シラバス解説

AIの歴史と分類から、生成モデルの種類、LLMの構造・トレーニング・評価までを一続きで押さえる章です。仕組みが分かると、プロンプトがなぜ効くのか、どこで失敗するのかを説明できるようになります。

• ・AI技術の歴史と基本概念
• ・生成AIの仕組みと応用
• ・LLMの構造とトレーニング
• ・LLMの特性理解

PEP検定の中核となる章です。プロンプトの基本構成4要素（Instruction / Context / Input Data / Output Indicator）から、応答の品質評価基準、Zero-Shot や Chain-of-Thought などの高度な手法までを扱います。

• ・効果的なプロンプト設計
• ・応答の評価と改善
• ・高度なプロンプト技術の理解と実践

文章・データ・営業企画・コード・外部ツール連携の5領域で、生成AIを業務にどう組み込むかを学ぶ章です。得意なことと不得意なことを見分け、人が確認する範囲を決める線引きが主題です。

• ・文章作成業務支援
• ・データ処理支援
• ・営業・企画業務支援
• ・コードを使用した業務効率化
• ・外部ツール連携技術

汎用モデルを自社の目的に合わせる方法を学ぶ章です。プロンプトの工夫、RAG（検索拡張生成）、ファインチューニングをコストと効果で使い分けられるようになります。

• ・カスタマイズの必要性と応用事例
• ・基本的なカスタマイズ技術
• ・高度なカスタマイズ手法

生成AIを組織で使うときに向き合う、倫理・リスク管理・法律の章です。誤情報やディープフェイク、営業秘密、知的財産権、個人情報まで、判断を迫られる論点を実務の手順に落とします。

• ・倫理的配慮
• ・リスク管理
• ・法的コンプライアンス

目標を渡すと自分で計画・実行・観測・反省を繰り返す AI エージェントの仕組みと、その判断材料であるコンテキストの設計技術を学ぶ章です。PAOR サイクル、コンテキストエンジニアリングの5原則、ツール連携（Function Calling・MCP・A2A）、そして安全対策までを扱います。

• ・AIエージェントの基本概念と意義
• ・AIエージェントの内部ループ
• ・コンテキストエンジニアリング総論
• ・コンテキストの構成要素と階層配置
• ・ツール呼び出しと関数設計