AI901-Concept#111-1
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある損害保険会社が、顧客から送信される事故報告 (テキスト + 現場写真 + 通話音声 + ダッシュカム動画) を AI で自動処理して査定担当者を支援するシステムを Azure AI Foundry で構築しています。複数の AI ワークロードを統合する必要があります。
解決策
現場写真の損傷部位を分類するために Azure AI Vision の image analysis API を使用し、computer vision ワークロードとして実装します。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
損傷部位の自動分類は computer vision ワークロードの典型例で、Azure AI Vision の image analysis API が提供する分類 / 物体検出 / タグ付け機能で実装できます。Foundry portal から呼び出し可能で、Microsoft Foundry SDK の AzureAIVision クライアントで統合できます。事故査定で必要な「ボディパネル損傷」「ガラス破損」「タイヤパンク」等のカテゴリーは fine-tune またはカスタム分類モデルで精度向上が可能で、ワークロード分類としても適切な選択です。
【「いいえ」が違う理由】
画像入力からの分類タスクは computer vision ワークロードに正しく該当し、Azure AI Vision で実装する標準的な構成です。「目的を満たさない」と判断する根拠はありません。
損傷部位の自動分類は computer vision ワークロードの典型例で、Azure AI Vision の image analysis API が提供する分類 / 物体検出 / タグ付け機能で実装できます。Foundry portal から呼び出し可能で、Microsoft Foundry SDK の AzureAIVision クライアントで統合できます。事故査定で必要な「ボディパネル損傷」「ガラス破損」「タイヤパンク」等のカテゴリーは fine-tune またはカスタム分類モデルで精度向上が可能で、ワークロード分類としても適切な選択です。
【「いいえ」が違う理由】
画像入力からの分類タスクは computer vision ワークロードに正しく該当し、Azure AI Vision で実装する標準的な構成です。「目的を満たさない」と判断する根拠はありません。
コメント