番AIのモデル差し替え62%｜6割が作り直し」で扱いました。モデル側の変更もデータ側の変更も、下流への影響を把握していなければ同じ形で壊れます。

経営・DX担当者が今やること

いま取るべき行動は、資格を要件化することではなく、出題範囲を自社のスキル棚卸しのチェックリストとして使うことです。「案・仮称」の段階で社内規程に資格名を書くと、仕様変更のたびに修正が必要になります。

やること	具体的な進め方
AI人材要件を4項目に振り分ける	自社の求人票・育成計画に書かれた要件を、科目Bの4大項目（データマネジメント／データ・AI活用／データ基盤／データ処理とアルゴリズム）に仕分ける。空欄になった項目が自社の盲点
「決める側」の要件を別に書く	試験範囲外である承認・最終決定のスキル（投資判断、リスク受容、優先順位付け）を、経営層・事業責任者の要件として分けて定義する
データ定義の変更ルールを先に作る	サンプル問題 問1と同型の事故を防ぐ。変更の承認者、通知先、下流システムの一覧、再合意の手順を文書化する
2027年度の確定情報を待つ項目を決めておく	合格基準・受験料・申込時期・科目A-1免除の適用範囲は未公表。これらに依存する決定（受験費用の予算化など）は保留にする

社内研修をどう設計するかは別の論点です。機能別に区切らない研修設計の考え方は「社内AI研修は機能で区切らない｜デジタル庁の3段階」、国の人材育成方針の転換点は「デジタル庁が人材目標を転換｜社内AI研修に効く4点」で整理しています。

具体的な活用シーン

出題範囲を社内のスキル基準として使う場面を3つ挙げます。

製造業（品質データの活用）：検査データを予測モデルに使う前に、測定単位・測定条件・欠損の扱いを定義して文書化する必要があります。科目Bの大項目1（データマネジメント）と大項目3（データ基盤の構築）が、そのまま必要スキルの一覧になります。サンプル問題 問1の単位変更は、製造現場の測定単位の変更と同じ構造の事故です。

小売・流通（需要予測）：複数システムから集めた売上データを統合する際、一貫性と整合性の確保が前提になります。小項目3-3「様々な収集元のデータ」に当たる技能です。予測精度を上げる前に、統合時の変換ルールが文書化されているかを確認するほうが効果が出ます。

人事（AI人材の評価軸づくり）：社内のデータ・AI人材を等級に当てはめる際、4大項目を評価軸として使えます。「生成AIを使える」という単一の軸では、データマネジメントとデータ基盤の技能差が見えません。

よくある質問

プロフェッショナルデジタルスキル（データ・AI）試験はいつから受験できますか。

IPAは2027年度の夏頃から秋頃の実施を予定しています。全試験がCBT方式になる予定です。2026年11月4日時点で、申込開始時期・受験料・合格基準は公表されていません。

公表されたシラバス案は確定した試験範囲ですか。

確定していません。IPAはシラバス案に「公表時点の検討状況に基づくものであり、変更する可能性があります」と明記しており、試験名自体も「仮称」の段階です。

社内のAI人材要件に、この試験の合格を入れるべきですか。

2026年11月4日時点では早いと考えます。試験範囲が「案」であるうえ、合格基準も未公表です。まずは出題範囲4項目を自社の要件と突き合わせ、空欄になる領域を洗い出す使い方が現実的です。

科目Bのサンプル問題は過去問として使えますか。

使えません。IPAは「実際の試験と同様の問題作成やチェックのプロセスを経たものではありません」と注記しています。出題形式と題材の方向性を知る資料として読むのが適切です。

まとめ

2026年10月30日にIPAが公表したデータ・AI試験のシラバス案と科目Bサンプル問題から読み取れるのは、次の3点です。

• 出題範囲の重心はデータマネジメントとデータ基盤にあり、生成AIは4大項目21小項目のうち2小項目。社内の「AI人材」要件がツール操作に寄っていないか確認する価値があります
• 経営層・CDOによる最終決定・承認は出題対象外。決める側のスキル要件は試験の外で別に設計する必要があります
• サンプル問題 問1が描く失敗は、モデル精度ではなくデータ定義の変更通知の不備。AI導入前にデータ変更の承認・通知ルールを決めておくことが、同型の事故を防ぎます

いずれも「案」の段階の資料にもとづく読み方であり、2027年度の確定情報が出た時点で見直しが必要です。それでも、自社のスキル棚卸しは今から着手できます。

AI導入の進め方全体は「AI導入支援｜中小企業の進め方と支援会社の選び方」、発注前に確認する具体的な基準は「AI導入支援会社の選び方｜発注前に確認する7つの基準」で解説しています。

自社のAI人材要件やデータ整備の状況を整理したいという方は、AI導入相談フォームからお気軽にご相談ください。出題範囲の4項目に沿った棚卸しのご支援も可能です。

出典・参考資料

• IPA（独立行政法人情報処理推進機構）： 新試験制度のシラバス案について （2026年10月30日）
• IPA： プロフェッショナルデジタルスキル（データ・AI）試験（仮称）シラバス（案）Ver.0.1 （2026年10月30日）
• IPA： 新試験制度のサンプル問題について （2026年10月30日）
• IPA： プロフェッショナルデジタルスキル（データ・AI）試験（仮称）科目Bのサンプル問題 （2026年10月30日）
• IPA： 情報処理技術者試験及び情報処理安全確保支援士試験の見直しの検討状況について （2026年3月31日）
• IPA： 出題範囲等の改定案 Ver.1.0 （2026年3月） （大項目3の名称はシラバス案Ver.0.1で「データ基盤の構築に関すること」に変更）