F1. AI 技術の変遷

トラック: Path 0: AI 基礎 · モジュール: F1 最終更新: 2026-07-31 難易度: 入門 所要時間: 2 時間 前提: なし。ゼロから学べます

flowchart LR
F1[" F1 AI 技術の変遷<br/>(現在地)"]:::current
F1 --> F2
F2["F2 プロンプトエンジニアリング"]
F2 --> F3
F3["F3 知識ベースと RAG"]
F3 --> F4
F4["F4 自動化と Agent"]
classDef current fill:#ff9900,stroke:#333,color:#fff,font-weight:bold

章ナビゲーション

1. 第一原理 · 2. 発展の系譜 · 3. Transformer · 4. 大規模言語モデル · 5. マルチモーダルと推論 · 6. Agent の時代 · 7. 越境EC の視点 · 8. 能力の境界 · 9. 今後のトレンド · 10. 学習リソース · 11. よくある罠 · 12. 完了チェック

このモジュールで理解できること

AI は魔法ではなく、明確な動作原理があります。原理を理解するのは技術者になるためではなく、AI に何ができて何ができないか、いつ間違えるかを知るためです。

このモジュールを終えると:

• LLM の本質を一言で説明できる(predict next token)
• 機械学習から Agent までの発展の流れを理解できる
• AI がなぜ「デタラメを言う」のか(幻覚の根本原因)がわかる
• あるタスクが AI に向いているか判断できる
• すべてのコア概念を越境EC のシーンで理解できる

核心の考え方: 数式を理解する必要はありませんが、AI の「思考様式」は理解する必要があります。エンジンの原理を知らなくても車は運転できますが、アクセル・ブレーキ・ハンドルが何をするかは知っている必要があるのと同じです。

1. 第一原理: LLM は結局何をしているのか

本節の数字は説明のために作ったものであり、実測値ではない。

1.1 一言で言うと

大規模言語モデル(LLM)の本質は、超強力な「次の単語予測器」です。

「今日の天気は本当に」と入力すると、LLM はあり得る次の語の確率を計算します:

• 「良い」 → 72%
• 「暑い」 → 15%
• 「寒い」 → 8%
• 「悪い」 → 3%
• その他 → 2%

そして最も確率の高いもの(または確率に従ってサンプリングしたもの)を選び、「良い」を出力。「今日の天気は本当に良い」を新しい入力として、また次の語を予測する。この繰り返しで完全な回答が生成されます。

それだけです。 ChatGPT、Claude、Gemini — すべての大規模言語モデルは、根底では同じことをしています: predict next token(次のトークンの予測)。

1.2 越境EC のアナロジーで理解する

あなたが経験豊富な Amazon 運営者で、「この商品のタイトルはどう書くべき?」と聞かれたとします。

あなたの脳はどう働くでしょうか?

1. 過去に見た数千の成功したタイトルを思い出す
2. 商品特性・キーワード・カテゴリの慣習から、各語が現れる可能性を判断する
3. 一語ずつタイトルを組み立てる

LLM のやることも本質的に同じです。ただし「見てきた」のは数千件ではなく、インターネット上のほぼすべてのテキスト — 数兆語。その「経験」はどんな人間よりも豊富ですが、経験はすべてテキスト由来で、商品が何であるかを本当に「理解」したことはありません。

1.3 トークン: AI の最小単位

LLM はテキストを「文字」や「単語」ではなく トークン 単位で処理します。

なぜトークンが重要か?

• コスト: API はトークン課金。GPT-4o は入力約 $2.50/百万トークン、出力 $10/百万トークン
• コンテキストウィンドウ: モデルごとに上限がある(GPT-4o: 128K、Claude 3.5: 200K)。超えると AI は前の内容を「覚えていられない」
• 速度: トークンが多いほど生成は遅くなる

実用テクニック: AI が前の話を「忘れた」と感じたら、会話がコンテキストウィンドウを超えた可能性が高い。対処: 新しい会話を開き、重要情報を再提供する。

1.4 なぜ「次の単語の予測」から知能が生まれるのか

最も直感に反する部分です: 「次の単語を予測するだけ」のシステムが、なぜ文章を書き、分析し、コードまで書けるのか?

答えはスケールにあります。学習データが十分大きく(数兆トークン)、パラメータが十分多い(数千億個)と、「次の単語予測」という単純なタスクがモデルに次のことを学ばせます:

GPT-3(2020)から GPT-4(2023)への飛躍がこれほど大きかったのはそのためです。アルゴリズムの本質的な変化ではなく、規模の量的変化が質的変化を引き起こした。この現象は**創発的能力(Emergent Abilities)**と呼ばれます: 小さいモデルには全くできないことが、大きいモデルには突然できるようになる。

出典：Emergent Abilities of Large Language Models

1.5 幻覚問題: AI はなぜ「デタラメを言う」のか

「次の単語の予測」を理解すれば、AI 最大の問題 — 幻覚(Hallucination) — も理解できます。

AI は「事実を思い出している」のではなく「最もありそうな次の語を予測している」。ある事実を支える学習データが不足していると、「もっともらしく見えるが実際は間違った」内容を生成します。

越境EC での幻覚の例:

幻覚への対処:

1. データ系の質問: 必ずツールで検証(Helium 10、Keepa、Seller Central)。AI の出す具体的な数字を信じない
2. コンプライアンス系の質問: AI の回答は出発点にすぎない。最終的には公式文書が基準(A6 コンプライアンス参照)
3. 分析系の質問: AI に実データを渡して分析させる。ゼロからデータを生成させない
4. 出典を要求する: プロンプトに「情報源を明記して」と加える。AI は出典もでっち上げ得るが、少なくとも検証は可能になる

核心原則: AI はアナリストであって、データベースではない。データを与えて分析させる = 信頼できる。何もないところからデータを出させる = 信頼できない。

2. 発展の系譜: ルールから知能へ

2.1 AI 発展のタイムライン

1950s〜1980s: シンボリック AI(ルールシステム)
人がルールを書く: 「レビューに 'broken' が含まれるならネガティブと判定」
長所: 説明可能、制御可能
短所: ルールは書き切れず、複雑なケースに対応できない

1990s〜2010s: 機械学習(統計的学習)
ルールを手書きせず、データからパターンを学ぶ
代表: 決定木、SVM、ランダムフォレスト
越境EC での応用: スパムフィルタ、単純な売上予測
短所: 特徴量は人が設計する必要がある(Feature Engineering)

2012〜2017: ディープラーニング(ニューラルネットの復興)
2012: AlexNet が ImageNet で従来手法を圧倒
代表: CNN(画像)、RNN/LSTM(テキスト)
越境EC での応用: 画像認識(商品分類)、感情分析
短所: RNN は長文処理の効率が悪く、学習が遅い

2017: Transformer アーキテクチャの誕生
Google の論文 "Attention Is All You Need"
中核の革新: 自己注意機構(Self-Attention)
RNN の長距離依存の問題を解決
ここがすべての転換点

2018〜2022: 事前学習大規模モデルの時代
2018: BERT(Google) — 理解型モデル
2019: GPT-2(OpenAI) — 生成型モデル
2020: GPT-3 — 175B パラメータ、Few-shot Learning が創発
2022: ChatGPT — AI が一般の視界に入る
越境EC での応用: レビュー分析、商品ページ生成、CS 自動化

2023〜2024: 大規模モデル競争
GPT-4、Claude 2/3、Gemini、Llama 2/3
マルチモーダル(テキスト+画像+音声)
コンテキストウィンドウが 4K → 128K → 1M+
越境EC での応用: マルチモーダル商品分析、長文書処理

2025〜2026: Agent の時代
「対話」から「行動」へ: AI は答えるだけでなくタスクを実行する
MCP プロトコルの標準化: AI が外部ツールへ接続する統一インターフェース
越境EC での応用: 運用モニタリング自動化、スマート補充、マルチプラットフォーム管理
私たちは今ここにいる ← ちょうど良いタイミングで来ましたね

出典：Attention Is All You Need (2017)、Emergent Abilities of LLMs

2.2 各段階を越境EC のアナロジーで

2.3 なぜ 2017 年がすべてを変えたのか

2017 年以前、テキスト処理の主流は RNN(再帰型ニューラルネットワーク)でした。RNN の問題は、単語を一つずつ順番に処理しなければならないこと — 文章を頭から最後まで読まないと理解できないのと同じです。

RNN のジレンマ(運営シーンのアナロジー):

500 語の商品レビューを分析するとします。RNN のやり方は:

1. 1 語目を読み、記憶する
2. 2 語目を読み、記憶を更新
3. 3 語目を読み、記憶を更新
4. …
5. 500 語目に達する頃には、前半の内容は「ぼやけて」いる

50 ページのレポートを読み終わる頃には冒頭を忘れているようなものです。

Transformer の解決策: 自己注意(Self-Attention)

Transformer は順次処理ではなく、すべての単語を同時に見て、各単語と他のすべての単語との関連度を計算します。

レポートを逐語的に読むのではなく、まず全体をざっと見て、重要な段落同士の関連をマークし、最も関連の深い部分へ直接ジャンプするようなものです。

この一見単純な変化が、2 つの革命的な優位性をもたらしました:

1. 並列計算: 全単語を同時処理。学習速度は逐語的な RNN より 1〜2 桁速い
2. 長距離依存: 1 語目と 500 語目の関連が失われない

重要な洞察: Transformer は「より良い RNN」ではなく、まったく新しい発想です。その成功はある真理を証明しています: 問題を解く最良の方法は、既存手法の改良ではなく、完全に異なる角度から取り組むことである場合がある。

3. Transformer の内側: Attention Is All You Need

本節の数字は説明のために作ったものであり、実測値ではない。

3.1 Transformer のコアコンポーネント

Transformer アーキテクチャは 2 つの主要部分から成ります:

Transformer アーキテクチャ
Encoder(エンコーダー) — 入力を理解する
自己注意層: 各単語と他の単語の関連を計算
フィードフォワード網: 各位置に非線形変換
残差接続 + 層正規化: 学習を安定させる

Decoder(デコーダー) — 出力を生成する
マスク付き自己注意層: 生成済みの単語しか見えない(「答えの盗み見」防止)
クロスアテンション層: Encoder の出力に注意を向ける
フィードフォワード網
残差接続 + 層正規化

モデルによって使う組み合わせが違います:

なぜ今は Decoder-only が主流? 「生成」が最も汎用的な能力だからです。分類は「ポジティブ/ネガティブ」を生成すれば実現でき、翻訳はターゲット言語を生成すれば実現できる。強力な生成モデル 1 つでほぼすべての NLP タスクがこなせます。

3.2 自己注意機構: 商品選定会議のアナロジー

商品選定会議を想像してください。机の上に競合レポートが 5 部(A、B、C、D、E)。

従来方式(RNN): A → B → C → D → E と順番に読む。E を読む頃には A の詳細はぼやけている。

自己注意方式(Transformer): 5 部を同時に机に広げて:

1. レポート A を見ながら他の 4 部にも目をやり、A と C が同じカテゴリを扱っていると気づく → A-C の関連に高スコア
2. レポート B を見て、B と E の価格帯が重なっていると気づく → B-E の関連に高スコア
3. どのレポートも、自分と他のレポートとの関連度を知っている状態になる

これが「注意スコア(Attention Score)」です。各単語が他のすべての単語との関連度を計算し、関連度で重み付けして情報を集約します。

数学的な直感(公式を覚える必要なし):

注意 = 私が探しているもの(Query)× あなたが提供できるもの(Key)→ マッチ度
最終出力 = マッチ度で重み付けした情報の集約(Value)

EC のアナロジー:

• Query = 「$20〜30 の Bluetooth イヤホンを探している」
• Key = 各商品のタグ(価格、カテゴリ、特徴)
• Value = 各商品の詳細情報
• 注意 = マッチ度に応じて、条件に合う商品に重点的に注目する

3.3 位置エンコーディング: AI に語順を教える

自己注意には問題が一つあります: すべての単語を同時に見るため、順序がわからない。「猫が魚を食べる」と「魚が猫を食べる」が同じに見えてしまう。

解決策が位置エンコーディング(Positional Encoding): 各位置に固有の数学的マーカーを与え、「この単語は 3 番目にある」とモデルに知らせます。

Amazon の箇条書きに番号があるのと同じです — 1 番目の Bullet と 5 番目の Bullet では重みが違う。位置そのものが情報を持っています。

3.4 パラメータ数とモデル規模

パラメータ数 ≠ 能力。 より重要なのは学習データの質、学習手法(RLHF、DPO)、推論の最適化です。Llama 3.1 70B は多くのタスクで GPT-4 に迫りますが、パラメータ数は 1/25 です。

4. 大規模言語モデル: GPT からマルチモーダルへ

関連: F2 プロンプトエンジニアリング 実践は F2 へ

4.1 GPT シリーズの進化

GPT(Generative Pre-trained Transformer)は OpenAI のモデル群で、「大規模言語モデル」という概念の牽引役です。

GPT-1 (2018): 1.17 億パラメータ
「事前学習 + ファインチューニング」のパラダイムが有効と証明
能力は限定的で、主に学術研究向け

GPT-2 (2019): 15 億パラメータ
初めて「ゼロショット」能力を示す(ファインチューニングなしでタスクをこなす)
OpenAI は一時「危険すぎる」として完全版を非公開に
今から見れば能力は基礎的

GPT-3 (2020): 1,750 億パラメータ
質的転換点: Few-shot Learning が創発
例を数個見せれば新しいタスクを習得
商用価値が生まれ始める
API 公開が大量の AI スタートアップを生む

ChatGPT (2022.11): GPT-3.5 + RLHF
モデルの突破ではなく、対話方式の突破
RLHF(人間のフィードバックによる強化学習)が「人間らしい対話」を教えた
2 か月で 1 億ユーザー、史上最速
AI が技術界から一般社会へ

GPT-4 (2023.3): マルチモーダル + 強化された推論
画像入力に対応(画像の説明、チャート分析)
推論能力が大幅向上(司法試験、SAT などに合格)
128K コンテキストウィンドウ
越境EC 応用が爆発: 商品ページ生成、レビュー分析、多言語翻訳

GPT-4o (2024): ネイティブマルチモーダル
テキスト・画像・音声を統一処理
より速く、より安く
リアルタイム音声対話
越境EC: 商品画像分析、競合のビジュアル比較

GPT-4.5 / GPT-5 (2025〜2026): 深い推論
より強い論理推論と計画能力
より長いコンテキストウィンドウ
より優れたツール使用能力
越境EC: 複雑な意思決定支援、自動化ワークフロー

4.2 主要モデル比較(2026 年初)

越境EC での推奨:

• 日常運営(商品ページ、レビュー、CS): Claude Sonnet 4 か GPT-4o — 速い、質が高い、コストが妥当
• 深い分析(市場レポート、競合研究): Claude Opus 4 — 長文処理と深い推論が最強
• 多言語翻訳: GPT-4o か Gemini — 多言語能力が最もバランス良い
• 低予算: DeepSeek V3 — コスパ抜群、中国語シーンで優秀
• データプライバシー重視: Llama 3.3 ローカル展開 — データがサーバーから出ない(B5 ローカルモデルのデプロイ参照)

4.3 RLHF: AI に「人の言葉」を教える

素の GPT-3 は能力こそ高いものの、出力は人間の期待にそぐわないことが多かった — 正しい答えでも形式が乱雑だったり、有害コンテンツを生成したり。

RLHF(Reinforcement Learning from Human Feedback、人間のフィードバックによる強化学習) は、AI を「能力は高いが使いにくい」から「能力が高くて使いやすい」に変えた鍵となる技術です。

RLHF の 3 ステップ:

Step 1: 教師ありファインチューニング(SFT)
人間のアノテーターが高品質な Q&A ペアを書く
そのデータでモデルをファインチューニング
アナロジー: 新入社員に標準業務マニュアルを渡す

Step 2: 報酬モデル(RM)の学習
モデルに複数の回答を生成させる
人間が回答をランキング(どれが良いか)
人間の好みを模倣する「採点モデル」を学習
アナロジー: 良い回答を見分けられる検品担当を育てる

Step 3: 強化学習による最適化(PPO/DPO)
報酬モデルのスコアで生成モデルを最適化
モデルは「人間が良いと感じる」回答の生成を学ぶ
アナロジー: 検品のフィードバックで社員が仕事を改善し続ける

RLHF の効果:

重要な洞察: ChatGPT の成功は GPT-3.5 が GPT-3 よりどれほど強かったかではなく、RLHF が「人の言葉で話す」ことを教えたからです。技術のブレークスルーとユーザー体験のブレークスルーは別物です。

5. マルチモーダルと推論: AI の感覚のアップグレード

5.1 マルチモーダルとは

初期の LLM はテキストしか扱えませんでした。マルチモーダルモデルは複数種類のデータを同時に扱えます:

マルチモーダル能力の進化:

2023: テキスト + 画像入力(GPT-4V)
画像を見て質問に答える
チャートやスクリーンショットを分析
越境EC: 競合の画像をアップして AI に分析させる

2024: テキスト + 画像 + 音声(GPT-4o、Gemini)
リアルタイム音声対話
動画コンテンツの理解
越境EC: 商品動画の分析、音声カスタマーサポート

2025〜2026: 統一マルチモーダル(Gemini 2.5、GPT-5)
テキスト・画像・音声・動画をシームレスに行き来
画像や動画の生成
越境EC: 商品メイン画像や A+ コンテンツの自動生成

5.2 越境EC でのマルチモーダル応用

実践例 — 競合メイン画像の分析:

この Amazon 商品メイン画像を分析してください(画像をアップロード):

1. 商品の見せ方のアングルと構図
2. 背景の処理方法
3. インフォグラフィック要素の有無
4. 推定の撮影コストと制作難易度
5. 参考にすべきデザインの見どころ 3 つ
6. 改善できる点 3 つ
7. 類似商品を作る場合のメイン画像戦略の提案

<データ規律>
- 金額・販売数・順位・料率に関わる数字は、上で私が提供した情報にあるものだけを使う。渡していないものはすべて「欠測」とし、**推定も、記憶にある業界平均やプラットフォーム料率の引用も禁止**。それらは古くなるうえ、私は実際の資金を投じる判断に使うかもしれない
- 続けるためにある数字が必要なときは、どこで何の項目を調べるべきかを伝え、そこで止まって私の補足を待つこと
- 結論ごとに出典を付す: [私が提供した情報] または [モデル推測]。推測の場合はその根拠も示すこと
</データ規律>

5.3 推論能力の進化

2024〜2025 年の大きな進展の一つが推論能力の向上です。

推論とは? 学習データから答えを単純に「思い出す」のではなく、論理的なステップで答えを「導出する」ことです。

単純な想起(初期の LLM):
Q: 「フランスの首都は?」
A: 「パリ」 ← 学習データからそのまま想起

推論(新世代の LLM):
Q: 「仕入コスト ¥50、FBA 手数料 $5、販売手数料 15%、
売価 $25 のとき、利益率は?」
A: 多段階の計算が必要:
1. 仕入コストの換算: ¥50 ÷ 7.2 ≈ $6.94
2. 総コスト: $6.94 + $5 + $25×15% = $6.94 + $5 + $3.75 = $15.69
3. 利益: $25 − $15.69 = $9.31
4. 利益率: $9.31 / $25 = 37.2%

推論モデルの代表:

実用アドバイス: 日常業務(商品ページ、翻訳、CS 返信)は通常モデルで十分 — 速くて安い。複雑な分析(利益試算、市場評価、戦略立案)のときだけ推論モデルを使う。

6. Agent の時代: 対話から行動へ

関連: F4 Agent 自動化 実践は F4 へ

6.1 AI Agent とは

通常の LLM 対話: 質問すると答えが返る。コンサルタントに相談するのと同じ — 助言はくれるが、実行はしてくれない。

AI Agent: AI は答えるだけでなく、ツールを使い、タスクを実行し、自律的に判断する。アシスタントを雇うようなもの — 助言だけでなく、メールを送り、データを調べ、レポートまで作ってくれる。

通常の対話 vs Agent:

通常の対話:
あなた: 「この競合のレビューを分析して」
AI: 「分析の結果、主な不満点は...」(テキストで回答)

Agent:
あなた: 「この 5 つの競合をモニタリングして、毎週分析レポートを作って」
AI:
1. Amazon API を呼んで最新レビューデータを取得
2. NLP ツールで感情分析とトピック抽出
3. 先週のデータと比較し、変化の傾向を発見
4. 構造化レポートを生成
5. あなたのメールに送信
6. 来週も自動で繰り返す

6.2 Agent のコア能力

6.3 MCP プロトコル: AI の「USB-C ポート」

2025 年、Anthropic は MCP(Model Context Protocol、モデルコンテキストプロトコル) を発表し、AI が外部ツールへ接続する業界標準として急速に普及しました。

MCP は何を解決したのか?

MCP 以前は、AI ツールが外部システムに接続するたびにカスタム統合コードが必要でした。初期の携帯電話のように、ブランドごとに充電端子が違っていたのです。

MCP は AI 世界の USB-C — 標準化されたプロトコル 1 つで、どの AI モデルも統一された方法であらゆる外部ツールに接続できます。

MCP アーキテクチャ:

AI モデル(Claude/GPT/Gemini)
MCP プロトコル
MCP Server(ツールアダプタ)

外部ツール/データソース
ファイルシステム(ローカルファイルの読み書き)
データベース(データの照会と更新)
API(サードパーティサービスの呼び出し)
メールシステム(メールの送受信)
接続したいあらゆるシステム

越境EC での MCP 応用シーン:

出典：Anthropic MCP Documentation、MCP Guide 2026

7. 越境EC の視点: 各ステップでの AI の役割

7.1 AI 能力と EC ステップのマッピング

越境EC のフルチェーン × AI 能力マトリクス:

商品リサーチ ←→ テキスト分析 + 推論
レビューの不満点抽出(テキスト分析)
市場性の評価(推論)
キーワード需要のクラスタリング(テキスト分析)
トレンド予測(推論 + データ分析)

商品ページ制作 ←→ テキスト生成 + 多言語
タイトル/箇条書き/説明の生成(テキスト生成)
多言語ローカライズ(翻訳 + 文化適応)
A+ コンテンツの企画(マルチモーダル生成)
SEO キーワード最適化(テキスト分析)

広告運用 ←→ データ分析 + 生成
検索語レポート分析(データ分析)
広告コピー A/B テスト(テキスト生成)
入札戦略の提案(推論)
予算配分の最適化(データ分析 + 推論)

CS・アフターケア ←→ テキスト生成 + 多言語 + 感情分析
多言語の CS 返信(生成 + 翻訳)
低評価の分析と対応(感情分析 + 生成)
申立書の作成(生成 + 推論)
返品理由の分析(テキスト分析)

在庫・サプライチェーン ←→ 予測 + 推論
売上予測(時系列予測)
補充の意思決定(推論)
安全在庫の計算(データ分析)
サプライヤー評価(テキスト分析 + 推論)

コンプライアンス・リスク ←→ 知識検索 + 推論
複数市場のコンプライアンス照会(知識検索)
認証要件の整理(テキスト分析)
リスク評価(推論)
コンプライアンス文書の生成(テキスト生成)

7.2 各 AI 技術の EC における成熟度

核心原則: 成熟度が高いシーンほど安心して使え、低いシーンほど人の監督が必要。Agent 自動化がまだ未成熟な段階で、広告予算の自律管理を任せてはいけません。

7.3 AI ツール選択のデシジョンツリー

何をしたい?

コピーを書く(商品ページ/広告/メール)
ChatGPT / Claude で生成 → 人がレビュー → 公開

データを分析(レビュー/キーワード/レポート)
少量(<100 件)→ ChatGPT/Claude に直接貼り付け
中量(100〜1,000 件)→ ファイルを ChatGPT/Claude にアップロード
大量(>1,000 件)→ Python + AI API(Path B 参照)

翻訳/ローカライズ
単純な翻訳 → ChatGPT/Claude/DeepL
本格的なローカライズ → AI 初稿 + ネイティブレビュー

画像/動画の分析
GPT-4o / Gemini にアップロード → 分析結果を取得

予測/意思決定
クイック評価 → ChatGPT/Claude + あなたが用意したデータ
精密な予測 → Python + Prophet/AutoGluon(Path B 参照)

自動化/Agent
簡単な自動化 → Zapier/Make + AI
中程度の自動化 → MCP + Claude/GPT
高度な自動化 → LangGraph/CrewAI(Path B 参照)

8. AI の能力の境界: できること、できないこと

8.1 AI が得意なこと(安心して使う)

8.2 AI が苦手なこと(慎重に使う)

8.3 AI に絶対させてはいけないこと(使わない)

9. 今後のトレンド: 次に何が起きるか

9.1 2026〜2027 年の AI トレンド

9.2 越境EC 従事者へのアドバイス

短期(今すぐやる):
ChatGPT/Claude で日常運営をこなせるようになる(Path A)
プロンプトのテンプレート集を作る(F2 モジュール)
毎日最低 1 つのタスクを AI で完了する

中期(3〜6 か月):
RAG を習得し、AI に自社データを理解させる(F3 モジュール)
簡単な Agent 自動化を試す(F4 モジュール)
チームの AI 利用規範を作る(Path C)

長期(6〜12 か月):
AI 駆動の運営システムを構築(Path B)
ローカルモデル展開を探索(データプライバシー)
EC 垂直 AI ツールの発展を追う

最も重要なアドバイス: AI が「完璧」になるのを待たないこと。AI は永遠に完璧になりませんが、今すでに十分に優秀です。早く使えば早く恩恵を受け、遅れれば競合に優位を譲るだけです。

10. 学習リソース

10.1 入門におすすめ(前提知識ゼロ)

10.2 さらに深く

10.3 継続的なフォロー

11. よくある罠

11.1 「モデルが更新された」を「方法論が変わった」と受け取る

技術の進みは速いが、実際にできることの境界は、リリースの頻度ほど速く動かない。新版が出るたびにワークフローを作り直すのは、この分野で最もありがちな時間の浪費だ。判断基準は 1 つ、これまでできなかったタスクが、今はできるようになったか。そうでなければ何も触らなくてよい。

11.2 過去の型番の挙動から現在の能力を推し量る

本章に出てくる GPT-3 や Claude 2 は叙述の対象だ。当時の制約(短いコンテキスト、ツール利用不可)を根拠に今できるかどうかを判断すると、結論は大きく保守側に振れる。現在の能力はモデルマトリクスを見ること。

11.3 能力だけ見てコスト曲線を見ない

2 年前は採算が合わず今は合うタスクは、モデルが賢くなったからではなく単価が一桁下がったから、というケースが多い。実行可能性の評価では両方の曲線を併せて読むこと。

12. 完了チェック

• 「LLM は next token predictor である」を自分の言葉で説明できる
• Transformer の自己注意機構を理解した(数学不要、直感で OK)
• GPT/Claude/Gemini/Llama の違いとそれぞれの強みを知っている
• RLHF がなぜ ChatGPT を GPT-3 よりずっと使いやすくしたのか理解した
• AI の幻覚の原因と対処法を知っている
• Agent と通常の対話の違いを理解した
• MCP プロトコルが何か、なぜ重要かを知っている
• ある EC タスクが AI に向くかどうか判断できる

以上をすべて完了すれば、しっかりした AI の基礎認識ができています。次は F2 プロンプトエンジニアリングへ。AI との体系的なコミュニケーション方法を学びます。

この方法が効かないとき

• モデル選定の根拠として使いたいとき。 本章が扱うのは、モデルの能力がどこから来るのか、なぜハルシネーションが起きるのかという基礎的な仕組みであって、選定ガイドではない。どのモデルを使うかは モデルマトリクス と F6 を見ること。あちらには検証日があり、本章にはない。
• 「AI に X ができるか」の答えを探しているとき。 Transformer を理解しても、AI が自社の Listing を書けるかどうかはわからない。能力の境界は実測で決まるもので、原理から演繹して出るものではない。AI 活用成熟度マップ は業務工程ごとに成熟度を示していて、演繹より確かな出発点になる。
• 技術的な細部が自分の判断を変えないとき。 コードも書かず技術選定もしないなら、注意機構の数式を読んでも使い道がない。本章で効くのは「なぜモデルは自信を持って作り話をするのか」の部分で、日々の判断はそこだけで大半が支えられる。残りは飛ばしてよい。

付録: 用語集