生成AI初心者研修

基本から応用までの30分速習

所要時間: 30分

初心者向け

実践演習あり

1 / 7

イントロダクション

研修の目的

生成AIの基本概念を理解し、実践的なプロンプト設計スキルを30分で習得する

研修の構成

基本的なAIの概念5分

生成AI、モデル、LLM（大規模言語モデル）の基礎を学ぶ

用語説明15分

プロンプト設計と応用、AIの応答と仕組み、AIの基本操作を理解する

クイズと演習10分

理解度確認クイズと実践的なプロンプト設計演習

学習目標

生成AIの基本的な動作原理を理解する

効果的なプロンプト設計の基礎を習得する

AIの特性と限界を把握し、適切に活用できるようになる

2 / 7

基本的なAIの概念

生成AI(Generative AI)

新しいコンテンツを自動的に作成する人工知能技術

テキスト、画像、音声を生成

既存データから学習し創作

人間のような出力を創出

例: ChatGPT, Midjourney, DALL-E 2

モデル(Model)

データから学習し予測や生成を行うAIのアルゴリズム構造

大量のデータで訓練される

パターンを認識し再現

精度はデータと構造に依存

例: GPT-4, Gemini 2.5 , DeepSeek R1

LLM(大規模言語モデル)

膨大なテキストデータから言語パターンを学習した大規模モデル

数十億〜数兆のパラメータ

文脈を理解し自然な文章生成

複雑な言語タスクを処理

例: GPT-4は約1.76兆パラメータを持つ

これらの概念は互いに関連し、現代の生成AIシステムを構成しています

3 / 7

Write a poem about AI

Silicon dreams in digital streams,
AI wisdom growing beam by beam.

Make it shorter and add rhyme

Minds of code with hearts unknown,
AI grows as seeds are sown.

プロンプトとその操作

プロンプト(Prompt)

AIに与える指示や質問のテキスト入力

AIの回答を引き出す質問や指示

精度の高い回答を得るための鍵

詳細な指示ほど精度が向上

例: "2023年の日本経済について300字で分析してください"

システムプロンプト(System Prompt)

AIの動作や回答スタイルを定義する初期設定指示

AIの役割や行動規範を設定

ユーザーには通常表示されない

一貫性のある応答を実現

例: "あなたは日本語の文法を校正する専門家です。敬語で丁寧に修正点を説明してください"

プロンプトエンジニアリング(PE)

AIから最適な回答を引き出すためのプロンプト設計技術

目的に合わせた指示の工夫

AI特性を理解した設計

COSTフレームワークの活用

COST: Context（文脈）、Order（目的）、Specific（明確、特定）、Targer（対象）

テンプレートプロンプティング

特定の目的のための定型的なプロンプト形式

再利用可能な指示形式

一貫性のある結果を得やすい

業務効率化に直結

例: 固定の雛形に変数だけを入れて呼び出し、一貫した出力を得る　　{{企業名}}のファンダメンタル分析をして株価を予測して

プロンプトの質と構造がAIの出力品質を大きく左右します

4 / 7

東京は日本の首都です

富士山は3776mです

東京タワーは1960年に完成し、高さは400mです

これはコンテキストウィンドウの例です AI は一定量の情報しか扱えませんこの限界がコンテキストウィンドウです

AIの応答と仕組み

レスポンス(Response)

AIがプロンプトに対して生成する回答

プロンプトの質に依存

確率的に生成される

同じ質問でも異なる回答が生成されることも

形式: テキスト、画像、コード、表など多様な出力形式に対応

ハルシネーション

AIが生成する事実と異なる情報や誤った回答

自信ありげに誤情報を提示

事実確認が常に必要

特に数値や固有名詞で発生しやすい

例: 存在しない論文の引用、架空の歴史的事実、正確ではない統計データなど

コンテキストウィンドウ

AIが一度に処理できる情報量の上限

トークン数で表される処理限界

モデルにより容量が異なる

長い会話では古い情報が忘れられる

例: GPT-4は約8,000トークン（約6,000単語）、GPT-4 Turboは約128,000トークン

AIの応答には制限と限界があることを理解することが重要です

5 / 7

プロンプト設計と応用

COSTフレームワーク

効果的なプロンプト設計の原則

C

コンテキスト（Context）質問や指示の背景情報を明確に指定

O

オーダー（Order）　回答の形式、文字数などを明確に指定

S

スペシフィック（Specific）具体的な情報、条件、要素を指定

T

ターゲット（Target）　回答の対象（受け手）を明確に指定

活用例: 「明確な指示＋具体的な条件＋出力フォーマット」の組み合わせ

ゼロショット(Zero-shot)

例示なしで直接指示を与える方法

サンプルや例示なしでタスクを実行

最も一般的な使用方法

簡単なタスクで効果的

「ビジネスメールの書き方について5つのポイントを箇条書きで説明してください。」

特徴: シンプルで迅速。複雑でないタスクに適している。

フューショット(Few-shot)

例を示してからタスクを指示する方法

いくつかの例を示してから指示

AIの回答精度と一貫性が向上

特定のフォーマットや形式が必要な場合に効果的

例1: 質問: Pythonとは？回答: プログラミング言語の一種です。例2: 質問: HTMLとは？回答: Webページを作成するためのマークアップ言語です。

活用場面: 特定のスタイルやフォーマットが必要な場合、複雑なタスク

プロンプト設計の質がAIからの回答の質を大きく左右します

6 / 7

AI運用に関わる基本

ファインチューニング(Fine-tuning)

既存のAIモデルを特定のタスクや領域向けに調整・最適化する技術

ベースモデル（ChatGPTなど）を特定の目的に合わせてカスタマイズ

専門知識や企業固有の情報を学習させ、より精度の高い回答を実現

プロンプト設計だけでは解決できない複雑な業務に有効

データ収集

データ整形

モデル学習

評価・運用

ファインチューニングのプロセス

活用例: 法律文書の自動生成、社内FAQ応答システム、専門分野の文献要約

エージェント(Agent)

AIが自律的に判断・行動し、複数のタスクを連携して実行するシステム

目標達成のために自らプランを立て、行動を選択できるAI

外部ツールやAPIと連携し、情報収集や処理を自動的に実行

複雑なワークフローの自動化や意思決定支援に活用可能

情報収集

分析・判断

行動実行

AIエージェントの基本的な動作フロー

活用例: カスタマーサポート自動化、情報収集と要約レポート作成、スケジュール管理と調整

AIエージェントは「LangChain」などのフレームワークで開発可能

企業でのAI活用には、これらの技術を目的に合わせて適切に選択・組み合わせることが重要です

7 / 7