ある小売企業が、過去の販売データ（数値時系列）から翌週の需要を予測するシステムを構築したい。データには明確な季節性とトレンドがある。生成 AI と従来 ML の使い分けの観点から、最も適切なアプローチはどれか。
- A. すべての時系列予測は生成 AI に置き換わっており、従来の統計・ML モデルは使う必要がない
- B. 生成 AI は数値予測が得意であるため、テキスト生成と同じ方法で予測精度が高くなる
- C. 大規模 LLM に時系列の数値データをテキストとして渡し、「翌週の売上を予測してください」とプロンプトする
- D. Amazon Forecast や Prophet などの時系列予測専用モデルを使い、季節性・トレンドを明示的にモデル化する
解答と解説を見る
正解: D
数値時系列の需要予測は、季節性・トレンド分解を得意とする専用モデル（Amazon Forecast, Prophet, ARIMA 系）が最も精度・コスト効率に優れる。これは生成 AI と従来 ML の使い分けの典型例。Cは誤り：LLM は数値時系列の統計的パターンを正確に内部表現する設計ではなく、数値予測には向いていない。Bは誤り：LLM はテキスト・画像の生成に特化した設計であり、数値系列の予測精度は専用モデルに劣る。Aは誤り：時系列予測において生成 AI が従来 ML を完全に置き換えたという事実はなく、タスクの性質によって最適なアプローチは異なる。