非エンジニアのための生成AI学習ガイド
「生成AIを学ばなければとは思うが、何から手をつければいいか分からない」—— このガイドは、そんな非エンジニアの方（DX担当・管理職・現場の推進者）のために、 生成AIの全体像と学ぶ順序を1ページに整理したものです。 各単元は専門用語をたとえ話で噛み砕き、末尾の理解度クイズでその場で定着を確認できます。
まず、生成AIの全体像をつかむ
生成AI（ChatGPTやClaudeなど）の中身は、LLM（Large Language Model / 大規模言語モデル）と呼ばれるAIです。 膨大なテキストを学習し、質問への回答・文章の作成・分析・分類など、ことばに関わる幅広い仕事をこなします。
ビジネスで生成AIを活かすために知っておくべき要素は、実は次の3段階に集約されます。
- ①指示の出し方（プロンプト）：AIは「的確な指示」があって初めて期待どおりに働きます。すべての土台です。
- ②仕事を任せる（AIエージェント）：チャットで質問するだけでなく、ファイル操作や集計などの実作業をAIに任せる段階。Claude Codeのようなエージェント型ツールが担います。
- ③社内ツールとつなぐ（MCP）：AIが社内のデータやシステムと安全につながると、活用範囲は一気に広がります。その接続の共通規格がMCPです。
この順番は、そのまま企業のAI活用の成熟度とも重なります。 「個人がうまく使う」→「業務を任せる」→「仕組みとしてつなぐ」。 だからこのガイドも、この順序で学ぶ設計にしています。
学ぶ順序と単元一覧
上から順に読むのがおすすめですが、各単元は独立して読めるように書いています。 気になるテーマから始めても構いません。
- プロンプトの書き方の基本 — 非エンジニアのための実践ガイド 生成AIへの指示（プロンプト）の書き方を非エンジニア向けに解説。明確な指示・例の見せ方・段階的に考えさせるコツを、業務の具体例と理解度クイズで身につけます。
- Claude Code入門 — 非エンジニアにもわかる仕組みと安全設計 Claude Codeとは何かを非エンジニア向けに解説。ファイル操作まで任せられるAIエージェントの仕組みと、権限・データの安全設計を、たとえ話と理解度クイズで学びます。
- MCPとは？ 非エンジニア向けにわかりやすく解説 MCP（Model Context Protocol）とは何かを非エンジニア向けに解説。AIと社内ツールをつなぐ「共通の差し込み口」の考え方を、たとえ話と理解度クイズで学びます。
知っておくと便利：AIモデルには「使い分け」がある
同じ生成AIサービスの中にも、性格の違う複数のモデルが用意されているのが普通です。 たとえばClaudeには、高性能で複雑な推論が得意なモデル（Opus）、 性能とスピードのバランス型（Sonnet）、 高速・低コストで大量処理向きのモデル（Haiku）があります。
「どれが一番良いか」ではなく「どの仕事にどれを使うか」で考えるのがポイントです。 高度な分析や重要文書のレビューには高性能モデルを、日常の要約・下書きにはバランス型を、 大量のメール分類のような単純作業の繰り返しには高速・低コストのモデルを——という使い分けは、 コストと品質の両面にそのまま効いてきます。
非エンジニアの学び方のコツ
技術者向けの教材で挫折した経験のある方にこそ、次の3つをおすすめします。
- 自分の業務に近い題材から入る：問い合わせ対応の分類、アンケートの整理、議事録の要約——「自分ならこれに使う」という具体的な場面と紐づけて学ぶと、抽象的な概念も頭に残ります。
- 用語は「日本語の意味＋たとえ話」で覚える：英語の専門用語を暗記する必要はありません。「MCP＝共通の差し込み口」のように、イメージで押さえれば実務では十分です。
- 読んだら1つ、その日のうちに試す：学んだテクニックを1つだけでも実際のAIで試すこと。この小さな反復が、「知っている人」と「使える人」を分けます。
最初に押さえておきたい基本用語
単元を読む前に、頻出する用語だけ先に押さえておきましょう（各単元にも用語集があります）。
- プロンプト（Prompt）：AIに対する指示や質問のこと。「何をしてほしいか」を伝える文章。
- トークン（Token）：AIがテキストを処理する最小単位。日本語はおおよそ1文字＝1〜2トークン。
- コンテキストウィンドウ（Context Window）：AIが一度に「見る」ことができるテキストの量。長い資料を読ませられるかどうかを決める。
- エージェント（Agent）：ツールを使いながら自律的にタスクを遂行するAI。計画→実行→確認のループを回す。
- MCP（Model Context Protocol）：AIと外部ツール・データをつなぐ標準規格。USBのような「共通の差し込み口」のイメージ。
- ハルシネーション（Hallucination）：AIが事実でない情報をもっともらしく生成してしまうこと。防ぎ方は単元1で扱います。
- 構造化出力（Structured Output）：AIの出力を決まった形式で返させること。プログラムと連携するときに重要。
このガイドの使い方
各単元は10分前後で読める分量です。読み終えたら、必ず末尾の理解度クイズに挑戦してください。 「読んで分かったつもり」と「自分のことばで説明できる」の間には大きな差があり、クイズはその差を埋めるための仕掛けです。
そして、いちばん大事なのは実際の業務データで手を動かすことです。 読む→解く→試す、まで進んで初めて「現場で使えるスキル」になります。
実践に進みたくなったら
学んだ内容を自分の業務で試したい方のために、実務の題材で「AIに任せる」を体験できる ワークショップの概要資料、調査をAIに任せるためのリサーチSkill、30分の無料相談をご用意しています。