考えて使うAIリテラシー
AIとは何か、できること・できないこと、実際に使うときのコツをまとめた自習サイトです。まず一通り目を通してから、演習に進んでください。
このサイトについて
研修の座学資料・実践メモをもとに、初めてAIを業務で使う人向けにまとめ直したものです。
このサイトの全体像
大きく2つのパートで構成されています。
知識パート(01〜08) — AIの仕組み・注意点・実践のコツ・思考のフレームワークなど、読んで理解する内容
AIツールパート(09〜11) — 実際に手を動かして使う場所。09 課題集で課題を選び、分からない点は10 チューターAIに相談しながら進め、できたら11 判定システムに提出物を見てもらう、という流れです
まず01〜08を一通り読んでから、09の課題集に進むのがおすすめです。
この研修のゴール
「使い方を覚える」ではなく、渡す情報や指示を自分で組み立てられるようになること。
このサイトの範囲
成長は「安全に実行できる→自分で考えて動ける→自走する」の順で積み上がります。このサイトは前の2段階(実行力・思考力)を扱います。最後の自走段階は教材化せず、必要な時だけ介入する運用フェーズとして扱います(詳細は07)。
実行力(01〜04) — 目的は与えられる前提で、その範囲内を安全かつ正確にこなせること。① 仕組みを理解している / ② できること・できないことを判断できる / ③ 注意点を守れる / ④ 指示された通りにAIを使って結果を出せる / ⑤ やった内容を実態通りに報告できる
思考力(05〜06) — 目的を自分で分析し、問題への向き合い方を考えられること。フレームワークを使った思考の整理、相手に応じた見せ方の設計判断など
- 1AIの基礎を知る(01・02・03)仕組み・できること・注意点を理解する
- 2実践のコツを知る(04)プロンプトの型、AIとの付き合い方の癖を知る
- 3思考のフレームワークと判断軸を知る(05・06)なぜなぜ分析などの型、相手に応じた見せ方の判断
- 4演習へ進むウォームアップ資料作成編 → 演習Lv.1
- 5成長のステップを確認する(07)今どの段階か、次に何を鍛えるかを見極める
- 6課題に取り組む(09〜11)課題集から選ぶ→チューターAIに相談→判定システムに提出
人間とAIの継続的な作業
このサイト全体に共通する土台の考え方です。
役割分担
継続的な作業では、人間が「何を実現したいか」を担い、AIが実装や専門知識を補うという分担が考えられます。
人間が持つもの — 目的、優先順位、好み、許容できるリスク、最終的な判断
AIが支援するもの — 調査、設計、実装、検証、文章化
この分担によって、人間がすべての専門知識や実装能力を持っていなくても、目的に向かって作業を進められます。
ぶつかる問題:意図と作業文脈をどう同期し続けるか
AIとの会話には、作業の経緯、決定事項、試した方法、失敗した理由、現在地などが蓄積されます。しかし、利用上限、会話の長期化、モデルの変更、サービスの変更などにより、その文脈を継続して利用できなくなる可能性があります。AIの記憶や利用条件は製品によって異なるため、完全な継続性を前提にはできません。
そのため、作業に必要な情報を特定のAIや会話だけに置かず、外部に保存しておく必要があります。
外部のナレッジ基盤(Obsidian等)に残すべきこと
目的 / 現在の状態 / 完了したこと / 決定事項と、その理由 / 試したことと、その結果 / 未解決の問題 / 次に行うこと / 守るべき条件 / 参照する資料 / 事実、仮説、推測の区別
これは単なる会話の要約ではなく、作業を再開するための「セーブデータ」です。
AIの仕組み
まず「AIが何をしているか」を正しく理解することが、使い方を組み立てる土台になります。
AIとは何か
大量のデータからパターンを学習し、入力に対して最もらしい出力を生成する仕組み。人間のように理解・思考しているわけではありません。
特に生成AI(ChatGPT等)は「次に来る言葉を予測する」統計モデルです。
- 1統計・確率にもとづく予測モデル「考えている」のではなく計算している
- 2学習データの傾向を反映する学習データに偏りがあれば出力にも偏りが出る
- 3次に来る言葉を予測しているだけ「事実を知っている」わけではない
どんなAIがあるか
対話型生成AI(ChatGPT、Claude、Gemini など) — 文章・アイデア生成
画像/音声生成AI(Midjourney、Stable Diffusion など)
業務特化型AI(Copilot(Office連携)、コード生成特化AIなど)
社内データ連携型(RAG等) — 自社の文書を参照して回答するタイプ
用途によって向き不向きがあります。
できること・できないこと
AIに何を任せてよく、何を任せてはいけないかを最初に整理しておきます。
○ できること
文章の作成・要約・翻訳・校正
アイデア出し・壁打ち相手
データの整理・分類・集計(アナライズ)
コードの生成・デバッグ補助
定型業務の下書き作成(メール・議事録・資料構成案)
✕ できないこと・気を付けること
事実の保証 — もっともらしい嘘(ハルシネーション)を生成することがある
最新情報の把握 — 学習時点以降の情報は基本知らない
責任を伴う最終判断 — 承認・決裁・法的判断は人間の仕事
非公開情報の把握 — 会社固有の情報は、教えない限り知らない
注意点
生成AI導入企業の34%が「個人情報・顧客情報の誤入力インシデント」を経験しています。
- 1入力前のルール化個人情報・機密情報・未公開情報は入力しない、をガイドライン化
- 2オプトアウト設定の徹底無料版利用者は必ずデータ学習をオフに設定
- 3出力の検証習慣AIの回答は「下書き」として扱い、必ず人間が事実確認・最終判断
- 4継続的な運用単発研修で終わらせず、演習で情報漏洩リスクを意識して定着させる
実践のコツ
実際に使ってみて分かった、座学だけでは伝わりにくいポイントです。
AIとのやり取りの中で完成させていく
どういうものにしたいかイメージを伝えることがポイントです。一度で完璧な指示を出そうとせず、AIとの対話の中で完成形に近づけていきます。
例) ユーザー「エクセルのフォーマット作りたいんだよね」→ AI「何で使われるフォーマットですか?明細、計算表...」
パターン1: 資料がある場合の壁打ちの型
元になる資料がある場合は、いきなり完成形を頼むのではなく、この順番で壁打ちすると精度が上がります。
- 1資料を渡して「まずこれを読んで」と言うAIに概要・要点を説明させる。ここでAIがどう理解したかを確認する
- 2方向性・構成は人側で決めるAIの理解を踏まえて、何を目的に、どんな構成にするかは自分で設定する。ここをAI任せにしない
- 3足りない要素・追加すべき点を提案させる方向性を渡した上で、抜けている観点や補うべき情報をAIに指摘させる
- 4まず生成させない。テキストベースで内容を確定してから生成するスライドや資料の見た目をいきなり作らせない。先に文章(テキスト)として内容を固め、中身が決まってから体裁の生成に進むと、作り直しが減る
パターン2: 資料がない場合(完成像から逆算する)
元になる資料が無く、ゼロから作る場合は、パターン1と逆で「完成像(ゴールの形)」を先に言語化してから、必要な素材と指示を揃えます。
良い成果物の式
素材(データ) × レシピ(指示) = 成果物
どちらか一方の質が欠けても、成果物の質は上がりません。そしてこの式を使うには、先に完成像(ゴールの形)が要ります。ゴールが曖昧なままでは、素材の集め方も指示の書き方も定まりません。
- 1完成像(ゴール)を先に言語化する頭の中にあるものをどれだけ言葉にできるかが出発点
- 2素材(データ)を精査する必要な情報が欠けていないか / 本題と関係ない情報が混ざっていないか / 目的からずれた情報を使っていないか
- 3レシピ(指示)を精査する自分がやろうとしていることを正確に言葉にできているか / 自分の中では当たり前でもAIには伝わっていない前提がないか
- 4起こり得るトラブルは先に予防する「自分が何を行い、AI側で何が起こり得るか」を想像したうえで指示を出す。起きてから直すのではなく、あらかじめ回避・対応しておく
プロンプトの良い例・悪い例
何を行いたいか、完成形は何か、どのような表現がいいのか、を考えて投げかけると精度が上がります。
パーソナライズ と AI学習(モデル訓練) の違い
名前は出てきませんが、混同しがちな別の話です。
AI学習(モデル訓練) — あなたの入力が、みんなに影響するモデルの改善に使われるかどうか。オプトアウト設定で制御できる話。
パーソナライズ — あなたの使用履歴・傾向をもとに、AIがあなた向けに出力を調整する機能。モデル訓練とは別の仕組み。
「自分好みのものが作られる=AIが学習してくれている」と誤解しやすいですが、それは大抵パーソナライズが働いているだけで、モデル訓練(オプトアウトの対象)とは別物です。オプトアウトをオンにしても、パーソナライズ自体は別に効いていることがあるという点に注意してください。
ハルシネーション対応の癖
AIの回答には嘘(ハルシネーション)が混ざる可能性があります。厄介なのは、「これ嘘なの?」と聞くと、たとえ正しい情報であっても「すみません、間違えました」と訂正してしまうことがある点です。
指摘されたら即座に信じるのではなく、指摘した内容自体も別途裏取りする、という一段構えた検証が必要です。
AIの原則
ChatGPT、Gemini、Claude、Grokなどは生成AIと呼ばれるもので感情はありません。データから回答を生成するので、データベースやネットにないものを聞かれても、それらしく不正確な回答をすることがあります。
AIの種類ごとに得意分野があるので、目的に合うものを選ぶのがよいです。
フレームワークの使い方
ここからは思考力の領域です。目的を自分で分析し、問題への向き合い方を考えるための道具を扱います。
フレームワークとは
考え方を一から組み立てるのではなく、先人が定型化した「型」に沿って情報を整理するための思考の道具。
① 考慮漏れの防止(抜け・重複なく情報を洗い出せる) / ② 共通言語になる(複数人での議論がかみ合いやすくなる) / ③ 思考のスピード向上(ゼロから考えるより早く整理できる)
フレームワークは答えを出してくれるものではなく、あくまで思考を助ける枠組みにすぎない。
フレームワークの主な種類
原因追求系 — なぜなぜ分析 / 特性要因図
構造分解系 — ロジックツリー / MECE
現状分析系 — 3C分析 / SWOT分析 / As-Is・To-Be
伝達整理系 — ピラミッドストラクチャー
なぜなぜ分析の例
「なぜ?」を5回掘り下げ、表面的な事象から真因へ。
- 事象承認が期限までに完了しなかった
- 1承認者が申請に気づかなかった
- 2通知メールを見落としていた
- 3通知メールが別フォルダに振り分けられていた
- 4フィルタ設定が意図せず変更されていた
- 5設定変更時のルールが周知されていなかった(真因)
実践のポイント
意識したいこと: ① 型を通じて本質的な原因・構造にたどり着けたか / ② 「なぜ」は最低5回、表面的な原因で止めない / ③ 分類した要因が、実際に今回の事象を説明できているか
形骸化しがちな例: 型の枠を埋めることが目的になってしまう / 無理やり要因を分類の枠に押し込む / 「型通りに書けた」で満足し、深掘りをやめる
相手に応じた見せ方
同じ実績・同じデータでも、AIに資料を作らせるとき「誰に見せるか」で変えるべきことは感覚じゃなくて言語化できます。
情報の粒度を独立させるか統合するか
専門的な意思決定をしてほしい相手(情シスなど)には項目を独立させて深掘りする。判断材料の一部で足りる相手には他の項目とまとめてしまっていい。「その対象者に何を意思決定してほしいか」で決まる。
社外向け資料は特に注意が要る
同じ「社外向け」でも、商談に誘導したいのか(営業資料)、単に事実を説明したいのか(概要版)で、フロー図の有無やトーンがまるきり変わる。目的を先に決めずに作ると、この判断が場当たりになってブレる。
情報量
不安を解消したい相手には紙幅を厚めに、テンポよく伝えたい相手には2〜3枚に絞る、と目的から逆算すると決めやすい。
成長のステップ
公式のLv1〜5評価軸を、実際に説明しやすい言葉に言い換えたものです。順番に積み上がります。
この4段階は「人がどの順で力をつけていくか」という一般的な成長モデルです。01〜08の教える順番(実行力→思考力)とは前提が違うので、番号は対応していません。ここは今どこでつまずいているかを診断するための物差しとして使ってください。
- 1前提を考えられるかどうか依頼の裏にある目的・制約・省略された条件を自分で拾えるか(公式Lv3の核心)
- 2実際に動かせるようになるかどうか言われた通りに手を動かして、結果を出せるか(公式Lv1〜Lv2)
- 3最初から最後まで自力で考え動けるかどうか前提を考える力と動かす力が揃い、依頼から完成まで一人で通せる(公式Lv3・研修の到達目標)
- 4人に教えて導けるかどうか自分ができるだけでなく、他人の詰まりに気づいて支援できる(公式Lv4)
公式Lv1〜5定義(研修目標はLv3)
Lv1 操作者 — 目的・手順が示されれば、AIや既存ツールを操作し、実施した内容を報告できる。
Lv2 実装者 — 明確な課題・要件に対して、小さな成果物を作成できる。
Lv3 設計者 — 曖昧な依頼から目的・要件を確認し、手順と検証方法を設計できる。研修目標。
Lv4 推進者・助言者 — 関係者の懸念を把握し、方針・役割・期限を合意して進められる。
Lv5 越境者(「越境」＝組織や分野の枠を越えて、別の環境に身を置いて動くこと) — どんな環境に置かれても適応し、AIをツールとして使いこなしながら新たな枠組みを提案・試行できる。本研修の判定対象外。
用語集
研修中によく出てくる言葉をまとめました。
課題集
登録されている課題の一覧です。資料をダウンロードしたり、そのままチューターAI・判定システムに進めます。
未接続
チューターAI(壁打ち)
課題を選んで、分からない点や考え中のことをそのまま相談してください。正解を直接教えるのではなく、気づくための問いを返します。
未接続
判定システム(提出物レビュー)
課題を選んで、提出物を貼り付けてください。その課題の判定基準に沿ってAIがレビューします。
未接続
① 考え方の説明
確認が必要だと思った点、検証方法とその結果など、自分がどう考えて進めたかを書いてください。
② 最終結果データ
提出するのは最終的な結果(統合済みデータ)だけで構いません。ツールのソースコードや作業用の中間シートを含める必要はありません(含めても悪くはないですが、判定コストが増えます)。