ニュースや新聞、SNSで見ない日はない「生成AI」。2022年にChatGPTが公開されてから、いまや世界で何億人もが日々使う存在になりました。インターネット革命を超える産業革命とも言われています。

一方で、多くの企業の現場はいま“踊り場”にいます。「調べもの」「要約」「メールの下書き」といった個人の便利ツールとしては使えている。けれど、自分の業務や組織の仕事に組み込めているかというと、大手企業を含めてまだそこまで進んでいない——これが今回のセミナーの出発点でした。

この記事では、その1時間で語られた「生成AIの現在地」と「個人利用から組織活用へ進むための地図」を、デモの内容も交えてまとめます。

そもそも、AIはどこまで来ているのか

「ロボット掃除機はAIですか？」——研修でよく投げかける質問ですが、答えはすべてAIです。人がぶつかりそうになったらよける、人が入ったら電気をつける。人間がやることを感知して代行する仕組みは、組み込み型の人工知能です。ただ、私たちはそれに直接“触れて”はいませんでした。ChatGPTの登場で、私たちは初めてAIと会話できるようになり、一気に身近になったのです。

AIの4世代

1. 1ルールベース：人が決めた規則どおりに動く。融通は利かない。
2. 2エキスパートシステム：専門家の知識をルール化し、判断を再現する。
3. 3機械学習／ディープラーニング：大量のデータから、パターンを自動で学ぶ。
4. 4生成AI・AIエージェント：自ら文章や成果物を作り、仕事を進める。

AI・機械学習・ディープラーニング・生成AIの関係

大きな傘がAIという学問・概念。その中で2000年前後に普及したのが機械学習（データから学ぶ仕組み）。賢くなった理由はインターネットです。AIの大好物はデータで、ネット上にあらゆる情報が出てきたからこそ、それを“食べて”急速に賢くなりました。さらに多層構造でパターンを学ぶディープラーニングへ。そして文章・画像・音声・コードを作り出す生成AIへとつながります。

LLMと基盤モデル — 三層構造で捉える

AIの大元エンジンが基盤モデル。その中で言葉を扱う巨大なモデルがLLM（大規模言語モデル）です。世界中の言葉・表現・文献を知り尽くした“博士”のような存在で、フランス語でも中国語でも日本語でも理解できるのは、世界中の言葉を学んでいるからです。私たちが実際に触る ChatGPT / Claude / Gemini は、その基盤モデルの上に乗る応用アプリ。さらにマルチモーダル化が進み、文字だけでなく画像・音声・動画も理解できるようになりました。

AIは「考えている」のではなく「次の言葉を予測している」

生成AIは、人間のようにゼロから考えているわけではありません。大量の文章から言葉のつながりやすさを学び、次に来る言葉の可能性を予測しながら、もっとも自然な文章を組み立てています。

たとえば「ハッピー」の次は「バースデー」、その次は「トゥーユー」や「◯◯くん、◯◯ちゃん！」。1月なら「明けまして」の次は「おめでとうございます」。私たち人間も確率的に次の言葉を予測していますが、AIは世界中のデータからそれをやっているのです。

さらに、AIは言葉を「意味の近いものが近くに並ぶ形」で持っています。「柴犬・トイプードル・ゴールデンレトリバー」なら“犬の話”、「コーヒー・パン・スクランブルエッグ」なら“朝食の話”だと方向性で判断する。これがセマンティック検索／ベクトル検索と呼ばれる考え方で、“同じ言葉”ではなく“意味が近い情報”を探し出せます。

優劣ではなく、用途で使い分ける

個人利用には、はっきりとした限界がある

調べもの、要約、メール文作成、資料のたたき台、アイデア出し、会議メモ整理、Excel関数の相談、文章の言い換え——個人利用だけでも十分に便利です。それでも、組織で使おうとすると壁にぶつかります。理由は大きく5つ。

1. 1AIが自社の情報を知らない。一般知識は知っていても、自社の業務・顧客・ルールは知らない。
2. 2毎回、人が資料を探して貼る必要がある。
3. 3AIが答えても、仕事を進めるのは人間。チャットは会話で終わる。
4. 4チャットだけでは業務が回らない。
5. 5使う人と使わない人の差が広がる一方になる。

チャットAIから、仕事を進めるAIへ

生成AI活用の進化ステップ

自社が今どこにいて、どこまで行きたいのか。まずはこの「階段」で現在地を確かめるのがおすすめです。

AIが賢くなった今こそ、プロンプトが効いてくる

「AIは賢くなったからプロンプトは不要」という声もあります。一理はあります。曖昧な質問でも“それなり”の答えは返るし、呪文のような長文テンプレはもう要りません。けれど、「それなり」と「実務で使える」は違います。賢くなるほど、問いの質が成果を決める。エージェント時代は、指示の質がそのまま仕事の質になります。

良いプロンプトの5要素

1. 1役割 — 誰として答えてほしいか
2. 2背景 — 今どんな状況か、相手は誰か
3. 3目的 — 何のために使うか、どうなれば成功か
4. 4制約 — 守るべき条件、予算、NG条件
5. 5出力形式 — 文章、表、箇条書き、A4一枚、スライド案など

例：「美味しいオムライスの作り方を教えて」

同じ「オムライス」でも、返ってくるレシピはまったく別物になります。プロンプトが大事だというのは、こういうことです。

段階が進むほど、プロンプトは“設計図”になる

「組織で使える」を実現する3つの技術

① RAG：AIに自社資料を持たせる

RAG（検索拡張生成）とは、AIに社内資料や自社データを検索・参照させ、根拠に基づいて答えさせる仕組みです。「自社の資料を渡したら世の中に学習されてしまうのでは？」という不安に対して、学習させず、自社専用に参照だけさせるのがRAGの考え方です。

② AIエージェント：代理で仕事を進め、終わらせる

「来週の商談用に、提案のたたき台を準備して」と頼むと、AIエージェントは目的と納期を理解し、情報を探し、要点を整理し、たたき台を作り、足りない点を自分で見直し、最後に人間へ確認を求めます。単発の回答ではなく、仕事の“流れ”を作るのがエージェントです。

③ Vibe Coding：AIと業務アプリを作る

「問い合わせを一覧で管理する画面がほしい」と言葉で伝えるだけで、AIが画面とコードのたたき台を作り、その場で動かして会話で修正していく開発スタイルです。FAQ検索・参加者管理など、現場の小さな業務から“アプリ化”できます。

これから価値が上がるのは「現場とAIをつなぐ人」

FDE（Forward-Deployed Engineer）とは、現場の業務を理解し、AIやシステムを使って課題解決までつなげる人材のこと。非エンジニアの言葉で言えば、現場とAI・システムの橋渡しができる人です。困っている業務を、AIが分かる言葉（正しいプロンプト）に言語化して伝えられる力——これがいま日本で最も注目されています。

• 業務を理解する力／課題を分解する力
• 目的を言語化する力／必要なデータを見極める力
• AIに任せる範囲を決める力／人間の確認ポイントを設計する力
• 作りたいものを言葉にする力／現場と技術者の間に立つ力

何から始めるべきか — 小さく始める3ステップ

大事なのは、ツールを選ぶ前に「業務」を選ぶこと。そして、AIに見せるデータを整え、推進する人を決め、小さく試して改善することです。

1. 1業務を選ぶ：議事録／問い合わせ対応／提案書作成／社内FAQ／営業フォロー
2. 2データを整える：最新資料を決める／FAQを整理／顧客情報を整理／社内マニュアルを整える
3. 3人材を決める：現場の推進役／AI活用の管理者／業務と技術の橋渡し役

本日のまとめ

1. 1生成AIは、チャットから仕事実行の段階へ進んでいる
2. 2個人利用と組織活用では、必要な考え方が違う
3. 3AIが賢くなった今こそ、プロンプト・文脈設計が重要
4. 4組織活用には、RAG・AIエージェント・業務アプリ化が重要
5. 5これからは、現場とAIをつなぐFDE型人材が重要

生成AI活用は、もう「使うか／使わないか」の段階ではありません。
これからは、どの業務に、どのデータを使って、どこまでAIに任せるかを設計する段階です。

そのまま使える「補足資料」

そのまま使えるプロンプト・テンプレート

【　】を自分の業務に置き換えて、コピーして使ってください。

導入前セルフチェックリスト

• どの業務に使うか決まっているか
• AIに見せるデータは整理されているか／最新版が明確か
• 機密情報・個人情報の扱いを決めているか
• AIの出力を誰が確認するか決めているか
• 利用ツールの学習利用設定を確認しているか
• 成果指標を決めているか
• 現場の推進役を決めているか／小さく試す業務を決めているか
• RAG・エージェント・業務アプリ化の方向性を考えているか