＊開講準備中＊ しばらくお待ちください。
講座情報
講座コード： H74
受講期間： 2ヵ月
レベル： 入門 初級
レポート提出方式： 
記述式
Web提出
こんなコースです
AIを正しく理解し、賢く活用。自ら考え、判断する力を磨く
近年、生成AI（ChatGPTなど）の急速な普及により、文章や資料の作成、アイデア発想、業務効率化など多くの分野で大きな変化が起きています。一方で、AIに過度に依存することによる思考力の低下や、出力内容を無批判に利用するリスクへの懸念も高まっています。今求められるのは、生成AIを単なる便利な道具として使うのではなく、人間のクリティカルシンキング（批判的思考）や創造力と組み合わせて活用することです。
本講座では、演習を通じてその考え方と実践力を身につけます。
学習の目標
- 生成AIの基本的な仕組みと活用の仕方を学び、業務で成果を生み出すための考え方を身につける。
ねらいと特色
- 生成AIの特性と、生成AIの成果物に対する評価や改善方法について学びます。
- 人間の発想力と生成AIの想像力を融合するための考え方を身につけます。
- 演習課題に取り組みながら、生成AIを使いこなすための思考力を磨きます。
教材構成
- テキスト：１冊（電子ブック対応）
- レポート回数：２回（Web提出）
- 自由提出課題：１回
- T1～T2レポート：（Web提出）
- 自由提出：（記述式）
主な項目
| No. | 主な項目 |
|---|---|
| 1 |
序章 AI時代の学び方と働き方1. 生成AIの進化と社会・ビジネスへの影響
ChatGPT登場以降の変化
ビジネス現場での活用事例（文書作成・翻訳・リサーチなど） 個人の働き方・学び方の変化 2. AIに任せる部分と人間が担う部分の線引き
定型業務 vs 創造的業務
「AIは提案、人間が決断」という基本ルール
誤情報やバイアスへの警戒 3. 本講座で身につけるべき能力
AIリテラシー（使い方＋リスク理解）
クリティカルシンキング（批判的思考）
人間ならではの発想力・編集力 第1章 生成AIの基礎理解と活用法1. AIの仕組みと限界
LLM（大規模言語モデル）の動作イメージ
幻覚（誤情報生成）の原因と防ぎ方
モデルごとの特性（GPT、Claude、Geminiなど） 2. プロンプトデザインの基礎
シンプル指示と複合指示の違い
明確なゴールを設定する（役割・文体・制約条件） 3. プロンプトデザインのテクニック
役割指示（Role Prompting）
段階的思考（Chain-of-Thought）
分割生成（Step-by-Step） 温度調整（創造性の調整） 4. 検証と調整の繰り返し
出力を評価するためのチェック（正確性、独自性、実用性）
プロンプトを微調整する方法 AIとの対話を繰り返して成果物を仕上げるプロセス 演 習
同じ課題に対して「曖昧な指示」「明確な指示」「段階的プロンプト」で出力を比較
AIと共同で1ページのレポートを作成し改善する 第2章 ロジカルシンキング（理論で考え、AIを使いこなす思考力）1. ロジカルシンキングとは何か
理論思考の定義
ロジカルとクリティカルシンキングの違い
AIを使う上でロジカルシンキングが重要な役割を果たす 2. 理論構造の基本
PREP法
三段論法
ピラミッドストラクチャー
樹形図とピラミッドストラクチャーの違い 3. AIと人間の思考パターンの違いを理解する
AIの思考パターンは「確率の論理」、人間は「意味の論理」
ロジカルシンキングを使い、論理の抜け・過剰一般化・前提のズレを検出する クリティカルシンキングを使い、AIの“論理の穴”を見つける 演 習
PREP法、三段論法又はピラミッドストラクチャーを使いAIが生成した文章を評価する
AIにPREP法、三段論法、又はピラミッドストラクチャーで文章を作らせる 第3章 クリティカルシンキング（批判的思考）1. クリティカルシンキングの基礎
クリティカルシンキングとは何か（思い込みを外す思考法）
論理的思考・分析的思考・疑問を持つ姿勢 「なぜ？」「本当か？」を常に問い直すクセづけ 2. AI出力に潜むリスクの理解
幻覚（事実誤認）、ハルシネーションの典型例
バイアス（文化・性別・社会的偏見）の混入 出力の「もっともらしさ」と「真実性」の違い 3. 情報の検証手法
ファクトチェックの基本（一次情報、複数ソース）
数値・統計データの読み解き方 出典を確認できない情報の扱い方 4. 思考フレームワーク活用
MECE（モレなくダブりなく）
樹形図
なぜなぜ分析
デビルズ・アドボケイト（あえて反対意見を考える） 演 習
AIが生成したレポートに誤りや偏りを探し、改善案を提示
AI出力を「賛成派」「反対派」の両方の立場から検証 実際のニュース記事＋AI要約を比較し、正確性を判定 |
| 2 |
第4章 人間の発想力とAIの創造力の融合1. アイデア発想の基本プロセス
発想の4パターン（拡散・収束・転換・組み合わせ）
ブレーンストーミングとKJ法 アイデアの質と量をどう両立するか 2. AIを活用した発想支援
キーワード展開法（AIに関連語を出させる）
視点切り替え法（顧客視点・未来視点・競合視点） 制約条件を加えた創造（例：「コスト1/2で」「SDGsに関連して」） 演 習
AIに10個アイデアを出させて、選択して加筆修正する
AIに「斬新案」と「保守的案」を生成させ比較する AIと共同企画書作成 第5章 実務での応用と生産性向上1. 文書作成・資料作成でのAI活用
メール文例、議事録、説明資料の下書き作成
プレゼン資料の構成提案（ストーリーラインの自動生成） 日本語⇔英語翻訳での注意点（ニュアンス、専門用語） 2. リサーチと情報整理でのAI活用
調査レポートの要点抽出
複数資料の統合と比較表作成
データの誤情報を見抜く手順 3. 業務改善と効率化
定型作業（FAQ対応、文書チェック）の自動化
プロジェクト管理の補助（WBS作成、進捗チェックリスト） AIを活用したナレッジ共有（社内Q&A、自動マニュアル作成） 4. チームでのAI活用
協働ルール（入力データの制限、成果物の確認責任）
「AI任せにしない」チーム内役割分担 ケーススタディ：チームでAIを使った企画開発 5. 倫理・セキュリティの観点
個人情報・機密情報の入力リスク
AI出力の著作権・責任問題
倫理的な利用指針（透明性・公平性の確保） 演 習
AIを活用した業務効率化の提案を作成
改善効果のシミュレーション 最終レポートとして提出 第6章 AIと著作権の関係1. 著作権法の目的2. 著作物の定義3. 著作物の定義
AIの開発・学習段階
生成・利用段階
AI生成物の著作物性 著作物の基本的な考え方 演 習
AIと著作権—ケーススタディ判断
最終演習：企画書または事業計画書作成ガイドの作成
企画書と事業計画書
企画書作成の手順
企画書の基本構成と例 事業計画書作成の手順と例 |
※ 内容は、一部変更される可能性があります。