企業向けAI研修

学習目標: EU AI法の4つのリスク区分を分類し、第4条・第26条の義務を説明し、GDPRの原則をAI利用に適用し、社内AIポリシーの骨子を作成します。

カリキュラムの法的支柱 — 学術ではなく応用志向：情報に基づく意思決定とリスク認識に必要なだけ法的要件を理解します。GDPRの基礎からAI規則、著作権、労使協定、完全なケーススタディまで。

要点

• EU AI法はAIを業務利用するすべての者に適用 — 運用者として、自社開発がなくても対象になる。
• オフィスツールの多くは最小か限定的リスク。人事のAIが最も多い高リスク事例（附属書III第4号）。
• GDPRとAI法は補完関係：一方は個人データを守り、他方はシステムの安全性と透明性を規律する。

学習ユニット

1. ユニット11 企業のためのAI成熟度モデル
2. ユニット12 理解度テスト1（クイズと振り返り）
3. ユニット13 AI文脈でのGDPR基礎
4. ユニット14 プロンプト内の個人データを避ける
5. ユニット15 EU AI法：構成・スケジュール・対象者
6. ユニット16 EU AI法のリスク区分
7. ユニット17 第26条による運用者の義務
8. ユニット18 第4条によるAIリテラシー義務
9. ユニット19 著作権とAI生成コンテンツ
10. ユニット20 AI文脈での営業秘密と機密保持
11. ユニット21 倫理枠組み：OECD・EU HLEG・アシロマ
12. ユニット22 AIによるバイアス・公平性・差別
13. ユニット23 AIに関する労使協定
14. ユニット24 ケーススタディ：AIユースケースの法的評価

学習目標: 5層モデル（役割・文脈・タスク・形式・制約）でプロンプトを構造化し、ゼロショット・フューショット・Chain-of-Thoughtを使い分け、独自のプロンプトライブラリを構築します。

すべての応用モジュールの前提となる実践的中核能力：AIシステムに正確で構造化された指示を与えること。プロンプトエンジニアリングは秘術ではなく、学べる「正確なコミュニケーション」の方法です。

要点

• 入力の質が出力の質を決める — 曖昧さ・詰め込み・文脈欠如が3大失敗。
• 80語の正確なプロンプトは400語の曖昧なプロンプトに勝る — 長さは品質基準ではない。
• 繰り返しタスクは、個人の頭の中ではなく、バージョン管理されたプロンプトライブラリへ。

学習ユニット

1. ユニット25 プロンプトの解剖 — 役割・文脈・タスク・形式
2. ユニット26 ゼロショット対フューショット・プロンプティング
3. ユニット27 Chain-of-Thoughtと推論テクニック
4. ユニット28 システムプロンプトとペルソナ設計
5. ユニット29 構造化出力（JSON・Markdown・表）
6. ユニット30 反復プロンプティングと改善ループ
7. ユニット31 ネガティブプロンプト・制約・ガードレール
8. ユニット32 プロンプトパターン（CRISPE・RTF・TAG・RISEN）
9. ユニット33 長文書の扱い — 要約戦略
10. ユニット34 プロンプトライブラリの構築とバージョン管理
11. ユニット35 メタプロンプトとAI自身によるプロンプト最適化
12. ユニット36 実践演習：自分の職場のための10プロンプト

学習目標: メール・会議・文書作成・リサーチ・ナレッジ管理・プレゼンなど実際の業務フローにAI支援を統合し、品質管理を人間の手に保ちます。

スキルから日常へ：仕事を分断せずにAI支援を日々のフローへ組み込むには？各ユニットにチーム・組織向けの拡張実践編があり、90分のハンズオンラボ「AIアシスタントと過ごす1日」も含みます。

要点

• 生産性はツールの数ではなく、少数のよく統合されたルーティンから生まれる。
• 情報源の批判的検証とファクトチェックは必須能力 — AIリサーチは検証を代替しない。
• 共有プロンプトライブラリはチームの知を拡張する — 結果の画一化への意識とともに。

学習ユニット

1. ユニット37 生産性AI概観（Copilot・Gemini for Workspace・ChatGPT Enterprise）
2. ユニット38 AIによるメール仕分けと返信ドラフト
3. ユニット39 会議の議事録・要約・アクションアイテム
4. ユニット40 文書作成：提案書・レポート・ブログ記事
5. ユニット41 翻訳・言い換え・トーン調整
6. ユニット42 AI検索エンジンでのリサーチ：PerplexityとYou.com
7. ユニット43 AI回答の情報源批判とファクトチェック
8. ユニット44 NotebookLM等によるナレッジ管理
9. ユニット45 GammaとCopilot PPTでプレゼン生成
10. ユニット46 アクセシビリティ：代替テキスト・やさしい言葉・インクルーシブな表現
11. ユニット47 AIによる個人の生産性ルーティン
12. ユニット48 ハンズオンラボ：AIアシスタントと過ごす1日（90分）

学習目標: 数式・データクレンジング・ピボット分析・レポートにAIを使い、LLM分析の統計的信頼性の限界を知り、データ保護要件を守ります。

プロンプト能力が最も実務的な領域と出会う：構造化データとオフィスツール。自然言語からのExcel数式、Code Interpreter、管理会計の予測まで — LLM分析が不適切な場合の見極めも含めて。

要点

• AIは数式の説明・生成には強い — 定量分析には素のテキスト生成ではなくCode Interpreter等が必要。
• アップロード前の鉄則：データ分類を確認し、個人データは匿名化。
• LLMはパターンの記述は得意だが計算は不確か — 数値は必ず検算。

学習ユニット

1. ユニット49 AIでExcel/Sheets — 自然言語から数式を生成
2. ユニット50 AIによるデータクレンジング（重複・形式・検証）
3. ユニット51 AIによるピボット・ダッシュボード提案
4. ユニット52 図表・可視化の自動作成
5. ユニット53 Code Interpreter / Advanced Data Analysis入門
6. ユニット54 LLMによるCSV・PDF分析
7. ユニット55 機微データのアップロードとデータ保護
8. ユニット56 管理会計のAI — 予測と差異分析
9. ユニット57 AIコパイロットで使うPower BI / Looker
10. ユニット58 ミニケース：レポーティングの最適化
11. ユニット59 LLM分析の統計的信頼性の限界
12. ユニット60 実践演習：自分のデータセットを分析

学習目標: 構造化された手法で画像プロンプトを作成し、文字起こしから動画生成までの適用領域を知り、合成メディアの法的・倫理的リスクを認識します。

テキストから全モダリティへ — 誇大宣伝でも拒絶でもない、バランスの取れた見識で：画像・音声・動画AIに実際何ができ、限界はどこか、マーケティングと社内コミュニケーションに必要なガードレールは？ディープフェイク検知と商標権も扱います。

要点

• 画像プロンプティングには学べる型がある：構図・スタイル・光 — 反復が偶然に勝つ。
• AI生成メディアには表示義務（第50条）と商標権が適用 — 承認プロセスをワークフローに組み込む。
• ディープフェイクのリスクはすべての企業に関係 — 検知能力はセキュリティ文化の一部。

学習ユニット

1. ユニット61 画像生成：Midjourney・DALL·E・Stable Diffusion
2. ユニット62 画像プロンプティング：構図・スタイル・光
3. ユニット63 AI画像編集：インペインティング・アップスケール・背景除去
4. ユニット64 生成画像の法的論点と商標権
5. ユニット65 音声認識と文字起こし
6. ユニット66 音声合成と合成音声
7. ユニット67 動画生成：Sora・Runway・Veo
8. ユニット68 アバターとAIプレゼンター：HeyGen・Synthesia
9. ユニット69 ディープフェイクのリスクと検知
10. ユニット70 マーケティングと社内コミュニケーションの活用シナリオ
11. ユニット71 合成メディアの倫理的ガードレール
12. ユニット72 実践演習：自分の解説クリップをAIで制作

学習目標: AIエージェントとチャットボットを区別し、ツール利用・RAG・オーケストレーションを概念的に理解し、適切なプロセスを選び、ROI計算を含むhuman-in-the-loop設計を行います。

カリキュラムの質的な転換点：受動的なアシスタントから、計画し・ツールを使い・タスクを実行する半自律システムへ。これはリスクの次元を根本的に変え、利用者と管理職への能力要件も変えます。

要点

• エージェント＝言語モデル＋ツールアクセス＋計画＋記憶 — 各層が価値とリスクを高める。
• RAGは言語モデルを自社ナレッジと接続する — 信頼できる社内アシスタントの土台。
• 高頻度・ルールベース・価値明確なプロセスから着手 — モニタリングと人の承認は必須。

学習ユニット

1. ユニット73 ノーコード自動化：Zapier・Make・n8n
2. ユニット74 AIブロックで使うMicrosoft Power Automate
3. ユニット75 AIエージェント対チャットボット — アーキテクチャ概観
4. ユニット76 ツール利用・Function Calling・MCPプロトコル
5. ユニット77 RAG（検索拡張生成）を理解する
6. ユニット78 カスタムGPTとCopilot Studioエージェントの構築
7. ユニット79 エージェントのオーケストレーション（CrewAI・LangGraph — 概念）
8. ユニット80 プロセス選定：エージェントに向くタスクは？
9. ユニット81 Human-in-the-loop設計パターン
10. ユニット82 AIエージェントのモニタリングとログ
11. ユニット83 自動化のROI計算
12. ユニット84 実践演習：自分のノーコードエージェント

学習目標: バリューチェーンに沿ってAIポテンシャルを特定し、ICE/RICEでユースケースを優先順位付けし、内製か購入かを判断し、ビジネスケース付き12か月ロードマップを作成します。

視点の転換：個人の応用能力から組織の戦略能力へ。管理職・マルチプライヤー・AI導入に関わるすべての人へ — ポテンシャルマトリクス、ユースケースキャンバス、パイロット設計、ガバナンスモデルとともに。

要点

• 技術より先にプロセス：ポテンシャルマトリクス（頻度×ルール性×価値）が正しい候補を見つける。
• パイロットには仮説・KPI・中止基準が必要 — なければ証明なき永久プロジェクトになる。
• チェンジマネジメントとガバナンスなしでは、どのロードマップも紙のまま。

学習ユニット

1. ユニット85 プロセス把握の手法（バリューストリーム・SIPOC）
2. ユニット86 AIポテンシャルマトリクス：頻度×ルール性×価値
3. ユニット87 ユースケースキャンバスとプロファイル
4. ユニット88 優先順位付け：ICE・RICE・効用分析
5. ユニット89 内製か購入か設定かの判断
6. ユニット90 データ品質と可用性の評価
7. ユニット91 パイロット設計：仮説・KPI・中止基準
8. ユニット92 チェンジマネジメントとチームの受容
9. ユニット93 企業のAIガバナンスモデル
10. ユニット94 12か月AIロードマップの作成
11. ユニット95 ビジネスケース計算（TCO・便益・回収）
12. ユニット96 ワークショップ：3つのユースケースを特定し確定

学習目標: プロンプトインジェクションやデータ漏えい等の攻撃ベクトルを挙げ、シャドーAIを統制し、ベンダーを評価し、主権の論点（オンプレ対クラウド対EUホスティング）を理解し、文書化義務を果たします。

能力構築後の批判的・内省的な回帰：本番AI利用のリスクへの体系的対処 — 技術的攻撃から組織の盲点、インシデント対応、AI責任者の役割まで。

要点

• シャドーAI — 未承認ツールの私的利用 — は多くの組織で既に現実。禁止より統制が勝つ。
• プロンプトインジェクションは最重要の新攻撃ベクトル — ガードレールとレッドチーミングは運用の一部。
• データ主権はアーキテクチャの意思決定：オンプレ、EUホスティング、または明確な契約付きクラウド。

学習ユニット

1. ユニット97 攻撃ベクトル：プロンプトインジェクション・ジェイルブレイク・データ漏えい
2. ユニット98 防御策：レッドチーミング・ガードレール・フィルター
3. ユニット99 シャドーAIの検知と統制
4. ユニット100 データ分類とデータ最小化
5. ユニット101 オンプレ対クラウド対EUホスティング（主権）
6. ユニット102 AIベンダー評価チェックリスト
7. ユニット103 品質保証：評価・テストセット・ベンチマーク
8. ユニット104 運用中のモニタリング（ドリフト・品質・コスト）
9. ユニット105 EU AI法による文書化義務
10. ユニット106 AIインシデントへの対応
11. ユニット107 企業におけるAI責任者の役割
12. ユニット108 ケーススタディ：ユースケースのリスク評価

学習目標: 学びを実プロジェクトへ：ユースケースを定義し、プロトタイプを作り、評価し、発表する — そして自チームのマルチプライヤーとして機能します。

移転と統合という二重の機能を持つ締めくくり：内容はどう実務に届き、10モジュールはどうつながるのか？プロジェクトコーチング、模擬試験、コロキウム、修了証までの移転計画とともに。

要点

• 能力はクイズではなくプロジェクトで示される — だからカリキュラムは実プロジェクトで終わる。
• Train-the-Trainer要素が学習者をマルチプライヤーに変える — こうしてAI能力は社内でスケールする。
• 移転計画が学びを組織の具体的な次の一歩に定着させる。

学習ユニット

1. ユニット109 プロジェクト導入：テーマとスコープの確定
2. ユニット110 プロジェクトコーチングI — ユースケース定義
3. ユニット111 プロジェクトコーチングII — AIツールでのプロトタイピング
4. ユニット112 プロジェクトコーチングIII — 評価と文書化
5. ユニット113 プレゼンテーションとコミュニケーション技法
6. ユニット114 自チームでのマルチプライヤー役割 — Train the Trainer
7. ユニット115 試験準備 — 構成とテーマ
8. ユニット116 筆記試験シミュレーション
9. ユニット117 プロジェクトワークの相互レビュー
10. ユニット118 筆記修了試験（90分）
11. ユニット119 プロジェクト発表とコロキウム
12. ユニット120 フィードバック・修了証授与・移転計画