Azure AI Language

解決する課題

テキストデータから意味を引き出す処理、たとえば「この問い合わせは肯定的か否定的か」「文中に出てくる人名・組織名・地名は何か」「この文書はどのカテゴリーか」といった分析は、自前で機械学習モデルを構築・運用しようとすると専門知識と大きな手間がかかります。Azure AI Language は、こうした自然言語処理（NLP）の代表的なタスクを、学習済みモデルの API として、あるいは独自データで学習させるカスタムモデルとして提供し、アプリケーションへ手軽に組み込めるようにします。

• 問い合わせやレビューの 感情・意見を自動で判定したい
• 文書から 人名・組織・場所・日付などのエンティティを抽出したい
• 大量のテキストを 要約・分類して下流の処理に渡したい
• 自社ドメイン固有のラベルで 独自の分類器や固有表現抽出器を学習したい
• インフラやモデル運用を抱え込まずに マネージドな NLP を使いたい

主要概念と用語

• 言語サービス（Language service）: 複数の NLP 機能を束ねた Azure AI services のサービス。1つのリソース・エンドポイントから各機能を呼び出す
• 感情分析（Sentiment Analysis）: テキスト全体や文単位で肯定・否定・中立とその信頼度を返す機能
• オピニオンマイニング（Opinion Mining）: 感情を対象（アスペクト）ごとに分解し、「料理は良いが待ち時間が長い」のような細かい意見を抽出する機能
• キーフレーズ抽出（Key Phrase Extraction）: 文書の主題を表す重要な語句を取り出す機能
• エンティティ認識（NER）: 人名・組織・場所・日付などの固有表現を検出・分類する機能
• エンティティのリンク（Entity Linking）: 抽出したエンティティを Wikipedia などの既知の知識源に結びつける機能
• PII 検出（PII Detection）: 個人を特定しうる情報（氏名・電話番号・口座番号など）を検出し、マスキングを支援する機能
• 言語検出（Language Detection）: 入力テキストが何語かを推定する機能
• テキスト要約 / 会話要約: 長文や会話ログから要点を抽出・生成する機能
• CLU（Conversational Language Understanding）: 発話から意図（インテント）とエンティティを抽出する、会話理解のためのカスタム機能。旧 LUIS の後継に位置づけられる
• カスタムテキスト分類 / カスタム NER: 自社のラベル付きデータで学習する独自モデル
• Language Studio: ブラウザー上でデータ投入・モデル学習・テストを行える GUI ツール

仕様・制限・クォータ

• 事前構築済み機能とカスタム機能の2系統がある。感情分析や言語検出などはそのまま呼べる一方、カスタム分類・カスタム NER・CLU は学習データを用意して訓練する
• REST API と各言語の SDK から利用でき、同期呼び出しのほか、要約など一部の機能は 非同期ジョブとして実行する
• 多言語に対応するが、機能ごとに対応言語や精度が異なるため、対象言語のサポート状況を事前に確認する
• 1リクエストあたりのドキュメント数・文字数に上限があり、大量データはバッチ分割が必要になる
• **入力単位は「ドキュメント」**で、複数ドキュメントをまとめて1リクエストで処理できる
• データレジデンシーやモデルのバージョン指定など、運用上の選択肢がある
• 具体的な上限値・対応言語・課金単位はリージョンや機能で異なり更新されるため、最新の公式ドキュメントで確認する

内部の仕組み

Azure AI Language は、Microsoft が学習・運用する 学習済みの大規模言語モデルを API の背後に持ち、利用者はモデルそのものを意識せずに結果だけを受け取ります。事前構築済み機能では、入力テキストをモデルに通して感情ラベルやエンティティ、キーフレーズなどの構造化された結果を返します。

• 事前構築済み機能は、汎用的に学習されたモデルを共有利用する形で提供され、利用者はインフラやモデルの更新を意識せずに使える
• カスタム機能では、利用者がラベル付きデータをアップロードして学習（トレーニング）を実行し、生成された独自モデルをエンドポイントへ デプロイして呼び出す
• カスタムモデルは 学習用・テスト用にデータを分割して評価でき、適合率・再現率などの指標でモデルの良し悪しを確認する
• 要約などの重い処理は 非同期ジョブとして投入し、ジョブの完了をポーリングして結果を取得する
• 機能ごとに モデルバージョンを選べ、再現性を保ちたい場合は明示的にバージョンを固定できる

設計パターン / ベストプラクティス

• 事前構築済みで足りるならカスタムを作らない。学習・評価・再学習の運用コストを避けられる
• 大量テキストはバッチで分割し、1リクエストあたりのドキュメント数・文字数上限に収める
• 要約などの非同期機能は ジョブ投入とポーリングを前提に設計し、タイムアウトやリトライを組み込む
• PII 検出は マスキングや格納前の前処理として組み込み、機微情報の取り扱い範囲を絞る
• カスタムモデルは モデルバージョンを固定して、本番の挙動が予期せず変わらないようにする
• 他の AI サービス（音声からの文字起こし、翻訳など）と パイプラインで連携し、入力を正規化してから言語サービスへ渡す

運用・監視

• Azure Monitor のメトリクスで呼び出し回数・遅延・エラー率・スロットリングを監視する
• 診断設定でログを Log Analytics へ送り、利用状況やエラー傾向を長期に分析する
• スロットリング（レート上限） に備え、リトライとバックオフをクライアント側で実装する
• カスタムモデルは 再学習のサイクルを運用に組み込み、入力データの傾向変化に追従させる
• モデルバージョン更新時は テストデータでの再評価を経てから本番デプロイを切り替える

コスト

課金は基本的に 処理したテキスト量（テキストレコード単位）に対する従量制で、機能や層によって単価が異なります。無料枠が用意されている機能もあり、検証段階ではコストを抑えやすい一方、カスタムモデルは学習・デプロイ・推論で課金観点が分かれる点に注意します。

セキュリティ

• Microsoft Entra ID 認証 + RBAC を基本とし、キー認証への過度な依存を避ける
• リソースのキーは Key Vault で管理し、コードへのハードコードを避ける
• プライベートエンドポイント / 仮想ネットワークで通信を閉域化できる
• 入力テキストに含まれる 機微情報は PII 検出でマスキングし、保存・ログ出力する範囲を最小化する
• 保存データはサービス側で暗号化され、要件に応じて カスタマーマネージドキーにも対応する
• データレジデンシー（処理リージョン）の要件を満たすリージョンを選ぶ

Well-Architected の観点

• オペレーショナルエクセレンス: 事前構築済み機能を優先してモデル運用の負担を減らし、カスタムが必要な箇所だけに学習・再学習サイクルを設ける。モデルバージョンの固定と段階的な切り替えで本番挙動の安定を保つ
• 監視・診断ログを整備し、スロットリングやエラーをリトライ設計でいなすことで、運用の予測可能性を高める
• 機微情報の取り扱いを前処理（PII 検出・マスキング）として標準化し、運用とセキュリティを両立させる

試験で問われるポイント

関連サービス・比較

Azure AI Language はテキストの NLP に特化したサービスで、音声や画像、生成系のタスクは別の AI サービスが担います。役割の境界と、AWS の相当サービスを対応づけると理解しやすくなります。

ハンズオン / CLI例

# リソースグループを作成
az group create --name demo-rg --location japaneast

# 言語サービス（Azure AI services の Language リソース）を作成
az cognitiveservices account create \
  --resource-group demo-rg \
  --name demo-language-0614 \
  --kind TextAnalytics \
  --sku S \
  --location japaneast \
  --yes

# エンドポイントとキーを確認（アプリから呼び出す際に使う）
az cognitiveservices account show \
  --resource-group demo-rg \
  --name demo-language-0614 \
  --query "properties.endpoint" -o tsv

az cognitiveservices account keys list \
  --resource-group demo-rg \
  --name demo-language-0614 \
  --query "key1" -o tsv

# 取得したエンドポイントとキーを使い、REST API で感情分析を呼び出す例
# （ENDPOINT と KEY は上のコマンドの出力に置き換える）
curl -X POST "https://<ENDPOINT>/language/:analyze-text?api-version=2023-04-01-01" \
  -H "Ocp-Apim-Subscription-Key: <KEY>" \
  -H "Content-Type: application/json" \
  -d '{
        "kind": "SentimentAnalysis",
        "parameters": { "modelVersion": "latest" },
        "analysisInput": {
          "documents": [
            { "id": "1", "language": "ja", "text": "対応が早くてとても満足しています。" }
          ]
        }
      }'