Path 0: AI の基礎から | AI Foundations
推奨される先修パス 運用担当でも技術者でも管理者でも、まずこのパスで AI の基礎認識を作ることを勧める 最終更新: 2026-08-04 難易度: 入門 想定時間: 1 日 30 分、1 週間で全モジュール 前提: なし。ゼロから学べる
なぜ Path 0 が必要か
Path A/B/C は基本概念を理解している前提で書かれている。次の問いに自信がなければ、先に Path 0 を終えてほしい:
- LLM は結局どう動いているのか。なぜときどき「でっちあげる」のか
- Prompt の良し悪しで結果はどれだけ変わるのか。体系的な方法はあるのか
- RAG とは何か。なぜ AI は自社商品を知らないのか。どうすれば知らせられるのか
- Agent と普通の ChatGPT の会話は何が違うのか。自動化はどこまでできるのか
パスナビゲーション
flowchart LR
F1["F1 AI のこれまで"]
F1 --> F2
F2["F2 Prompt エンジニアリング"]
F2 --> F3
F3["F3 ナレッジベースと RAG"]
F3 --> F4
F4["F4 自動化と Agent"]
F4 --> F5
F5["F5 RPA とローコード"]
style F1 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F2 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F3 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F4 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F5 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
モジュール概要
| モジュール | テーマ | 理解できること | 想定時間 |
|---|---|---|---|
| F1. AI のこれまで | 機械学習から Agent までの流れ | LLM の本質は何か、なぜこれができるのか | 2 時間 |
| F2. Prompt エンジニアリング | CRISP フレームワーク + 上級テクニック + 本書の 6 ブロック記法と規律ブロック | 高品質な Prompt を体系的に書く方法、そしてモデルにデータをでっちあげさせない方法 | 3 時間 |
| F3. ナレッジベースと RAG | Embedding、ベクトル DB、RAG アーキテクチャ | 自社データを AI に理解させる方法 | 2 時間 |
| F4. 自動化と Agent | スクリプトから Agent までの 3 層 | AI Agent に何ができるか、どう使うか | 2 時間 |
| F5. RPA とローコード自動化 | n8n / Zapier / Make / Defy 実践 | 具体的なツールで自動化ワークフローを組む | 2〜3 時間 |
| F6. AI ツール比較 | ChatGPT / Claude / Gemini などの横断比較 | 各ツールの得意分野と選び方 | 1 時間(逐次参照) |
学習の進め方
- 運用担当: F1(認識づくり)と F2(Prompt が中核スキル)を重点的に。F3/F4 は概念の把握で十分
- 技術者: 5 モジュールすべて。F3/F4 は Path B の理論的土台
- 管理者: F1(チームと話す土台)と F4(自動化の限界の理解)を重点的に。F2/F3 はざっと通す
完了の目安
- LLM の仕組みを自分の言葉で説明できる(技術的詳細は不要、本質を外さなければよい)
- CRISP フレームワークで構造化した Prompt を書け、よくある失敗を直せる
- Prompt にデータ規律ブロックを足すべき場面と、それが防ぐ誤りの種類がわかる
- RAG の基本構成を理解し、直接聞くのではなく RAG を使うべき場面がわかる
- Agent と通常の会話の違いを理解し、どの業務が Agent 向きか判断できる
Path 0 の後は AI 活用の全体像 で俯瞰してから、役割に応じて次へ:
- 運用担当 → Path A: AI で運用を効率化
- 技術者 → Path B: AI システム構築
- 管理者 → Path C: AI 戦略の実行