Module 1 : AI基礎理解

1.1 AIの全体像 — そもそも「AI」って何？

AI（Artificial Intelligence / 人工知能）は、「人間のような知的な処理をコンピュータで実現する技術の総称」です。ただし、この一言では中身が広すぎて役に立ちません。実際には、時代と用途によって全く違う3つの技術が「AI」と呼ばれてきました。

AI の3大分類（これだけ押さえればOK）

ざっくり歴史 — なぜ今、AIが騒がれているのか

• 1950〜90年代: ルールベースの時代。チェスに勝つAI (Deep Blue, 1997) は登場したが、汎用には遠かった
• 2010年代: 機械学習、特にディープラーニングが開花。画像認識がブレイクスルー
• 2017年: Google が論文「Attention is All You Need」で Transformer を発表。これが LLM の母体に
• 2022年11月: OpenAI が ChatGPT をリリース。2ヶ月で1億ユーザーに
• 2023〜2026年: Claude、Gemini、Copilot など競合が乱立。生成AIが業務に浸透

この研修全体での AI の位置付け

Module 1 で AI の「地図」を手に入れた上で、Module 2 以降は次のように進みます:

• Module 2: AI応用 — 主要AIツール（Claude / ChatGPT / Gemini 等）を徹底理解
• Module 3: Claude Code を自分の PC で動かす
• Module 4: LP制作入門 — プレーンHTML/CSSで1本のLPを公開
• Module 5: HP制作 プロフェッショナル — Next.js + microCMSで本格コーポレートサイト
• Module 6〜7: AI をエージェント化・自動化に組み込む
• Module 8: AI を自分のプロダクト（SaaS）に組み込んで収益化

ストーリーで理解する ― 3つのAIを「街の出来事」で見る

言葉の定義だけでは記憶に残りにくいので、3つのAIが1つの街でどう働いているかのショートストーリーで掴みましょう。読み終わる頃には、ニュースで「AI」と聞いたとき、無意識にどのタイプか分類できるようになります。

1.2 生成AIの仕組み — LLMは何をしているのか

生成AIの正体はLLM（Large Language Model / 大規模言語モデル）と呼ばれるニューラルネットワークです。難しそうに聞こえますが、やっていることは驚くほどシンプル — 「それまでの文脈から、次に来る単語を確率で予測する」、これを超高速で繰り返しているだけです。

例で見る「次単語予測」

覚えておきたい 4 つのキーワード

学習データ — 「物知り」の正体

LLM は事前に、インターネット上の書籍・記事・対話・コードなどを数兆トークン分読み込んで訓練されています。これが人間が驚くほど物知りに感じる理由です。

ただし重要な制約が2つあります:

• 学習時点（Knowledge Cutoff）: 例えば Claude の一部モデルは「2025年1月までの情報しか知らない」状態。それ以降の出来事は答えられない
• 学習の偏り: 英語データが圧倒的に多い。日本の超ローカルな情報（小さな店の詳細など）は弱い

もっと深く ― トランスフォーマーの直感的イメージ

LLM の中身は Transformer（トランスフォーマー）というアーキテクチャ。専門書を読まなくても、次の比喩でイメージは掴めます。

料金の感覚 ― トークン消費の目安

LLM は「トークン」単位で料金が発生します。実務感覚として把握しておくと、コスト管理しやすくなります。

Claude Opus の100万トークンというコンテキストは、書籍3冊分まるごと入れて議論できる規模感。これが2026年時点の到達点です。

1.3 主要な生成AIツール徹底比較 — どう使い分ける？

2026年現在、生成AIは「最強の1つ」は存在しません。業務と用途ごとに最適解が違います。まずは代表的な4つのテキスト生成AIから押さえましょう。

テキスト生成AI 4大ツール比較

使い分けの「5秒ルール」

画像・動画・音声の生成AI（参考）

• 画像: Midjourney / DALL-E 3 / Stable Diffusion / Adobe Firefly
• 動画: Sora / Runway / Veo
• 音声: ElevenLabs / NotebookLM（対話生成）

ロール別 ― あなたの仕事ならどう組み合わせる？

「結局どれを契約すればよいか」という現場の質問に答える、ロール別の推奨スタックです。1人につき1〜2ツール契約が現実的な落としどころです。

1.4 生成AIの得意・苦手・注意点

得意領域（任せて生産性が跳ね上がる）

苦手領域（必ず人間が補正する）

3大リスク — これだけは知っておく

「AIに任せる vs 人間が判断する」線引き

• 任せてOK: 下書き作成、要約、形式変換、アイデア列挙、コード雛形
• 要チェック: 対外文書、専門的な助言、顧客向けメール、数値が入る資料
• 人間必須: 法的判断、医療判断、人事評価、契約締結、金銭移動

1.5 プロンプトの書き方 — AI時代の最重要スキル

AIへの指示文をプロンプト、その設計ノウハウをプロンプトエンジニアリングと呼びます。良いプロンプトを書けるかどうかで、AI活用の品質が10倍変わります。

伝わるプロンプトの4要素

1. 役割 (Role): 「あなたはベテランのマーケターです」
2. 目的・背景 (Context): 「新商品のLPを作ろうとしています」
3. 具体的な指示 (Task): 「キャッチコピーを5つ提案してください」
4. 制約・出力形式 (Format): 「各案30字以内、日本語、箇条書き」

悪い例と良い例

効果的な6つのテクニック

プロンプトの万能テンプレート

【役割】
あなたは○○の専門家です。

【状況・背景】
□□のために△△を作ろうとしています。
対象: ◇◇ / 目的: ◆◆

【依頼】
以下を作ってください:
・ ...
・ ...

【条件・制約】
・ 出力形式: ...
・ 文字数: ...
・ トーン: ...
・ 避けるべき表現: ...

【参考】
こんな感じで ↓
例: ...

完成したら、自己レビューして改善案も1つ添えてください。

Before / After ― 実例で見るプロンプト改善

頭で理解するより、Before/After を見るのが最速です。3つの典型例を見てみましょう。

1.6 業務別 AI 活用の現場

2026年現在、生成AIは「使える人と使えない人で仕事のスピードに3〜10倍の差」が出る段階に入りました。職種別の活用例を一気に見ていきましょう。

📈 実際の成果事例（業界調査より）

• コールセンター: オペレーターの生産性 +14%、新人は +34%（MIT, 2023）
• ソフトウェア開発: タスク完了時間が 55% 短縮（GitHub Copilot調査）
• 文章業務: 執筆時間 -37%、品質スコアも向上（Science誌掲載研究）
• 法務レビュー: 契約書チェック時間 -60%（複数大手法律事務所の報告）

業界別 ― 5分で終わる「最初に試すべきタスク」

「自分の業界・職種でどう試せばいいかわからない」という方のために、5分で完結する最初のタスク例を業界別にまとめました。明日この通り試して、効果を体感してみてください。

1.7 セキュリティ・倫理・企業ガイドライン

業務AI利用の3大リスク

社内で守るべき 3 大ルール

1. 機密情報は入力しない: 個人情報、未公開情報、社外秘情報は原則入力禁止（または法人契約下のみ）
2. 出力は必ず人間がレビュー: 特に対外文書・数値・固有名詞
3. AI利用を明示する: コンテンツに「AI使用」と明記する基準を社内で決める

企業AIガイドラインに含めるべき項目

• 許可するツール / 禁止するツール（無料プランは学習に使われるので注意）
• 入力してよい情報 / ダメな情報の具体例
• 生成物のレビュー基準（誰が・いつ・何を確認するか）
• 違反時の対応（報告先・処分）
• 定期的な見直しサイクル（AIは進化が速いため、半年ごと推奨）

社内 AI 利用ルール ― 1ページで使える雛形

社内ガイドラインをゼロから作るのは大変なので、すぐ使える雛形を用意しました。このまま社内に共有して、固有名詞だけ書き換えて運用開始できるレベルで作ってあります。

【○○株式会社 AI 利用ガイドライン v1.0】

目的: 業務での生成AI利用に関する基本ルールを定める

1. 利用可能なツール
   - 法人契約済み: Claude Pro / ChatGPT Plus / Microsoft Copilot
   - 個人契約・無料プランの業務利用は禁止

2. 入力してよい情報
   - 公開情報、社内マニュアル、自分の頭の中のアイデア
   - 顧客名・取引先名は伏せれば OK（A社、B様 等）

3. 入力してはいけない情報
   - 顧客個人情報（氏名・連絡先・住所）
   - 未公開の財務情報・契約金額
   - 認証情報（パスワード・APIキー）
   - 人事評価・採用候補者の個人情報

4. 出力の取扱い
   - 対外文書（提案書・メール・SNS投稿）は必ず人間がレビュー
   - 数値・固有名詞・法的表現は一次ソースで確認
   - 誤りがあった場合の最終責任は利用者にある

5. 違反した場合
   - 軽微な違反: 上長への報告・再教育
   - 個人情報漏洩: 法務に即時エスカレーション
   - 故意の違反: 就業規則に基づき処分

6. 質問・相談先
   - AI推進担当: ○○ (内線 0000)
   - 改訂は四半期毎、最新版は社内ポータル参照

施行日: 2026年○月○日
最終改定: 2026年○月○日

1.8 AIと協働する時代のマインドセット

最後に、このモジュール全体を通しての3つのマインドセットを共有します。技術スキルの土台となる考え方です。

① AIは「部下」ではなく「同僚」

指示待ちの部下ではなく、対等な同僚として扱いましょう。質問してくることもあれば、あなたの間違いを指摘することもあります。それを歓迎する姿勢が、結果の質を押し上げます。

② 最終責任は常に人間

AIが生成した文章・コード・デザインを世に出す判断は、人間にしかできません。「AIが作ったから」は免罪符になりません。最終品質と説明責任は人間が負うという前提で使いましょう。

③ 「考える → 任せる → 確認する」のリズム

AI活用は次の3ステップで回すのが基本です:

1. 考える: 何がしたいのか、目的と制約を自分の頭で整理する
2. 任せる: 明確なプロンプトで AI に依頼
3. 確認する: 出力をレビューし、必要なら修正指示を出す

このサイクルが速く回せる人ほど、AI時代の生産性が上がります。

このカリキュラム全体の中での位置付け

Module 1 で得たのは「AI を理解する力」です。ここから先のモジュールで、「AI を使いこなす力」へ進化させていきます。

✅ Module 1 最終チェック（自己評価）

• AIの3分類（ルール / ML / 生成）を区別して説明できる
• LLM が「次の単語を確率で予測している」仕組みだと理解した
• ChatGPT / Claude / Gemini / Copilot の使い分けを1つ以上言える
• AIの得意・苦手を3つずつ挙げられる
• 良いプロンプトの4要素（役割・目的・指示・制約）を意識できる
• 自分の業務でAIを活かせる領域を1つ特定できた
• 情報漏洩・著作権・誤情報の3リスクを理解した
• 「最終判断は人間」のマインドセットを持てた

あなたの90日アクションプラン

本研修を「読んで終わり」にしないため、修了後の90日間で実行する具体プランを用意しました。これに沿って進めれば、AI 時代のスキルが着実に定着します。