生成AI・LLMの仕組みと、得意・不得意を自分の言葉で説明できる
「正体がわかれば、怖くない。」
| このレベルで身につけること 生成AIとLLMの基本的な仕組みを理解し、「何が得意で・何が苦手か」を自分の言葉で説明できるようになる。AIを正しく使いこなすための土台を作る。 学習の流れ：① 教材を読む（本文）→ ② 実務演習をやる → ③ チェックテストで確認 |
📌 前回の振り返り（Level 0）：実際にAIを触り、「言葉で頼むと、その場で答えを作ってくれる」体験をしました。便利な反面、"それっぽい嘘"もあると体感したはずです。今回はその正体——AIが内部で何をしているのか——を解き明かします。
生成AI（Generative AI）とは、文章・画像・音声などを"新しく作り出す"ことができるAIのことです。
これまでのコンピュータは「決められたことを正確に繰り返す」のが得意でした。 生成AIは違います。**人間が出した曖昧な指示を受け取って、その場で答えを"作る"**ことができます。
例：「お店の常連さんに送る、季節のキャンペーン案内メッセージを書いて」と頼むと、 その場で自然な日本語の文面を作ってくれます。これが「生成」です。
生成AIにはいくつか種類がありますが、仕事の場面で中心になるのは 文章を扱う生成AIです。代表的なサービスは次の2つです。
| サービス | 提供元 | 特徴 |
| ChatGPT | OpenAI | 最も広く使われている。汎用性が高い |
| Claude | Anthropic | 長い文章の扱いや丁寧な日本語に強い |
実務では、ChatGPTとClaudeの両方を業務に応じて使い分けることもよくあります。 どちらも「文章で指示すると、文章で返してくる」という点は同じです。
文章の生成AIの中身は LLM（Large Language Model｜大規模言語モデル） と呼ばれる仕組みです。
LLMは、インターネット上の膨大な文章を読み込んで、 「ある言葉の次に、どんな言葉が続きやすいか」を超高精度で予測するように訓練されています。
| ▶ イメージで理解する 「おはよう」の次には「ございます」が続きやすい。「予約を」の後ろには、その場の文脈に合わせて「お取りします」「確認します」などが続きやすい。LLMは、こうした"次に来やすい言葉"を天文学的な規模で学習し、文章全体が自然になるよう、言葉を一つずつ選んでいます。 |
ここが最も重要なポイントです。
LLMは、人間のように意味を"理解"しているわけではありません。 「次に来る言葉として最も自然なもの」を確率的に選んでいるだけです。
それでも結果として、まるで理解しているかのような自然な答えが返ってきます。 この「仕組みは予測、でも結果は賢い」という性質を知っておくことが、 後で出てくる得意・不得意を理解する鍵になります。
| ポイント | LLMは「考えて答える」のではなく「自然な続きを予測して答える」。だから時々、自信満々に間違えることがある。 |
道具は、得意なことに使えば力を発揮し、苦手なことに使えば事故を起こします。 AIを使いこなすには、AIの「得意」と「苦手」を正確に見極められることが欠かせません。
| 得意 | 具体例 |
| 文章を作る・直す | メール文面の作成、要約、言い換え、誤字チェック |
| 分類・仕分け | 問い合わせを「予約／クレーム／その他」に振り分ける |
| 形式を変える | 箇条書きを表に、話し言葉を敬語に変換する |
| 大量・反復の処理 | 100人分の案内文を、一人ひとり名前入りで作る |
| 下書きの作成 | ゼロから考えるより、たたき台を作らせて人が直す |
| 苦手 | なぜ苦手か |
| 正確な事実の保証 | 知らないことも"それっぽく"答えてしまう（後述のハルシネーション） |
| 最新の情報 | 学習した時点より後の出来事は、AI単体では基本的に知らない（最近は検索機能で補えるAIも増えている） |
| 正確な計算・数値処理 | 言葉の予測が本質なので、複雑な計算は外部ツールに任せた方が安全 |
| 責任のある最終判断 | 契約・医療・お金に関わる最終決定は必ず人が行う |
補足：これらの「苦手」は、AIを外部ツールと組み合わせると多くを補えます（計算は計算ツール、最新情報はWeb検索や元データ、など）。 苦手を仕組みで補って安全に使えるよう設計するのが、業務自動化の腕の見せどころです（Level 3・4で学びます）。 まずは「AI単体では苦手」と覚えておけば十分です。
| ポイント | AIは「下書きの達人・確認の苦手な新人」だと思うとよい。作らせるのは得意、正しさの保証は人の仕事。 |
ハルシネーション（hallucination｜幻覚） とは、 AIが事実でないことを、さも事実であるかのように自信満々に答えてしまう現象です。
Section 2で説明した通り、LLMは「自然な続き」を予測しています。 そのため、知らないことでも"それらしい言葉"を作ってしまうのです。
例：実在しない論文のタイトルや、間違った電話番号を、堂々と答えることがあります。
| 原則 | 内容 | 現場での意味 |
| 1 | 事実は人が確認する | AIが出した数字・固有名詞・日付は、必ず人かデータ元で裏取りする |
| 2 | 重要な処理は逃さない | お金・予約・送信先など間違えてはいけない情報は、AI任せにせず仕組みでチェックする |
| 3 | 元データを渡す | AIに記憶で答えさせず、正しい資料を渡して「この中から答えて」とさせる |
| ポイント | ハルシネーションはAIの欠陥ではなく"仕様"。なくそうとするのではなく、前提として仕組みで防ぐ。これが上手な使い手の腕の見せどころ。 |
最後に、技術より大切な「姿勢」の話をします。
このコースでは、AIは目的ではなく手段だと考えます。 ゴールは「最新のAIを使うこと」ではなく、 目の前の人（自分や、同僚や、お客様）の負担を減らすことです。
| 業務の現場では、AIで業務を自動化すること自体がゴールではありません。 人が本来やるべき仕事に集中できる状態を作ることがゴールです。AIはそのための道具にすぎません。 |
だからAIを扱う人には、技術力だけでなく 「この自動化は、本当に人の役に立っているか？」と問い続ける姿勢が求められます。
| ポイント | 「すごいAIを作った」ではなく「人が楽になった」を成果と呼ぶ。これがこのコースの基準です。 |
| AIに聞いた「最新情報」「数字」をそのまま資料に載せてしまう ある担当者が、提案資料の作成中にAIへ「競合サービスの最新料金を教えて」と尋ね、返ってきた金額をそのまま資料に転記しました。商談当日、その料金が古い・不正確だと判明し、信頼を損ねてしまいました。 学び：料金・最新情報・固有名詞・数字は、AIの最も苦手な領域。AIは下書きに使い、事実は必ず公式サイトや元データで裏取りする。 |
次は 実務演習（exercises.md） で、学んだことを自分の言葉にしてみましょう。
教材を読んだら、必ず手を動かしてください。 読んで「わかったつもり」と、自分の言葉で言える状態は、まったく違います。
以下のシナリオを読んで、空欄を自分の言葉で埋めてください。
シナリオ：AIをまったく使ったことがない知人から「生成AIって結局なんなの？」と聞かれました。 専門用語を使わず、30秒で説明してください。 （自分の回答は、ページ下部の「このレベルの気づき」に書いて講師に送れます。）
【参考】こう言えたらOKの例
「人間が言葉でざっくり頼むと、文章や画像をその場で"作って"返してくれるAIだよ。たとえば『お礼のメール書いて』と頼むと、ちゃんとした文面を作ってくれる。ただし中身は『次に来そうな言葉を予測してる』だけだから、たまに自信満々に間違えることもあるんだ。」
次の5つの作業を、AIが 「得意」 か 「苦手（人の確認が必要）」 に分類し、理由も一言添えてください。
| 作業 | 得意／苦手 | 理由 | |
|---|---|---|---|
| A | 顧客100人分の案内文を、名前入りで作る | ||
| B | 「来月の3日は何曜日か」を正確に答える | ||
| C | 問い合わせメールを「予約・クレーム・その他」に仕分ける | ||
| D | 実在する取引先の正確な電話番号を答える | ||
| E | 上司あての敬語のお詫び文の下書きを作る |
【答え合わせ】
| 分類 | 解説 | |
|---|---|---|
| A | 得意 | 大量・反復・文章生成はAIの最も得意な領域 |
| B | 苦手 | 正確な日付・計算は外部ツールに任せる方が安全 |
| C | 得意 | 分類・仕分けは得意。ただし最終確認は人が行う |
| D | 苦手 | 固有の事実はハルシネーションのリスク。元データから取る |
| E | 得意 | 下書き作成は得意。送る前に人が必ずチェックする |
以下の状況で、ハルシネーション（もっともらしい嘘）による事故を防ぐには、 どんな工夫ができますか。自分の言葉で書いてください。
状況：ある店舗から「お客様に送るLINEに、次回の予約候補日を入れてほしい」と頼まれました。 AIに予約候補日を考えさせて、そのままLINEで送る仕組みにしようとしています。
| あなたの考える対策： |
**【参考】**正解は一つではありませんが、次のような視点が出ていれば十分です。
ポイント：AIに事実を作らせず、文章を作らせる。事実は必ずデータ元から渡す。これがハルシネーション対策の基本形です。
演習が終わったら、チェックテスト（test.md） で理解度を確認しましょう。
このセクションは、自作LMSの AI評価エンジン（
exercise_answers.ai_score0〜100 /ai_feedback）に接続することを想定しています。 自己学習でも、自分の回答が次の観点を満たしているかを確認すると効果的です。
| 演習 | 採点の観点（合格の鍵・3点） |
|---|---|
| 演習1 | ①「新しく作り出す（生成）」という本質に触れている／②身近な具体例がある／③「予測しているだけ」「間違うことがある」という限界に触れている |
| 演習2 | ①A〜Eの判定が妥当（A得意・B苦手・C得意・D苦手・E得意）／②理由が「繰り返し・事実・分類」などの観点に基づく／③「事実・最新・計算」が苦手という境界を理解している |
| 演習3 | ①事実をAIに作らせず元データから渡す発想／②送信前に人が確認するステップ／③「文章は作らせ、事実は渡す」という役割分担に言及 |
あなたは「AI入門・基礎コース」の講師です。Level 1（AIの基礎を知る）の演習回答を採点してください。
【レベルの狙い】生成AI・LLMの仕組みと、得意・不得意を自分の言葉で説明できる
【採点する演習】{{演習番号}}
【採点の観点】{{上表の該当する観点（3点）}}
【受講者の回答】{{answer_text}}
次のJSON形式だけで出力してください。励ます語り口で、専門用語は避けてください。
{
"score": 0〜100の整数,
"good": "良かった点（1〜2文）",
"improve": "もっと良くなる点（1〜2文）",
"one_tip": "次に試すと伸びる具体的な一歩（1文）"
}
全10問・8問以上正解で合格です。すべて選択してから採点してください。
Q1.「生成AI」の説明として最も適切なものはどれですか？
Q2.LLM（大規模言語モデル）が文章を作るときに、実際に行っていることはどれですか？
Q3.仕事の場面で中心的に使う生成AIの種類はどれですか？
Q4.AIが「得意なこと」として最も適切なものはどれですか？
Q5.AIが「苦手なこと」として正しいものはどれですか？
Q6.「ハルシネーション」の説明として正しいものはどれですか？
Q7.ハルシネーションへの向き合い方として最も適切なものはどれですか？
Q8.「間違ってはいけない情報」をAIに扱わせるときの基本方針はどれですか？
Q9.このコースにおける「AI」の位置づけとして正しいものはどれですか？
Q10.AIを「下書きの達人・確認の苦手な新人」にたとえる意味として最も適切なものはどれですか？
感じたこと・気づいたこと・分からなかった点を一言どうぞ（任意）。送信すると講師に届きます。