情報抽出（Content Understanding）の要点整理と想定問題

正解: B 【A（不正解）】 ？ 検索のためにデータを整理して蓄える仕組みです。 これは検索インデックスの説明である。アナライザーは内容の処理方法を定める設定で、索引そのものではない。 【B（正解）】 ？ 処理の手順と出力の形を一つにまとめたものです。 公式は、アナライザーをコンテンツ抽出の設定・フィールド スキーマ・モデルのデプロイを定める中核の部品と説明している。一度設定すると、届くデータに同じ設定を一貫して当てる。 【C（不正解）】 ？ 自前の画像とラベルで学習させるモデルです。 それは Custom Vision などの考え方である。Content Understanding は、ラベル付きの学習データが無くても項目を定義して始められる。 【D（不正解）】 ？ 利用状況を見える化する画面です。 使用量は分析の応答の usage などで確かめられるが、アナライザーは監視の画面ではない。

出典: Azure Content Understanding in Foundry Tools とは／アナライザーとは（構成とリファレンス）

正解: C 【A（不正解）】 ？ 内容をもとに AI が値を作り出す方法です。 要約や推論が要る値に向く。書かれた番号をそのまま取り出すなら extract が合う。 【B（不正解）】 ？ あらかじめ決めた区分から選ぶ方法です。 請求書番号は、決まった候補から選ぶ値ではないので合わない。 【C（正解）】 ？ 文書に書かれた値をそのまま取り出す方法です。 公式は、請求書番号や日付のように内容に直接現れる値には extract を勧めている。extract は文書アナライザーだけで使える。 【D（不正解）】 ？ ファイルを意味のある区切りに分ける設定です。 これはセグメンテーションの設定で、フィールドの値の取り出し方を決めるものではない。

出典: アナライザーとは（構成とリファレンス）／Content Understanding を使うためのベスト プラクティス

正解: A 【A（正解）】 ？ 決めた候補の中から 1 つを選ばせる方法です。 公式は、決まった候補から選ぶ値には classify を勧めている。通話の感情の分類は、その例として挙げられている。 【B（不正解）】 ？ 内容に書かれた値をそのまま取り出す方法です。 extract は文書アナライザーだけで使える。また、感情は通話の中に語として現れるとは限らない。 【C（不正解）】 ？ AI が内容から自由に値を作る方法です。 自由な文章では 3 つの区分に揃わず、集計しにくい。決まった区分なら classify が合う。 【D（不正解）】 ？ AI を使わずに人が全件を確かめるやり方です。 件数が多いと手間がかかる。Content Understanding は感情を構造化された項目として返せる。

出典: Content Understanding のドキュメントの概要／アナライザーとは（構成とリファレンス）

正解: D 【A（不正解）】 ？ 文書に書かれた値をそのまま取り出す方法です。 要約は文書にそのまま書かれた値ではないので、extract では作れない。 【B（不正解）】 ？ 決めた候補から 1 つを選ぶ方法です。 要約は候補から選ぶ値ではない。決まった区分がある項目に使う方法である。 【C（不正解）】 ？ 基本の OCR で文字を取り出すアナライザーです。 prebuilt-read は項目の生成をしない。要約を自動で作るには generate のフィールドが要る。 【D（正解）】 ？ 内容をもとに AI が値を作り出す方法です。 公式は、要約やリスクの水準のように推論や要約が要る値には generate を勧めている。

出典: Content Understanding を使うためのベスト プラクティス／Content Understanding のドキュメントの概要

正解: B 【A（不正解）】 ？ 文字・表・段落などのレイアウトを取り出すアナライザーです。 コンテンツ抽出用のアナライザーで、カスタム アナライザーの親にできる 4 つのベースには入らない。 【B（正解）】 ？ 文書を処理する基本のアナライザーです。 親にできるのは prebuilt-document・prebuilt-image・prebuilt-audio・prebuilt-video の 4 つである。文書なら prebuilt-document を指定する。 【C（不正解）】 ？ RAG 向けに文書を Markdown にし、要約も付けるアナライザーです。 RAG アナライザーであり、ベース アナライザーではない。カスタム アナライザーは現在 4 つのベースからだけ作れる。 【D（不正解）】 ？ 画像を処理する基本のアナライザーです。 ベース アナライザーの一つだが、画像向けである。申請書のような文書には prebuilt-document が合う。

出典: Content Understanding の事前構築済みアナライザー／アナライザーとは（構成とリファレンス）

正解: A 【A（正解）】 ？ 値の場所や別の呼び方を手がかりとして書く方法です。 公式は、位置のヒント・形式・別名を含む具体的な説明を勧めている。説明は抽出を導く小さなプロンプトとして使われる。 【B（不正解）】 ？ 当てはまらないものを列挙する書き方です。 公式は否定形ではなく、その項目が何であるかを肯定的に書くよう勧めている。 【C（不正解）】 ？ 文書と違う言語で項目を定義する方法です。 公式は、ファイルと同じ言語で名前と説明を書くよう勧めている。言語が食い違うと精度が大きく下がることがある。 【D（不正解）】 ？ 項目の名前だけを手がかりにさせる方法です。 説明は AI への指示として使われるので、空にすると手がかりが減る。具体的に書くほど抽出の精度が上がる。

出典: Content Understanding を使うためのベスト プラクティス／アナライザーとは（構成とリファレンス）

正解: C 【A（不正解）】 ？ 文字列の中に構造を書かせる方法です。 公式は、繰り返すデータを JSON を求める string 型で定義せず、オブジェクトの配列にするよう勧めている。 【B（不正解）】 ？ はい・いいえの 2 値を表す型です。 明細の有無しか分からず、品名や数量は取り出せない。 【C（正解）】 ？ 同じ形のデータを並べて持つ型です。 明細のような繰り返しは、object を要素とする array で定義するのが公式の勧めである。入れ子は 2〜3 段までに抑える。 【D（不正解）】 ？ 日付を表す型です。 日付以外の品名や数量が取り出せない。型は値の意味に合わせて選ぶ。

出典: Content Understanding を使うためのベスト プラクティス／アナライザーとは（構成とリファレンス）

正解: D 【A（不正解）】 ？ 数学の式を表す要素です。 数式は LaTeX 形式で返る別の要素で、チェックの状態は表さない。 【B（不正解）】 ？ 文書に埋め込まれたリンクを表す要素です。 リンク先の URL を表す要素で、印の有無とは関係ない。 【C（不正解）】 ？ 段落が文書の中で果たす役割です。 見出しやフッターなどを見分ける情報で、チェックボックスの状態は表さない。 【D（正解）】 ？ 選んだかどうかを表す印を示す要素です。 公式は、チェックボックスなどの印を選択マークとして検出し、☒ と ☐ の文字で表すと説明している。

出典: ドキュメント分析: 構造化されたコンテンツの抽出／Content Understanding のドキュメントの概要

正解: B 【A（不正解）】 ？ 基本の OCR で文字を取り出すアナライザーです。 文字・段落・数式・バーコードは取れるが、レイアウト解析をしないので表の構造は返らない。 【B（正解）】 ？ 文字に加えて表や段落などのレイアウトを取り出すアナライザーです。 単語・図・段落・表やセクションの構造を取り出す。言語モデルも埋め込みモデルも要らない。 【C（不正解）】 ？ RAG 向けに要約や図の説明も付けるアナライザーです。 要約や図の説明を作るために生成モデルを使う。モデルを使わない条件に合わない。 【D（不正解）】 ？ 請求書の項目を取り出すアナライザーです。 請求書の項目を取り出すもので、生成モデルを使う。報告書の構造の取り出しには向かない。

出典: Content Understanding の事前構築済みアナライザー／Content Understanding アナライザーのモデル デプロイ

正解: A 【A（正解）】 ？ 文字・段落・数式などの内容要素を取り出すアナライザーです。 公式は prebuilt-read を、レイアウト解析なしの基本的な OCR を行うアナライザーと説明している。 【B（不正解）】 ？ ファイル内部の構造を直接読むアナライザーです。 機械で読める文字をファイルの内部構造から取り出す。スキャンした文書には prebuilt-read か prebuilt-layout を使う。 【C（不正解）】 ？ 表やセクションなどの構造も取り出すアナライザーです。 文字に加えて表や構造のレイアウト解析も行う。レイアウト解析をしないものではない。 【D（不正解）】 ？ 文書を見て、項目の定義の案を出すアナライザーです。 新しい種類の文書に合うフィールド スキーマを提案するもので、OCR の結果を返すためのものではない。

出典: Content Understanding の事前構築済みアナライザー

正解: C 【A（不正解）】 ？ 小売店や飲食店のレシートを対象にしたアナライザーです。 販売のレシート向けである。請求書の項目には prebuilt-invoice が合う。 【B（不正解）】 ？ 契約書や取引の合意書を対象にしたアナライザーです。 契約の当事者などを取り出すもので、請求書には向かない。 【C（正解）】 ？ 請求書や発注書などを対象にしたアナライザーです。 請求書・公共料金の請求書・発注書などが対象である。公式は、事前構築済みが文書の種類に合うならそこから始めるよう勧めている。 【D（不正解）】 ？ 運転免許証やパスポートなどの身分証を対象にしたアナライザーです。 身分証の項目を取り出すもので、請求書には向かない。

出典: Content Understanding の事前構築済みアナライザー／ドキュメント処理に適した Azure AI ツールを選ぶ

正解: D 【A（不正解）】 ？ 1 つの定義で全部をまとめて扱う方法です。 種類の違うページにも同じ定義を当てるので、該当しない項目が混ざる。種類で分けてから抽出する方が合う。 【B（不正解）】 ？ 基本の OCR で文字だけを取り出す方法です。 仕分けが手作業になり、自動化が進まない。Content Understanding は分類と振り分けを設定で行える。 【C（不正解）】 ？ 1 種類向けのアナライザーで全部を処理する方法です。 領収書に請求書の定義を当てることになり、必要な項目が取れない。 【D（正解）】 ？ 区切って種類を見分け、種類ごとに処理を変える方法です。 enableSegment を true にすると、区分の説明に沿って分割・分類し、区分ごとに指定したアナライザーで抽出できる。「その他」の区分も作ると、当てはまらない内容も扱える。

出典: アナライザーとは（構成とリファレンス）／Content Understanding を使うためのベスト プラクティス

正解: A 【A（正解）】 ？ サービスを自社の環境で動かす提供の形です。 公式の文書処理ツールの早見表は、オンプレミスや外部と切り離された環境への配置には Document Intelligence のコンテナーを挙げ、現時点の選択肢はこれだけとしている。 【B（不正解）】 ？ クラウドのサービスを API で呼ぶ方法です。 クラウドへの接続が要るため、外部と切り離された環境では使えない。 【C（不正解）】 ？ ブラウザーで機能を試す画面です。 インターネット経由の Web 画面であり、外部と切り離された工場の中からは使えない。 【D（不正解）】 ？ 検索の取り込み時に AI の処理を行う定義です。 クラウドの検索サービスの機能で、外部と切り離された環境という条件に合わない。

出典: ドキュメント処理に適した Azure AI ツールを選ぶ

正解: B 【A（不正解）】 ？ 様式が決まった文書向けに学習させるモデルです。 固定のレイアウトから書かれた値を取り出すのに向く。書かれていない終了日を導くのは難しい。 【B（正解）】 ？ 契約書や合意書を対象にした事前構築済みアナライザーです。 公式は、契約書のような非構造の文書には prebuilt-contract を勧めている。開始日と期間から終了日を導くなど、書かれていない値も推論できる。 【C（不正解）】 ？ 基本の OCR で文字を取り出す方法です。 文字は取れるが、項目の取り出しや、期間からの日付の計算はしない。 【D（不正解）】 ？ 画像の特徴や説明を返す機能です。 画像の内容を説明する機能で、契約の当事者や日付を項目として取り出すものではない。

出典: ドキュメント処理に適した Azure AI ツールを選ぶ／Content Understanding の事前構築済みアナライザー

正解: C 【A（不正解）】 ？ 動画を区切り、区切りごとの説明を作るアナライザーです。 動画向けのアナライザーで、静止画の写真には使わない。 【B（不正解）】 ？ 文書から文字や表の構造を取り出すアナライザーです。 文書の文字やレイアウトの取り出しが目的で、写真の説明文は作らない。 【C（正解）】 ？ 画像を解析して説明を作る、検索向けのアナライザーです。 画像の内容を 1 段落で説明し、検索や RAG に使える形で返す。 【D（不正解）】 ？ レシートの項目を取り出すアナライザーです。 販売のレシートを対象にしたもので、商品写真の説明には向かない。

出典: Content Understanding の事前構築済みアナライザー／クイックスタート: REST API と SDK

正解: B 【A（不正解）】 ？ 内容に書かれた値をそのまま取り出す方法です。 extract は文書アナライザーだけで使え、画像のアナライザーでは使えない。 【B（正解）】 ？ 決めた候補の中から 1 つを選ぶ方法です。 「あり」「なし」の決まった区分から選ぶ値なので classify が合う。公式は、傷や異常の検出を画像の使い道に挙げている。 【C（不正解）】 ？ AI が内容から自由に値を作る方法です。 自由な文章では「あり・なし」に揃わず、集計や判定に使いにくい。 【D（不正解）】 ？ 文書の数式を取り出す設定です。 文書の数式を LaTeX で取り出す設定で、写真の傷の判定とは関係ない。

出典: Content Understanding の画像の概要／Content Understanding を使うためのベスト プラクティス

正解: A 【A（正解）】 ？ 文書を対象にしたフィールド抽出を使う方法です。 公式は、画像アナライザーは主に文字にもとづく分析向けではないとし、文字の抽出が目的なら文書のフィールド抽出を検討するよう勧めている。 【B（不正解）】 ？ 画像向けのベースから作る方法です。 画像アナライザーは文字が中心の解析に最適化されていない。文字が主なら文書向けの方が合う。 【C（不正解）】 ？ 画像の説明文を作るアナライザーです。 写真全体の説明は作るが、申請書の項目を取り出すためのものではない。 【D（不正解）】 ？ 動画を区切って説明を作るアナライザーです。 静止画を動画にする必要はなく、文字の項目の抽出にも向かない。

出典: Content Understanding の画像の概要

正解: D 【A（不正解）】 ？ AI が値を作り出す方法についての制約です。 公式が文書アナライザーだけに限っているのは extract で、generate は画像でも使える。prebuilt-imageSearch も画像の説明文を生成して返す。 【B（不正解）】 ？ 使うリソースの種類についての制約です。 Content Understanding は Foundry リソースで使うサービスで、画像も同じリソースで扱う。 【C（不正解）】 ？ 結果の出力の形についての説明です。 画像の結果は Markdown と JSON のフィールドで返るが、必ず表の形になるという決まりは無い。 【D（正解）】 ？ 値の確かさを示す数値の対応範囲です。 公式は、信頼度スコアに対応するのは現在、文書アナライザーだけと説明している。画像の結果を自動で承認するなら、人の確認など別の確かめ方を用意する。

出典: Content Understanding を使うためのベスト プラクティス／Content Understanding の事前構築済みアナライザー／Azure Content Understanding in Foundry Tools とは

正解: A 【A（正解）】 ？ 一般の写真の文字を読み取る機能です。 公式は、看板やラベルなど一般の画像には、同期 API で体験に組み込みやすい画像向けの OCR を勧めている。 【B（不正解）】 ？ 文書向けに最適化された読み取りモデルです。 文字の多い文書を非同期でまとめて処理するのに向く。その場で看板を読む用途には画像向けが合う。 【C（不正解）】 ？ 通話の録音を分析するアナライザーです。 音声の通話分析用で、画像の文字は読み取らない。 【D（不正解）】 ？ 話し言葉をテキストにする機能です。 音声を文字にする機能で、看板の文字は読み取れない。

出典: OCR（光学式文字認識）

正解: C 【A（不正解）】 ？ 話されている言語を見分ける機能です。 主な言語やロケールを見分ける機能で、話者を分けるものではない。 【B（不正解）】 ？ 動画のカットの切れ目を見つける機能です。 動画のショットの境界を見つける機能で、話者は分けない。 【C（正解）】 ？ 会話の中の話者を区別する機能です。 公式は、会話の話者を区別し、文字起こしの各部分を話者に割り当てる機能と説明している。 【D（不正解）】 ？ 動画の代表的な静止画を取り出す機能です。 動画の各ショットを表す静止画を取り出す機能で、音声の話者は分けない。

出典: Content Understanding のオーディオの概要

正解: D 【A（不正解）】 ？ 会話の文字起こしと要約を作るアナライザーです。 文字起こしと要約は作るが、感情や話題の一覧、役割の区別までは返さない。 【B（不正解）】 ？ 動画を区切り、説明と文字起こしを作るアナライザーです。 動画向けのアナライザーで、通話の分析の項目は返さない。 【C（不正解）】 ？ 文書を RAG 向けに取り込むアナライザーです。 文書向けで、音声の録音は対象にしない。 【D（正解）】 ？ 通話の録音の分析に特化したアナライザーです。 話者ロール検出つきの文字起こし、要約、感情、話題・会社・人物の一覧などを返す。

出典: Content Understanding のオーディオの概要

正解: B 【A（不正解）】 ？ 数式を表すための記法です。 文書の数式の出力に使う形式で、文字起こしには使わない。 【B（正解）】 ？ 時刻付きの字幕に使われるテキスト形式です。 公式は、音声の文字起こしを WebVTT 形式で返し、話者ごとに分けると説明している。 【C（不正解）】 ？ グラフを表すための記法です。 文書の中のグラフを構造化するときに使う形式で、文字起こしには使わない。 【D（不正解）】 ？ 流れ図などの図を表すための記法です。 文書の中の図を表すときに使う形式で、文字起こしには使わない。

出典: Content Understanding のオーディオの概要／Content Understanding のビデオの概要

正解: A 【A（正解）】 ？ 区切り方を自然な言葉で指示する設定です。 公式は、ニュース番組を話題ごとに分ける例として、enableSegment を true にし、区切り方を説明に書く方法を示している。 【B（不正解）】 ？ 動画全体を 1 区切りとして扱う設定です。 全体の要約などには向くが、話題ごとの章には分かれない。 【C（不正解）】 ？ カットの切れ目の時刻を返す機能です。 カットの切れ目は話題の切れ目と一致するとは限らない。話題で分けるには生成モデルによる区切りを使う。 【D（不正解）】 ？ 会話の文字起こしと要約を作るアナライザーです。 全体の要約はできるが、映像に合わせた章分けにはならない。

出典: Content Understanding のビデオの概要／アナライザーとは（構成とリファレンス）

正解: C 【A（不正解）】 ？ 音声の文字起こしの対象についての説明です。 公式は、文字起こしの対象は話し言葉だけで、音楽や効果音は無視されると説明している。 【B（不正解）】 ？ 映像の解像度の扱いについての説明です。 公式によると、抜き出したフレームは 512 × 512 ピクセルに縮められる。元の解像度のままではない。 【C（正解）】 ？ 映像の抜き出しの間隔についての説明です。 公式は、約 1 FPS で抜き出すため、速い動きや 1 フレームだけの出来事を見落とすことがあると説明している。 【D（不正解）】 ？ 動画の区切り方についての説明です。 区切りは自動で行える。動画全体を 1 つにするか、説明に沿って自動で区切るかを設定で選べる。

出典: Content Understanding のビデオの概要

正解: B 【A（不正解）】 ？ 言語を指定せずに自動で判定させる設定です。 公式は、候補の言語が多いほど推測が要り、文字起こしの誤りが増えるとしている。 【B（正解）】 ？ 想定する言語だけに候補を絞る設定です。 公式は、内容に出てくる言語だけを指定するよう勧めている。複数を指定すると、その中で言語検出が働く。 【C（不正解）】 ？ 1 つの言語だけを指定する設定です。 録音に出てこない言語を指定すると、文字起こしの品質が下がる。 【D（不正解）】 ？ 文字起こしを項目として取り出す方法です。 文字起こしは出力に自動で含まれる。公式は、要約などの追加処理が要らないなら項目を作らないよう勧めている。

出典: Content Understanding を使うためのベスト プラクティス／Content Understanding のオーディオの概要

正解: A 【A（正解）】 ？ 抽出した値の確かさを表す数値です。 公式は、フィールドの値ごとに 0〜1 の信頼度を返し、高い値は人の確認なしの自動処理を可能にすると説明している。 【B（不正解）】 ？ 確かさを整数で表すという説明です。 範囲は 0〜1 である。しきい値は用途ごとに試して決めるもので、一定の値なら合っているとは言えない。 【C（不正解）】 ？ 文書全体を 1 つの値で表すという説明です。 信頼度はフィールドの値ごとに返る。文書全体の読みやすさの指標ではない。 【D（不正解）】 ？ 費用に関する数値という説明です。 料金の目安ではない。使用量は応答の usage で確かめる。

出典: Azure Content Understanding in Foundry Tools とは

正解: C 【A（不正解）】 ？ 内容を区切って分類する設定です。 セグメンテーションと分類の設定で、信頼度や位置は返さない。 【B（不正解）】 ？ 数式を取り出す設定です。 数式を LaTeX で取り出す設定で、フィールドの信頼度とは関係ない。 【C（正解）】 ？ フィールドの出どころと確かさを見積もる設定です。 true にすると、各フィールドの値の元の位置（ページ番号やバウンディング ボックス）と信頼度スコアが返る。 【D（不正解）】 ？ 元の内容を応答から省く設定です。 応答を軽くする設定で、信頼度や位置を返すものではない。

出典: アナライザーとは（構成とリファレンス）／Azure Content Understanding in Foundry Tools とは

正解: D 【A（不正解）】 ？ 全件を人が確かめるやり方です。 誤りは防げるが手間が減らない。信頼度で振り分ければ、確認を必要な分だけに絞れる。 【B（不正解）】 ？ 全件を確認なしで処理するやり方です。 信頼度の低い値もそのまま入るため、誤入力が起きやすい。 【C（不正解）】 ？ 同じ処理を繰り返して値を上げようとするやり方です。 同じ解析の繰り返しは公式の勧めではない。低い結果は人の確認に回す。 【D（正解）】 ？ 値の確かさで処理の行き先を分けるやり方です。 公式は、信頼度とソース グラウンディングで確認が要る結果を人に回し、高信頼で根拠のある結果は自動の流れを続けるよう勧めている。

出典: Content Understanding のドキュメントの概要／ドキュメント処理に適した Azure AI ツールを選ぶ

正解: B 【A（不正解）】 ？ フレーズごとに言語を判定して文字にする機能です。 音声の文字起こしの機能で、PDF の値の位置は示さない。 【B（正解）】 ？ 値が元の内容のどこから来たかを示す情報です。 値を元の内容の場所までたどれるので、人が正しさを素早く確かめられる。PDF ではページ番号と位置の座標で示される。 【C（不正解）】 ？ 文書のグラフや図を構造化する機能です。 グラフや図を Chart.js などで表す機能で、項目の値の出どころは示さない。 【D（不正解）】 ？ 動画の代表的な静止画を取り出す機能です。 動画向けの機能で、PDF の値の位置は示さない。

出典: Azure Content Understanding in Foundry Tools とは／ドキュメント分析: 構造化されたコンテンツの抽出

正解: A 【A（正解）】 ？ 項目の重要度でしきい値を変えるやり方です。 公式は、合計金額などの重要な項目ほど高いしきい値を使う例を示しつつ、しきい値は用途ごとに試して決めるよう注意している。 【B（不正解）】 ？ 全項目を同じ基準で扱うやり方です。 項目の重要度が違うのに同じ基準では、重要な項目の誤りを見逃しやすい。 【C（不正解）】 ？ 重要でない項目ほど厳しくするやり方です。 向きが逆である。誤りの影響が大きい重要な項目ほど、高いしきい値にする。 【D（不正解）】 ？ 決まった値をすべてに当てはめるやり方です。 公式の値は例示であり、すべての項目に使う決まりではない。

出典: Content Understanding を使うためのベスト プラクティス

正解: C 【A（不正解）】 ？ 内容を区切って分類する設定です。 区切りと分類の設定で、extract を使うための条件ではない。 【B（不正解）】 ？ はい・いいえの 2 値を表す型です。 請求書番号は文字列であり、型を boolean にする理由はない。 【C（正解）】 ？ そのフィールドの出どころと確かさを返す設定です。 公式は、extract を使うフィールドではこの設定を true にする必要があると説明している。アナライザー全体の設定より優先される。 【D（不正解）】 ？ 文字起こしの言語を指定する設定です。 音声と動画の文字起こし向けの設定で、文書のフィールドには関係しない。

出典: アナライザーとは（構成とリファレンス）

正解: D 【A（不正解）】 ？ 最初の要求を繰り返し送るやり方です。 送り直すと別の分析が始まるだけになる。受け付け済みの結果は、返された URL で取りに行く。 【B（不正解）】 ？ 最初の応答をそのまま使うやり方です。 202 は受け付けたという意味で、結果は後から取得する。 【C（不正解）】 ？ Web 画面で結果を取りに行くやり方です。 Web 画面での操作ではなく、応答のヘッダーで返る URL から結果を取得する。 【D（正解）】 ？ 受け付け時に返る URL で状態を確かめるやり方です。 分析は非同期で、ヘッダーの URL に GET して状態を見る。実行中は Running などで、終わると Succeeded と結果が返る。

出典: クイックスタート: REST API と SDK

正解: B 【A（不正解）】 ？ Foundry プロジェクトに接続するためのクラスです。 Foundry SDK でプロジェクトを操作するクラスで、Content Understanding の分析は呼ばない。 【B（正解）】 ？ Content Understanding 用のクライアントです。 エンドポイントと資格情報を渡して作り、begin_analyze で分析を始める。結果は返された poller から受け取る。 【C（不正解）】 ？ API キーを渡すための資格情報のクラスです。 キーで認証するときにクライアントへ渡す資格情報で、分析を呼ぶクラスではない。 【D（不正解）】 ？ Microsoft Entra ID で認証するための資格情報です。 キーを使わずに認証するときにクライアントへ渡す資格情報で、分析を呼ぶクラスではない。

出典: クイックスタート: REST API と SDK

正解: A 【A（正解）】 ？ リソース単位で使うモデルを決めておく準備です。 公式は、PATCH /contentunderstanding/defaults などで既定を設定すると、分析の要求で modelDeployments を省けると説明している。 【B（不正解）】 ？ 生成モデルを使わないアナライザーに変える方法です。 prebuilt-layout は文字や表は取れるが、請求書の項目は取り出さない。 【C（不正解）】 ？ 認証に使う秘密の文字列を作り直す方法です。 キーは認証のためのもので、使うモデルの指定とは関係ない。 【D（不正解）】 ？ 新しい機能を試すための版に切り替える方法です。 プレビューでもモデルのデプロイは要る。プレビューは SLA が無く、本番には勧められていない。

出典: Content Understanding アナライザーのモデル デプロイ／クイックスタート: REST API と SDK

正解: C 【A（不正解）】 ？ 新しい機能を早く試すための版です。 公開プレビューで SLA が無く、本番のワークロードには勧められていない。 【B（不正解）】 ？ 別のサービスの GA の版です。 これは Document Intelligence v4.0 の版で、Content Understanding の版ではない。 【C（正解）】 ？ 一般提供（GA）の版です。 公式は、本番のワークロードには GA の 2025-11-01 を使うよう勧めている。 【D（不正解）】 ？ 別のサービスの以前の版です。 これは Document Intelligence v3.1 の版で、Content Understanding の版ではない。

出典: Azure Content Understanding in Foundry Tools とは／Azure Document Intelligence in Foundry Tools とは

正解: B 【A（不正解）】 ？ Document Intelligence のレイアウト モデルを使うスキルです。 公式の比較では、Document Layout スキルは表や図を書式のない文字で出すため、情報が失われることがある。 【B（正解）】 ？ Content Understanding の文書アナライザーを使うスキルです。 表や図を Markdown で出し、ページをまたぐ表も 1 つとして取り出せる。抽出とチャンク分割を兼ねるので、Text Split スキルも要らない。 【C（不正解）】 ？ データを取り込んでインデックスに入れる仕組みです。 AI エンリッチメントはスキルセットで定義する処理なので、スキルセットが無いと Content Understanding による表の構造化も行われない。 【D（不正解）】 ？ エンリッチメントの結果を Azure Storage に保存する仕組みです。 インデクサーには検索インデックスの指定が必須である。ナレッジ ストアは追加で保存する先にあたる。

出典: Azure Content Understanding スキル（Azure AI 検索）／AI エンリッチメントの概要（Azure AI 検索）

正解: C 【A（不正解）】 ？ 秘密の文字列をコードの中に置くやり方です。 キーを置かないという条件に反する。漏えいの危険も高い。 【B（不正解）】 ？ URL に秘密の文字列を含めるやり方です。 キーを使う点で条件に合わない。REST の例では、キーは Ocp-Apim-Subscription-Key ヘッダーで渡している。 【C（正解）】 ？ ID の基盤の資格情報を使って認証するやり方です。 公式のクイックスタートは、DefaultAzureCredential を使う場合は API キーを省略できるとし、Microsoft Entra ID で認証するための Azure ID ライブラリの導入を案内している。 【D（不正解）】 ？ 認証を行わずに呼ぶやり方です。 呼び出しには資格情報が要る。キーの代わりに Entra ID の資格情報を使う。

出典: クイックスタート: REST API と SDK

正解: D 【A（不正解）】 ？ Foundry の中で解析を試せる画面です。 公式の比較では、Foundry（新）ではカスタム アナライザーの作成と、データのラベル付けによる改善ができない。 【B（不正解）】 ？ 以前の Foundry の画面です。 公式によると、Foundry（クラシック）は 2026 年 7 月 15 日に非推奨となり、Content Understanding の画面としては使えない。 【C（不正解）】 ？ 検索インデックスを管理する画面です。 検索の管理画面で、Content Understanding のアナライザーは作らない。 【D（正解）】 ？ Content Understanding 専用の Web 画面です。 公式の比較では、カスタム アナライザーの作成と、ラベル付けによる学習は Studio だけでできる。

出典: Content Understanding Studio と Microsoft Foundry