AXリテラシー教科書 生成AIパスポート 公式テキスト 2027年試験シラバス対応 発売予定

第1章　AIの基礎と歴史

Section 1　AIの基本的な仕組み
01 AIとは
02 ルールベースと機械学習
03 ルールベースの限界と機械学習への発展

Section 2　機械学習
01 機械学習とは
02 教師あり学習
03 教師なし学習
04 強化学習
05 半教師あり学習
06 ノーフリーランチ定理

Section 3　ニューラルネットワーク
01 人間の脳とニューラルネットワーク
02 ディープラーニング（深層学習）
03 重みの調整による学習の仕組み
04 過学習と対策
05 転移学習
06 CNN
07 RNN
08 LSTM
09 VAE
10 GAN
11 識別系AIと生成系AIの違い

Section 4　AIの歴史
01 AI研究の始まり（ダートマス会議）
02 第一次AIブーム（探索と推論）
03 第二次AIブーム（知識表現・エキスパートシステム）
04 第三次AIブーム（機械学習・ディープラーニング）
05 ディープラーニングから生成AIへ
06 シンギュラリティと今後の展望

第2章　生成AI

Section 1　生成AIを支える技術革新（Transformer以降）
01 Transformerモデルの革命
02 Transformer登場以後の派生モデルの系譜
03 拡散モデルの登場
04 基盤モデルとマルチモーダルモデル

Section 2　生成AIの学習プロセス
01 事前学習
02 ファインチューニング
03 RLHF
04 学習データの規模と課題
05 スケーリング則

Section 3　生成AIの生成（推論）プロセス
01 トークン化
02 埋め込みとベクトル表現
03 確率的な次トークン予測
04 ハルシネーション
05 生成パラメータ（Temperature・Top-p）
06 コンテキストウィンドウ

Section 4　LLM（大規模言語モデル）の基礎
01 LM（言語モデル）とは
02 LLM（大規模言語モデル）とは
03 オンプレミス／オープンソースLLM

Section 5　ChatGPTと主要な生成AIモデルの動向
01 ChatGPTとは
02 ChatGPT登場までの歴史（GPT-1～GPT-3.5）
03 GPTモデルの進化（GPT-4～GPT-6 Astra）
04 マルチモーダルモデルへの展開
05 推論モデルと推論時の計算
06 Operator / Codex / Image Generation
07 Gemini（Google）
08 Claude（Anthropic）
09 Copilot（Microsoft）

Section 6　各モダリティの生成AI
01 画像生成AI
02 音楽生成AI
03 音声生成AI
04 動画生成AI

第3章　AIエージェント

Section 1　AIエージェントとは
01 AIエージェントの定義
02 従来の生成AIとの違い
03 ワークフロー型エージェントと自律型エージェント
04 AIエージェントが注目される背景
05 自律性のレベル
06 AIエージェントの役割

Section 2　RAG（検索拡張生成）
01 RAGとは
02 RAGが必要とされる理由
03 RAGの仕組み
04 RAGの発展
05 RAGのユースケース
06 主なRAGツール・フレームワーク

Section 3　AIエージェントの仕組み
01 LLMを中核とした構成
02 タスク分解と計画
03 ツール実行
04 記憶（メモリ）とコンテキスト管理
05 コンテキストエンジニアリング
06 推論と行動のフィードバックループ

Section 4　MCP・Agent Skills と外部連携
01 MCP（Model Context Protocol）とは
02 外部ツール・データソースとの連携
03 マルチエージェント・エージェント間連携
04 A2A（Agent-to-Agent）連携プロトコル
05 Agent Skills（エージェントスキル）とは

Section 5　AIエージェントのツールと活用事例
01 コーディングエージェント
02 ハーネスエンジニアリング
03 ブラウザ操作・PC操作エージェント
04 リサーチ・業務自動化エージェント
05 業務への導入事例

Section 6　AIエージェントのリスク・安全性・評価
01 権限の過剰付与のリスク
02 連鎖的なエラーの拡大
03 プロンプトインジェクション
04 具体的なトラブル事例
05 安全に使うための原則
06 AIエージェントの評価

第4章　生成AIのリスク予防・AI倫理・ガバナンス

Section 1　生成AI利用者の基本マインドセット
01 生成AIを安全に使うための基本姿勢
02 検索エンジンと生成AIの違い
03 AIは補助者であり、最終責任は人間にある
04 AIの出力を鵜呑みにしてはいけない理由
05 生成AIを使ってよい場面・慎重に使う場面・避けるべき場面
06 AIを使うリスクと、AIを使わないリスク
07 AI時代に求められる人間の役割

Section 2　生成AIの代表的リスク
01 生成AIに潜むリスクの全体像
02 ハルシネーション
03 情報漏えいリスク
04 個人情報・プライバシー侵害リスク
05 著作権・知的財産権侵害リスク
06 肖像権・パブリシティ権侵害リスク
07 名誉毀損・信用毀損・炎上リスク
08 差別・偏見・バイアスのリスク
09 ディープフェイクによるなりすましリスク
10 フィッシング・詐欺・サイバー攻撃への悪用
11 自律型AIエージェントの想定外の挙動・プロンプトインジェクション

Section 3　シャドーAIと企業コンプライアンス
01 シャドーAIとは
02 シャドーAIが発生する理由
03 シャドーAIの具体例
04 承認されていないAIツールを業務利用する危険性
05 シャドーAIが組織と従業員にもたらす影響
06 従業員が守るべき利用ルール
07 生成AIを安全に使うための会社と従業員の役割

Section 4　AI出力の評価と検証
01 承認されたAIでも出力確認が必要な理由
02 用途と影響度に応じた検証レベル
03 ファクトチェック：事実・数値・出典・最新情報の確認
04 妥当性レビュー：前提・論理・抜け漏れの確認
05 表現・権利・個人情報・機密情報の確認
06 採用・修正・破棄・専門家確認の判断

Section 5　個人情報・プライバシー・秘密保持
01 個人情報・プライバシー・秘密保持の違い
02 個人情報保護法と生成AI利用の関係
03 個人情報とは何か
04 個人識別符号
05 要配慮個人情報と機微情報
06 個人情報の利用目的・本人同意・第三者提供
07 個人情報は加工すれば生成AIに入力できるのか
08 業務で注意すべき個人情報の具体例
09 企業機密・秘密情報を生成AIに入力するリスク
10 AIの出力・要約・共有に情報が残るリスク
11 情報漏えい等が起きたときの対応

Section 6　著作権・知的財産・生成物の権利
01 生成AIと知的財産権の全体像
02 著作権と著作物の基本
03 著作者人格権とは
04 著作権侵害とAI生成物の類似リスク
05 AI学習と著作権
06 第三者コンテンツをAIに入力するリスク
07 引用・転載・要約・翻案の違い
08 商標権・意匠権・特許権
09 肖像権・パブリシティ権
10 AIサービスの利用規約・ライセンス・透明性
11 商用利用・社外公開前に確認すべきこと
12 AI生成物の権利帰属と人の創作的関与

Section 7　AI倫理とAI事業者ガイドライン
01 AI倫理・ELSIとは
02 AI事業者ガイドラインと人間中心のAI
03 安全性・公平性：人への不利益を防ぐ
04 プライバシー保護とセキュリティ確保
05 透明性・アカウンタビリティ：説明と責任
06 教育・リテラシー：AIを適切に使うために
07 公正競争とイノベーション
08 高度なAIシステムと影響に応じたリスク管理
09 偽情報・偏りと情報拡散のリスク
10 雇用・教育・格差・環境への影響

Section 8　AIガバナンスと社内ガイドライン
01 AIガバナンスとは
02 社内ガイドラインに盛り込む基本項目
03 AIツールを選定する際の確認項目
04 AIツールのレベル分けと入力情報のルール
05 新しいAIツールの申請と承認フロー
06 AIが出力したデータの取り扱い
07 API・AIエージェント利用時のコスト・利用量の管理
08 社内ルールを定着させる体制と教育
09 モニタリングと継続的な見直し

Section 9　AI法・国際ルール・AI安全保障
01 AI法とは：制定の背景と基本構造
02 AI基本計画と国・事業者・利用者の役割
03 イノベーション促進とリスク対応の両立
04 AI法・ガイドライン・既存法令の関係
05 G7広島AIプロセスと海外のAI規制動向
06 AIと安全保障
07 国産AI・国内基盤モデル・AI人材の重要性
08 継続的な情報収集とリスキリングの重要性

第5章　生成AIの実践と活用事例

Section 1　プロンプトエンジニアリング
01 プロンプトエンジニアリングとは
02 プロンプトの基本構成要素
03 Zero-Shotプロンプティング
04 Few-Shotプロンプティング
05 Chain-of-Thought（思考の連鎖）
06 役割設定・出力形式の指定
07 具体度のコントロール

Section 2　文書作成・コミュニケーション業務での活用
01 ビジネスメール・各種ビジネス文書の作成
02 文章の校正・添削・整形
03 文章の要約・対象読者やトーンの変更
04 議事録の作成・要点抽出
05 翻訳・多言語コミュニケーション
06 プレゼンテーションスライドの作成

Section 3　企画・マーケティング業務での活用
01 キャッチコピー・広告コピーの作成
02 企画立案・ブレインストーミング・壁打ち
03 アンケートの設計と分析
04 SNS投稿・コンテンツ制作
05 ランディングページの作成
06 市場・競合リサーチ

Section 4　クリエイティブ制作での活用
01 画像・ビジュアル素材の生成
02 動画コンテンツの生成・編集
03 ナレーション・音声・BGMの生成
04 ロゴ・デザイン案・モックアップの作成
05 既存素材のバリエーション展開・多言語ローカライズ

Section 5　データ分析・リサーチ業務での活用
01 データの整形・分類
02 表・データの集計と可視化
03 大量文書からの情報抽出・要約
04 ディープリサーチ：複数ソースを横断調査
05 定例レポートの自動生成

Section 6　開発・業務自動化での活用
01 コーディング・アプリ開発
02 既存システム・コードベースの調査とリファクタリング
03 定型業務の自動化
04 ブラウザ操作・Web上の手続きの自動化
05 複数ツール・複数ステップを横断する複合タスクの自動化

Section 7　業種別に見る生成AI活用
01 規制・機密性が重視される業種
02 現場・ものづくりを支える業種
03 顧客接点・コンテンツ制作の業種
04 業種を問わず共通する成功のポイント

付録　先駆者の事例に学ぶ 生成AI時代の人的資本戦略

00 GenAI HR Awardsとは
01 26万件のアイデアを生んだ人的資本経営の実装論
02 「最強の市役所」を目指す南あわじ市の挑戦
03 150年の限界を突破する麻生塾の教育革命
04 顧客に向き合う時間を取り戻せ
05 ベテランの「審美眼」をAI活用で会社の資産に

• 本商品の内容についての問い合わせ
• ご購入等に関する問い合わせ