## 生成AIの資格と取得メリット

増加するAI需要に対応すべく、生成AIの資格検定の提供が開始されています。*提供される生成AIの資格にはいくつかの種類があり、取得目的に応じて選択します。*ここでは、生成AIの概要から資格取得のメリットを解説し、後半では生成AIの資格を一覧にまとめて紹介していきます。

生成AIとは？従来のAIとの違い、概要や種類について詳しく解説

生成AIは英語で「Generative AI」と呼ばれるAI技術の活用方法です。生成AIを有名にしたのは、OpenAIのChatGPTです。2022年後半に市場投入されると、瞬く間に市場に浸透しました。検索サービスの置換や、画像生成など多岐に渡って利用されています。

*生成AIとは、AIが生成するコンテンツ生成サービス全般を指し、用途はテキストや画像のほか、音楽や映像など多岐に渡ります。*これまでAIは人間の補助的な役割でしたが、生成AIの持つ創造的な表現力はすでに人間のレベルを超えた能力を発揮しています。

【参考】：[代表的な生成AIサービス一覧！10種類のサービスや料金を比較](https://and-engineer.com/articles/ZyMRJREAAB8ATD7x)
【参考】：[生成AIの学習におすすめの本10選！AIを学ぶメリットも解説](https://and-engineer.com/articles/ZyMQjxEAAB0ATD3U)

生成AIは機械学習に基づいて学習されたモデルです。学習済みの知識は、パターンの分析から新たなコンテンツ生成に拡大しています。生成AIへの指示はプロンプト入力を通じて行うため、利用者はプロンプトの最適化など生成AIを使いこなす新たなスキルが求められます。

コンテンツの品質を維持するには、最適な指示が求められ、同様に利用上の倫理的な問題に対しても対策が求められます。生成したコンテンツは、もはや人間で真偽を判断するレベルを上回り、著作権の侵害や不正情報の流布など新たな社会的な課題も引き起こしました。

以上のことから、*利用者は生成AIに関する高い知識と倫理的な判断が求められ、技術力に加えてルール決めや順法への対応なども必須です。*

プロンプトエンジニアリングとは？実用例も交えてポイントを解説！

プロンプトエンジニアリングの効果的な学習方法は？学ぶ意義も紹介

*生成AIの資格を取得するメリットは、いくつか挙げられます。*

*・生成AIの基本的な知識が得られる*
生成AIの基本的な知識が得られることが挙げられます。資格取得によって、生成AIの利用上の課題やリスクなどの懸念を理解していることが証明されます。

*・AIリテラシーが習得できる*
生成AIのリスクを学ぶことで、セキュリティや法的な知識が高まります。AIリテラシーが習得でき、倫理的な判断力が高いことが証明されます。

*・自身のキャリアアップにつながる*
生成AIをビジネスで活用する能力が高いことが挙げられます。資格取得は転職に有利に働くとともに、自身のキャリアアップにつながるものとなります。

以下は、*主要な生成AIの資格一覧です。*

・生成AIパスポート試験
・Generative AI Test
・生成AI能力検定
・生成AI初級技能検定

ここからは、生成AIの資格を順を追って解説していきます。また生成AIを広範囲に学ぶステップアップとして、ディープラーニング関連試験についても解説を加えます。

**生成AIパスポート試験は、生成AI活用普及協会（GUGA）が実施する試験です。**AI初心者向けの試験であり、生成AIリスクを予防するための資格試験です。コンテンツの生成方法を学び、個人情報保護や著作権侵害、商用利用可否などのリスク要素を学びます。

2024年10月時点で累計受験者数は9,376名、累計有資格者数は7,161名と生成AIの資格の中ではもっとも受験者・合格者が多い試験です。直近の2024年第3回の合格率は75.76%と、高い合格率を示しています。

▪開催形式：　オンラインでの実施 （IBT方式：Internet Based Testing）
▪試験時間：　60分間
▪問題数　：　60問
▪出題範囲：　シラバスより出題
▪出題方法：　四股択一式
▪受験資格：　制限なし
▪受験費用：　11,000円（税込）
▪開催予定：　2月、6月、10月の年3回

【参考】：[生成AIパスポート試験](https://guga.or.jp/outline/)

**Generative AI Testは、日本ディープラーニング協会（JDLA）が実施する試験です。**JDLAの試験の位置づけは、知識や活用リテラシーの確認の為のミニテストとなります。企業で活用が進む生成AIを、安心かつ有効に活用するための必要知識を有しているか確認できます。

これまでの合格率は、およそ60%代前半から70%代前半で推移しており、各回2,000名弱の方が受験しています。学習時間は15時間以内の方が大半で、ミニテストのため難易度はそれほど高いものではありません。

生成AIの技術、生成AIの利活用、生成AIのリスクからシラバスにしたがって出題され、学習参考動画で解説を公開しています。

▪開催形式：　オンラインでの実施 （ミニテスト形式）スマホも可
▪試験時間：　20分間
▪問題数　：　20問
▪出題範囲：　シラバスより出題
▪出題方法：　択一式・多肢選択式 19問 、記述式 1問
▪受験資格：　制限なし
▪受験費用：　2,200円（税込）
▪開催予定：　6月、12月の年2回

【参考】：[Generative AI Test](https://www.jdla.org/certificate/generativeai/)

**生成AI能力検定は、生成AIビジネス検定協会が実施する能力検定です。**文章生成AI能力検定と画像生成AI能力検定の2種類を用意しています。

文章生成AI能力検定初級は、仕事でChatGPTが使えることが証明されます。画像生成AI能力検定は、初級と中級が提供され、初級は仕事でDALL·E 3が使えること、中級は仕事でStableDiffusionが使えることが証明されます。

文章生成AI能力検定の初級は、ChatGPT（課金版）の準備が必要です。同様に、画像生成AI能力検定の初級はDALL·E 3、上級はStableDiffusionWebUIが必要です。また、画像生成AI能力検定上級では、画像生成AI専用のPC購入（15万円前後）が求められます。

ホリエモンAI学校による「受講付き＋受験」、もしくは「受験のみ」のいずれかを選択します。

▪開催形式：　オンラインでの実施 （IBT方式）
▪試験時間：　60分間
▪問題数　：　記載なし
▪出題範囲：　シラバスより出題
▪出題方法：　知識を問う選択問題、実技を問う実践問題がそれぞれ半分ずつ
▪受験資格：　制限なし
▪受験費用：　11,000円（税込）（受講付き受験は0円※別途ホリエモンAI学校の料金が発生）
 　　　　　　加えて、合格後の認定登録費用2.2万円（登録料1.1万円、初年度年会費1.1万円）
▪開催予定：　毎月実施、年12回

【参考】：[生成AI能力検定](https://ctwo.pro/kentei/)

**生成AI初級技能検定は、生成AI資格認定協会（GACA）が提供する検定試験です。**基礎知識や簡易的な活用スキルを評価します。生成AIに興味がある方や正しく活用したい方、ビジネスで生成AIを安心して活用したい方向けの試験です。

第1回の試験は2024年5月に実施され、約50名が参加しました。試験は講義と検定のセットで提供されており、講義を受講して検定試験に合格すると「公認生成AIマイスター」の資格が授与されます。現在45名が登録されているので、合格率はおよそ90%と推定できます。

▪開催形式：　オンラインでの実施 （IBT方式）
▪試験時間：　60分間　※別途オンライン講義3時間
▪問題数　：　記載なし
▪出題範囲：　講義に含まれる
▪出題方法：　記載なし
▪受験資格：　記載なし
▪受験費用：　11,000円（税込）※オンライン講義33,000円（税込）
▪開催予定：　掲載なし

【参考】：[生成AI初級技能検定](https://gaca.jp/service/Moodly)

### ディープラーニング知識で上位資格を狙う

ディープラーニングはAI分野の1つで、複雑なデータのパターンをとらえて分析する技術です。*生成AIの初級知識が身に着いたら、発展的にディープラーニングに挑戦するのも有効です。*ここでは、日本ディープラーニング協会（JDLA）による、「G検定」と「E資格」について解説します。

*G検定とはAIを活用するビジネスマン向け資格であり、誰でも自宅のPCから受験できます。*幅広い知識を持つジェネラリスト向けの検定で、頭文字の「G」は英語の「General」を指します。

同協会が実施するGenerative AI Testとの違いは、生成AIも含めたAI・ディープラーニング全般を広く体系的に学習し、AIに関する様々な技術的な手法やビジネス活用のための基礎知識を汎用的に評価する点に違いがあります。

*E資格とはAI・機械学習の開発を行うAIエンジニア向けの資格であり、JDLAの認定プログラムの受講が必要です。*専門性が高いエンジニア向け資格のため高度なディープラーニングの知識が求められ、試験は会場で実施します。頭文字の「E」は、英語の「Engineer」を指します。

興味ある方は、以下のリンクから詳細を確認しましょう。

【参考】：[G検定とは](https://www.jdla.org/certificate/general/)
【参考】：[E資格とは](https://www.jdla.org/certificate/engineer/)

G検定とは？試験概要・受験のメリット・必要な勉強時間を解説！

E資格とはどんな試験？概要や難易度と取得のメリットを解説！

生成AIは需要拡大していますが、資格試験は始まったばかりです。そのため、*現時点で受験者が多い「生成AIパスポート試験」は、資格の認知度や価値として有効でしょう。*勉強方法も、公式問題集やサンプル問題などで対応できます。

また、エンジニア向けの資格を念頭に置くと、JDLAのGenerative AI Testは、G検定やE資格へとつながり知識習得の効果が高くおすすめです。

オンライン実施の試験ではカンニングの懸念が考えられますが、各試験の設問数と実施時間を見ると、ネットで検索する時間的余裕は少ないと言えます。しっかりと知識を身に着けて合格を目指しましょう。

## 生成AIの資格試験は早めの能力開発がおすすめ

生成AIの資格試験は、始まったばかりです。これから市場拡大する可能性も高いため、2025年の動向で決める方もいるでしょう。しかしながら、生成AIの資格試験は要望に合わせて選択するのが、本来資格試験に求められる点であり、市場動向が決まるまで待つ必要はないと考えます。

**市場のニーズに応えるには、時期を待って知識をつけるよりは早めの能力開発を行うことが、自身の差別化につながりおすすめです。**

その他、生成AIに関連する内容は、下記の記事でも紹介しています。参考までにぜひご覧ください。

[【関連記事】生成AIとは？従来のAIとの違い、概要や種類について詳しく解説](https://and-engineer.com/articles/ZqLxChEAACQA7x2P)

[【関連記事】生成AIの学習におすすめの本10選！AIを学ぶメリットも解説](https://and-engineer.com/articles/ZyMQjxEAAB0ATD3U)

2022年からの生成AIのブームを受けて、生成AIの資格検定が始まっています。生成AIの資格はいくつかの種類があり、取得目的に応じて選択します。ここでは、生成AIの概要から資格取得のメリットを学んでいきます。合わせて、生成AIの資格を一覧にまとめて解説します。

生成AIは便利ですが、最適なプロンプトの知識、セキュリティや法的な知識などが求められます

生成AIの資格は、このような基本知識の習得や論理的な判断力が評価されます

生成AIの資格は始まったばかりですが、用途に合わせて選択するのがおすすめです

生成AIの資格一覧！取得のメリットや試験概要、難易度を解説

最近**RPAとAIという言葉をよく耳にし、両者を混同している人もいますが、両者は明らかに異なる**ものです。ここでは、RPAとAIの特徴や違い、メリットやデメリットを考察しながら、RPAとAIについて掘り下げます。

### RPAとは業務自動化ツールのこと

RPAはRobotic Process Automationの略語で、一言で表すと**「人の代わりに仕事をしてくれる自動化ツールのこと」**です。*RPAは'デジタルレイバー'（Digital Labor）や'仮想知的労働者'と表現されるケースもあります*。

*・手順が決まっている定型業務*

*・反復して行うルーティンワーク*

などで、主にはPC上で行う事務作業分野での利用が進んでいます。

RPAを機械のロボットをイメージしてしまいがちですが、*RPAは広義の意味でのロボット*です。

また、RPAはよくExcelマクロと対比されがちですが、マクロはExcel上で動作し、Excelの制約を受けるため、どうしても処理できる量には制限があります。一方、RPAはPCやサーバー上で動作するため、マシンスペックによっては*高速で大量の処理*を行うことが可能です。

RPAは2020年の総務省調査*:[AI・RPAの利用推進について](https://www.soumu.go.jp/main_content/000724615.pdf)*によると、地方自治体の68%が導入済であり、**RPAは導入しやすく、効果を得やすいツール**だということが分かります。以下、そのRPAのメリットを列挙してみましょう。

RPAはツールの利用が一般的ですが、単純作業や反復作業をRPAツールに覚え込ませると、*人の処理速度の10倍以上のスピードで業務を処理*します。しかも、*年中無休、休むことも退職することもないため、業務に掛かるコストを大きく削減*できます。

RPAは*決められたことを決められた通り行うため、判断ミスや誤入力を防げます*。また、長時間の作業も可能であり、さらに結果の検証まで自動で行うことが可能ですので、仕事の精度が上がります。

単純作業をRPAに置き換えることで、人はより高度な判断業務、営業活動などに時間を割くことができます。結果、*仕事の質が上がり、全体の生産性を高めることが可能です*。

RPAにはデメリットと言えるほどのものはありませんが、強いてあげるならば、以下の2つがあります。

*1.属人化してしまうと失敗する*

RPAに仕事を教え込むのは人間です。その人が退職した場合、何か問題が起きた時に対処するのに時間が掛かります。RPAを利用する場合は、そうした事態を想定して、業務マニュアルの作成や引継ぎをきちんと行っておかなければなりません。

*2.業務の変更に柔軟に対応できない*

業務の自動化は大変便利で、メリットも多いのですが、一方で業務がブラックボックス化するリスクがあります。運用変更の際に、業務が見えないために、RPAが記録した業務の変更に手間取ります。RPAを導入する場合は、今の仕事のやり方がベストなのかどうか、今後変更する可能性がないのかについてよく確認しておく必要があります。

RPAについての理解は整理できたでしょうか？続いてAIについて見ていきましょう。ここでは、*AIの概念*について再認識をしてください。

AIは日々進化しており、その定義はまだ定まっていませんが、*大まかな定義としては、AIは人工知能のことです*。AIはコンピューターですが、単なるコンピューターとAIの違いは、**「学習・推論・判断」といった機能が備わっているか否かの違い**です。

AIはコンピューターにはできない学習・推論・判断を行えるため、*人の作業や思考を肩代わりすることが可能*です。またAIには感情がありませんが、24時間365日不眠不休で働ける点は人には真似ができないことです。

AIのメリットを以下に挙げます。RPAのメリットと対比させながら読み進めてください。

*1.肩代わりできる人の仕事の範囲が広い*

AIはRPAと同様に、単純作業・反復作業を行うのは得意ですが、**自分で学習してスキルを高めること、推論すること、そして判断が行えるため、かなりの人の仕事を肩代わりすることが可能**になります。

AIは膨大な量のデータを収集して分析したり予測したりすることに長けています。*ビッグデータ解析*と呼ばれるものは、まさにこれです。この*分析や予測の能力は人を上回っており、経営やマーケティングなどで大いに役立っています*。コロナ禍での人出の解析などもAIが行っています。

*iPhoneのSiriなどはまさにAI*です。Siriは人の言葉を理解して必要な情報を集めてくれますが、このような形で*AIはすでに私たちの生活に入り込み、私たちの生活とAIは切っても切れない関係*になっているのです。

以上のように大変便利なAIですが、*AIにも解決すべき問題、すなわちデメリット*があります。

研究開発中の自動運転技術にAIが搭載されていますが、車の自動運転で事故が生じた場合に、その**責任の所在が不明確**です。AIと人の責任の分界点を明確にしていく必要があります。

*2.AIの思考プロセスがブラックボックス化する*

AIは自己学習しながら思考の精度を上げていくため、*思考のプロセスは学習とともにブラックスボックス化していきます*。AIの思考をモニタリングしたり、解析できるような仕組みを併せて用意しておく必要があります。

以上、RPAとAIの特徴やメリット、デメリットを述べてきました。その違いは理解されたと思いますが、*両者の違いについて改めて整理*しておきましょう。

### RPAとAIの違いは手足と頭脳の違い

RPAは人が定めた業務のルールを教え込むと、教えられた通りに動きます。1度設定したタスクは何度も繰り返して実行でき、迅速にルーティンワークを正確にこなすことができます。**RPAとは、人が行っていた手作業を代替するツール**と言っても良いでしょう。

*人体の部分で言えば、脳からの指令に従って動く手や足と同じ*です。

一方のAIは、人に代わってRPAなどのツールに指示をすることができます。さらに、AIは学習や判断ができるため、業務フローの見直し・改善を提案することもできます。

以上の通り、RPAは人の作業を行う手足であるのに対し、**AIは人で言えば「頭脳」に当たる**といえます。

では、AI搭載のOCRはRPAでしょうか？OCRそのものが自動的に書類を読み取ってデータに変換するのであれば、AI-OCRはRPAと言えます。

**人の手足に相当するRPAと脳に当たるAIを組合わせることで、かなり人間に近い動きをさせることが可能**となります。

現在、*多くの企業で事務作業を中心に導入されているRPAは「クラス1」とも呼ばれる簡易的なもの*です。

*クラス2（別名EPA:Enhanced Process Automation）*になると、AIの機能を取り入れ、非定型作業の自動化・言語解析・画像解析・音声解析・マシーンラーニング技術などに機能がアップします。iPhoneのSiriなどは、クラス2のRPAと言えるでしょう。

さらに、*クラス3（別名CA:Cognitive Automation）*になると、高度のAIとRPAが融合し、ブロセス分析・改善・意思決定までを自ら行えるようになります。

クレジットカードの新規申し込みで、免許証写真とスマホの入力情報を対話型のAIで収集し、そのデータを自動審査（信用情報と自動突合）に廻して、自動的にクレジットカードを発行するといったRPAが実用化しています。このような、*ほぼ無人でクレジットカード発行を行っている事例*があります。*金融業界では、急速にAIとRPAを連携させて自動化が広がっています*。

最終的な承認行為は人が行いますが、それ以外はほぼ自動化され、人的業務の大幅な改善とスピードアップを実現しています。**経理業務・コールセンター業務・コンシェルジュ業務も大半はAIとRPAで対応できるようになってきており、今後急速にRPAに業務が移行していくことでしょう**。

## AI時代を迎えて、エンジニアとしてさらなる活躍を目指そう

最後に、*RPAエンジニアの仕事とAIエンジニアの仕事の内容について紹介*します。

*RPAは、定例業務を代替するロボットソフト*です。企業がRPAを導入する上で、何を・どの範囲で自動化するのか・RPAが行った作業の結果を誰が確認し、承認するのかといったワークフローや役割分担などを新たに決める必要があります。また、RPAに任せられる仕事か否かについても判断が必要です。

**RPAコンサルティングは、RPA導入希望の企業に対して、ヒアリング・提案・見積もりなどを行う仕事**です。

**RPAツールやRPAアプリケーションの設計・開発・保守・運用を行うのが、RPAエンジニアの仕事**です。

RPAの構築においては、よく知られたWinActorなどのRPAツールを利用したシナリオ設計、製造に加えて、RPAの主要開発言語である*VB.NETやVBScript*などを用いたRPAの機能拡張を行います。

機械学習エンジニアは、**主にプログラミングを担当するAIエンジニアで、プロジェクトに応じて機械学習システムの開発や、プログラムの実装を担当**します。プログラミング言語としては、*汎用的プログラム言語のPython（パイソン）*の知識や経験が求められます。

データサイエンティストは、AIエンジニアの中でも**アナリティクス分野を担当するエンジニア**です。

ビッグデータの解析・分析・得られた結果からビジネス改善の提案や、施策立案を行います。*AIに関する知見に加え、データ分析のプログラミング能力・統計学・問題解決を図れるコンサルティング能力なども求められます*。

機械学習エンジニアの役割に加えて、次の*データアナリストとしての役割を持ち合わせていること*が求められます。

データアナリストも、データサイエンティストと同じくアナリティクス分野を担当するAIエンジニアです。

データサイエンティストと重なる部分もありますが、**よりデータ分析に特化したエンジニア**です。

ユーザー動向や将来に想定されるユーザーニーズなどを分析し、仮説の検証を行いながら、*問題解決やサービスの改善の提案を行うのが主な仕事*です。

### RPAとAIに強いエンジニアを目指そう

RPAとAIについて解説してきましたが、興味は湧いたでしょうか？*RPAエンジニアもAIエンジニアも*、どちらもこれから非常に有望な職種です。それぞれの仕事の内容を理解し、自身の適性や興味を勘案し、ぜひあなたのキャリアパスに含めてみてください。

<br/>
<center>[【関連情報】「AI面接とは? 求職者・企業のメリット・デメリット、AI面接の対策を解説 
｜CANVAS」](https://mynavi-agent.jp/dainishinsotsu/canvas/2024/09/post-1358.html)</center>

RPAの急速な普及と併せてAIが注目されていますが、RPAとAIは異なるものです。しかし、RPAとAIを連携させることで、人の仕事の多くを代替させることが可能になってきました。AI時代の到来に対応できるエンジニアを目指し、RPAとAIへの理解を深めましょう。

RPAは人の代わりに仕事をしてくれる自動化ツールのことで、人の体で例えると手足である

AIは学習・推論・判断といった機能が備わった人工知能で、人の体では脳に当たる

ITエンジニアはRPAやAIへの理解を深め、AI時代に活躍できるエンジニアを目指すことをおすすめする

RPAとAIの違いを理解し、エンジニアとしてのスキルアップを図ろう

AIは人間を超える存在になるという見方があります。2045年にはシンギュラリティが訪れ、人間の仕事の多くはAIに代替されるという意見もあります。しかし、AIは万能ではありません。AIには「できること」「できないこと」があります。

もちろん、AI技術の発展により、AIができることは増えていますが、元々AIには苦手な領域があります。*そういったことを正しく理解して、AIの開発や活用を考えていくべきでしょう。*この記事では、AIができること、できないことにフォーカスして解説していきます。

AIエンジニアを目指す方、AIのビジネス活用を検討されている方の参考になれば幸いです。

AIとは、Artificial Intelligenceの略語で、人工知能と訳されています。**AIは人の知的能力を模倣した技術を意味し、 データを分析して推論したり、判断を行ったり、最適化の提案、課題の定義や解決を行ったり、自ら学習を行ったりできます。**

AIには機械学習が必須ですが、機械学習とは人が行う「学習」と同様の仕組みをコンピュータで実現します。機械学習では、読み取ったデータから見出したパターンやルールなどを新たなデータに当てはめ、データの識別や、未来予測を行うことができます。

機械学習の1つの手法であるディープラーニングでは、人の脳の神経回路構造を模した数理モデルであるニューラルネットワークを利用して、人間が学習しているのと同じようにコンピュータが学習を行います。

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

### AIを機能で分けると2つの種類がある

**AIの種類は、機能的な視点から「特化型AI」と「汎用型AI」の2つに分かれます。**ここでは、特化型AIと汎用型AIの違いについて解説します。

【参考】：[人工知能技術戦略会議（ 第6 回）｜内閣府](https://www8.cao.go.jp/cstp/tyousakai/jinkochino/6kai/sanko1.pdf)

*■ 汎用型AI（AGI）とは*
汎用型AIとは、AGI（Artificial General Intelligence）とも呼ばれ、特化型AIのように役割が限定されておらず、同時に様々な役割を担えるAIシステムです。人と同じような思考回路を持ち、自ら判断することができるAIです。

AIの概念が登場した頃は、AGIの実現は困難だという意見が多勢でしたが、ディープラーニング技術の登場によって、その実現性が一気に高まっています。今話題のChatGPTきはAGIの先駆け的な存在ですが、まだ現段階では優れた学習能力と自然言語処理能力を持つソフトのレベルに留まっています。

*■ 特化型AI（ANI）とは*
私たちが普段AIと呼んでいるのは特化型AIという種類です。ANI（Artificial Narrow Intelligence）とも呼ばれ、ある特定の分野や領域に特化したAIのことです。特化型AIは最初から役割が決められており、限定された範囲内で動作したり、処理を行ったりするシステムのことを意味します。

特化型AIの例としては、1人1人の顔を見分けて防犯に活かす顔認識システム、ヘルプデスクなどで活用されているチャットボット、自動車の自動運転システムなどがあります。このように、特定のタスクでは人間を上回るパフォーマンスを発揮しますが、感性や思考といった面では人間を超えることはできていません。

AIは既に様々な分野に導入され、成果をあげています。ここではAIができること、得意なことについて一覧で紹介していきます。

**音声認識とはAIが人の言葉を音声として認識し、さらにテキスト化する技術のことです。**単にテキスト入力の代替というだけではなく、AIが人の言葉を理解することで、コンピュータと人との会話を実現することができます。

音声によって動作するスマートスピーカー、コールセンターに導入されているボイスアシスタントなどがあり、すでに実用化されている機能です。

**画像認識とは、画像として映っている人、モノ、景色などを認識する技術のことです。**画像に映っているものが何であるのかを解析します。

画像認識はパターン認識技術の1種であり、最近ではディープラーニング（深層学習）によって、さらにその精度が向上しています。セキュリティシステムでの活用や、性別や年齢判別などのマーケティング領域でも活用が進んでいます。

**自然言語処理（NLP）は、人が日常的に使用している自然言語をコンピュータに認識させ、処理させるための一連の技術のことです。**コンピュータに「言葉」を教える分野であるともいわれています。

最近では高精度な翻訳ツール「DeepL」が登場したことや、Googleの検索エンジン精度が向上したことで、コンピュータが長文の文章でも正確に処理ができるようになっています。ChatGPTやスマホの音声アシスタント機能にはまさに、この自然言語処理技術が使われています。

自然言語処理とは？注目される理由やできることをわかりやすく解説

工場などでは昔から機械による制御が行われていましたが、近年は自動車、センサーなどの制御に「機械制御AI」が活用されることで、AIがデータを学習しながら、より最適な制御を行うことができるようになっています。

**AIは単に決められた制御を行うだけではなく、制御を繰り返し行いながら、そこから得られたデータを用いて学習を続け、時間とともにより高精度な制御が実現されるようになっていきます。**

異常検知は製造・生産などの現場で、機械や設備などを監視し、停止や故障の前に何らかの異常を検知して、トラブルの発生前に警告を発したり、予防保守を促したりします。

これまでは異常検知は人の目視や経験、勘に頼っているケースが多くありましたが、**積み上げられた故障データ、稼働データなどを機械学習することで、AIによる異常検知を実現しています。**これによって、有人監視を減らし人の負荷を減らすとともに、故障率の低減にも役立っています。

**AIの未来予測とは、収集した大量の過去データを解析し、そこから予測することで予測制度を高める技術です。**「ビッグデータ解析」とも呼ばれ、近年様々な分野で注目を浴びています。AIの未来予測では、製品の需要予測、売上予測などで実際に活用されています。

天気予報の精度が上がっているのも、AIの未来予測技術が用いられているからです。このAIによる未来予測はあらゆる分野で導入が始まっており、例えば高速道路の渋滞予測や感染症の感染予測など、私たちが日頃目にしているものも少なくありません。

AIは既に私たちの身の回りでも活用されており、私たち自身も既にAIを用いたサービスや製品を利用しています。ここではAIの活用事例について一部紹介します。意外な活用方法、面白い活用策をぜひ確認してみてください。

【参考】：[自治体におけるAI活用・導入ガイドブック｜総務省](https://www.soumu.go.jp/main_content/000820109.pdf)
【参考】：[中小企業のＡＩ活用促進について｜経済産業省](https://www.meti.go.jp/policy/it_policy/jinzai/AIutilization.html)

### 音声入力により看護記録の入力効率化

聖マリアンナ医科大学病院では、看護師による看護記録の入力をタイピングから音声入力に切り替えました。*その結果、記録スピードは約4.5倍に向上し、時間外労働は半減、患者に対する直接ケア時間が4.6%増えたという成果に繋がっています。*

【参考】：[ICT や IoT 等を活用した働き方　P12~17｜厚生労働省](https://www.mhlw.go.jp/content/12602000/000727855.pdf#page=44)

### AI活用による住民サービスの充実

岡山県和気町では住民からの相談、問い合わせに対する各担当職員による直接応対に加え、*チャットボットを用いて、24時間いつでも、どこからでも問い合わせに対応する体制を構築しました。*

その結果、問い合わせ担当窓口ごとに分かれていた情報を一元化し、利用者が簡単に必要な情報を入手することができるようになり、住民サービスの向上にもつながっています。

【参考】：[地方自治体におけるAI・ロボティクスの活用事例  P4｜総務省](https://www.soumu.go.jp/main_content/000595981.pdf)

AIはDX推進の一環として導入されるケースが少なくありませんが、*不二家では赤字事業の洋菓子部門から、需要予測にAIを活用しています。*

AIによって商品ごとの需要予測の精度を高め、欠品による売上損失を減らし、また過剰製造による廃棄ロスを減らして、売上や利益を向上させるとともに、従業員のモチベーションアップなどの副次効果も得られています。

【参考】：[きっかけはAI導入、不二家など3社の事例から学ぶDX戦略の極意とは？｜マイナビニュース](https://news.mynavi.jp/techplus/article/20211013-2124552/)

DX推進が捗らない企業が、喉から手が出るくらいに欲しいIТ人材とは

ここまでAIができることや活用事例を挙げてきましたが、*AIは決して万能ではありません。AIのできないこと、苦手なことを理解した上で、AIの有効活用を図っていくことが重要です。*

人間は相手の表情、目の動き、声のトーンなどから相手の感情を理解することができます。一方、AIはあくまでも人の言葉をテキストとして認識するため、感情や心理を読み取ることは苦手です。

**AIの学習能力を高めることで、ある程度人の感情を理解できるようになるかもしれませんが、感情の理解という面では人間には及びません。**しかし、最新のAI技術を駆使して「感情認識AI」が研究開発されています。これが実用化されれば、さらにAIと人とのコミュニケーションが円滑化するでしょう。

【参考】：[道徳感情数理工学｜東京大学](http://meome.t.u-tokyo.ac.jp/)

基本的にAIは膨大なデータを学習することで、それらのデータから導き出したパターンや結論などから行動します。従って、**AIがレポートをまとめたり、ブログや小説を書いたりできるのは、あくまでも膨大な学習の結果であり、現状はゼロから何かを編み出すことはできません。**

## AIにできること、できないことを正しく認識しよう

この記事では、AIにできること・できないことを中心に、AIの活用事例も交えてAIとは何かを解説しました。AIを有効に活用するためには、まずAI技術、AIの持つ特性に関する理解を深め、AIを開発したり、活用することが大切です。

世の中では大変な勢いでAIの導入や活用が行われています。AIには大きな需要があり、豊かなマーケットがあります。**AIにできることとできないことを正しく理解したうえで、自身の成長や自社の課題解決につなげていきましょう。**

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

<br/>
<center>[【関連情報】「【シンギュラリティとは】AI進化にどう対応!? 悲観よりAIに触れるのが得策｜CANVAS」](https://mynavi-agent.jp/dainishinsotsu/canvas/2023/08/post-1041.html)</center>

身近な存在となったAIですが、AIを開発したり、活用したりする上では「AIにできること」「AIにできないこと」を正しく理解することが大切です。AIの活用に際しては活用事例が参考になります。この記事ではAIにできること、活用事例、できないことを解説していきます。

AIができること、できないことを正しく理解し、AIの開発や活用に生かすことが大切

AIには大別すると「特化型AI」と「汎用型AI」がある

AIができることには、音声や画像認識、自然言語処理、異常検知、機械制御、未来予測がある

AIができることとは？活用事例やできないことも併せて紹介

近年、AI技術を活用したサービスが注目を集めています。自然言語処理の技術を用いて自然で流暢な会話ができるAIチャットボットサービスや、AI画像生成サービスなど無料で使えるものもあり、便利なAI技術が、身近に利用できるようになってきています。

*AIを活用するためには、蓄積されたデータを元にAIに学習をさせることが必要です。*しかし、AIが学習するとは、一体どういうことなのでしょう。その仕組みや流れなどについて気になる方も多いのではないでしょうか。

## AIの学習の仕組みを知ってAIへの興味を深めよう

AIは学習することで、人間にとってより有益な情報をアウトプットすることができます。

例えば、AIによる画像の自動生成サービスなどで、AIが画風を学習して、特定のクリエイターの特徴を持ったイラストを生成する、といったことも可能です。その影響は大きく、イラストを公開している人たちから自分の絵をAIに学習禁止させたいと言う声も上がるほどです。

*AIの学習手法について知る時に、重要なキーワードとして「機械学習」や「ディープラーニング」「ニューラルネットワーク」などが挙げられます。*

この記事では、AI技術に興味がある方のために、AI技術の概要や役立てられる分野などについて解説し、AIに学習させる方法の基本的な仕組みについて述べていきます。また、これをきっかけに、AI技術について学び、スキルアップを目指してみてください。

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

## AIとは一体どのようなものか

ここでは、AIに学習させる方法の前提知識として、AIとはどのようなものであるのかを解説します。AIの概要や使用されている分野、AIを活用できる職種の年収などについても説明します。

AIとは、Artificial Inteligenceの略称で、人工知能とも呼ばれます。人間の観察や思考、反応などの知能を必要とするふるまいを機械に行わせる技術です。

*AIの定義は研究者により異なるため、明確なものはありませんが、共通する認識として、「人間の知能をコンピュータ上に再現したもの」と捉えられています。*

AIは様々な分野で活用が進んでいます。例えば、AIによる言語処理では、文章の要約や翻訳、また、データを用いた文章の生成などができます。また、音声認識を活用してスマートデバイスの音声操作などにも使われます。

また、自動車に搭載されたカメラやレーダーなどから取得するデータを分析して車両を制御する、自動運転システムにもAIは活用されています。

*その他にも、マーケティング分野においては人流分析や需要予測、医療における診察での活用、コールセンター でオペレータの補助や問い合わせ対応を行うなど、AIの活躍の場面は一層広がってきています。*

IoTとは？概要から動作の仕組み・実際の用途まで丁寧に解説！

### AIを活用できる職種の年収とは

AIを活用できる職種であるAIエンジニアに近い、システムエンジニアの年収は「マイナビエージェント職種図鑑」での平均年収は431万円（※2023年5月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種のIT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））を参考にすると、平均年収758万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」における民間企業平均年収は433万円なので、AIエンジニアは一般平均年収と同程度から高めであることが分かります。

AIエンジニアは活躍できる分野が多く、画像処理や音声認識など、求められる技術も様々です。*AI技術の専門家としての高度なスキルを持ち、さらにAIを利活用する業界や分野における経験や知識が豊富なAIエンジニアであるほど高収入となる傾向があります。*

AIの記事（5ページ目）