シラバス解説

AIエージェント・ストラテジスト試験
シラバス完全マップ

公式シラバス ver1.0 が定める全6章・32セクションを、到達目標と主要キーワード付きで一覧化しました。

試験時間 75分 多肢選択式（4択） 6章 / 32セクション 第1回 2026年7月
本ページは試験範囲の全体地図です。各セクションの詳しい解説記事は順次公開し、公開され次第このマップからリンクします。まず全体像をつかみ、自分の弱点セクションから学習を進めてください。

試験を貫く3つの中核領域

Ch.1・3・4
AIエージェント

生成AIの仕組みからエージェントの構成・MCP・RAG・リスクまで。「何ができて何が危ういか」を判断する土台。

Ch.2・3
業務・データ設計

As-Is/To-BeとBPRで業務を構造化し、AIが読めるデータへ。PoCと成功定義まで設計する。

Ch.5・6
組織実装・定着

推進体制・KPI・人材評価・チェンジマネジメントで、導入を“組織変革”として定着させる。

6章32セクション 詳細マップ

Chapter 1

生成AIとAIエージェントの基礎

到達目標：AIエージェントの定義・構成要素・起動タイプ・RPAとの違い・MCP・導入価値・リスク・トレンドを説明できる。

1生成AIの基礎

仕組み・得意領域・限界を理解し、業務適用の前提を説明できる

生成AILLMプロンプトモデルルーティング
解説を読む→
2AIエージェントの定義と構成要素

頭脳・記憶・手足の関係を理解し、自律性レベルを判断できる

AIエージェント三位一体自律性ツール連携
解説を読む→
3AIエージェントの起動タイプ

指示型・定時型・条件型の違いを理解し、業務に適した起動方式を選べる

指示型定時型条件型起動タイプ
解説を読む→
4RPAとAIエージェントの違い

定型処理と文脈判断が必要な処理を区別し、使い分けられる

RPA定型処理非構造化データハイパーオートメーション
解説を読む→
5エージェントの接続標準 MCP

外部ツール・システムと接続する意義を理解し、MCPの位置づけを説明できる

MCPAPIM×N問題ツール選択の自動化
解説を読む→
6AIエージェント導入の価値

定量・定性メリットとROI／TCOを整理し、リスクも含め総合的に価値を説明できる

定量メリット定性メリットROITCO
解説を読む→
7AIエージェントのリスクと対策

信頼性・形骸化・ブラックボックス化・セキュリティ／倫理の4リスクと対策を整理できる

信頼性リスク形骸化リスクブラックボックス化セキュリティ・倫理
解説を読む→
8生成AIの発展トレンド

エージェント化・ドメイン特化・モデル強化の3軸を理解し業務適用を判断できる

エージェント化ドメイン特化マルチモーダルSLM
解説を読む→
Chapter 2

業務の基礎

到達目標：As-Is/To-Be、BPR、ECRS、IPO、SIPOC、HTA、業務フロー図で導入前に業務を構造化できる。

9業務の構造的理解

仕事・業務・作業を区別しIPOで分解、As-Is整理とTo-Be設計ができる

As-IsTo-BeIPO業務分解
解説を読む→
10BPR（業務改革）の基礎

既存業務をそのまま自動化する危険性を理解し、BPRとECRSで改善余地を整理できる

BPRECRS汚い自動化業務改革
解説を読む→
11業務可視化の手法

IPO・SIPOC・HTA・業務フロー図を使い分け、AIに渡せる粒度まで可視化できる

IPOSIPOCHTA業務フロー図
解説を読む→
Chapter 3

AIデータリテラシーとマネジメント

到達目標：ナレッジ、データ種別、RAG、ガバナンス、法務、データ整備、PoC、成功定義を整理できる。

12ナレッジマネジメントの基礎

暗黙知と形式知の違い、SECIモデルの循環を理解し知識を組織資産にできる

暗黙知形式知ナレッジベースSECIモデル
解説を読む→
13データの種類と特性

構造化／半構造化／非構造化の違いと担い手を理解し、AI活用に必要なデータ特性を判断できる

構造化データ非構造化データ半構造化データメタデータ
解説を読む→
14RAGの仕組み

検索と生成を組み合わせるRAGの基本構造を理解し、精度問題を検索側と生成側に切り分けられる

RAGチャンクセマンティック検索検索精度と生成精度
解説を読む→
15AIガバナンスと法務

AIポリシーと3つの法的リスクを理解し、法務との橋渡し役を担える

AIポリシー著作権個人情報保護法責任分界点
解説を読む→
16AIが読みやすいデータを作る

7つの習慣とAI Readyデータの4特性で、AIが参照しやすい情報設計ができる

7つの習慣AI Readyデータメタデータデータ整備
解説を読む→
17AIプロジェクトの進め方

3つの不確実性を踏まえ、PoCと判断ゲートで小さく検証しながら本運用へ進められる

PoC判断ゲートMVP業務分析
解説を読む→
18AIプロジェクトの成功の定義

効果・定着・精度の3層で定義し、導入前に測定指標とベースラインを設計できる

3層フレームワーク効果層定着層精度層
解説を読む→
Chapter 4

自動化レベルとワークフロー設計

到達目標：自動化レベル、トリガー、アクション、変数、条件分岐、コンテキスト設計で動作の骨格を設計できる。

19自動化レベルの進化論と最適解

4つの自動化レベルを理解し、Lv.3ワークフロー型を起点に段階導入を判断できる

自動化レベルワークフロー型自律型MVP
解説を読む→
20ワークフロー設計：トリガーとアクション

開始条件と実行処理を分け、アクションを連鎖させて基本ワークフローを設計できる

トリガーアクション連鎖Human-in-the-Loop
解説を読む→
21ワークフロー設計：変数と条件分岐

変数と3種の条件分岐、エラーハンドリングで柔軟な処理を設計できる

変数ルーティングIf/Elseフィルタリング
解説を読む→
22コンテキストエンジニアリング概論

プロンプトとの違いを理解し、渡す情報全体（量より質）を設計できる

コンテキスト設計プロンプトとの違いLost in the Middle量より質
解説を読む→
Chapter 5

人と組織から考えるAI時代の組織設計

到達目標：推進体制、評価指標、チェンジマネジメント、関係者の問いへの答え方を整理し、導入を組織変革として扱える。

23AIエージェント導入と組織文化の変革

道具ではなく同僚として捉え、リスク別の権限委譲とHITLを設計できる

組織文化権限委譲Human-in-the-Loopデリゲーション
解説を読む→
24AIエージェント推進の組織類型

中央集権型・分散型・ハイブリッド型の特徴と逆転関係を理解し、自社に合う体制を判断できる

中央集権型分散型ハイブリッド型CoE
解説を読む→
25人材評価と指標の再設計

アウトカム指標とKGI/KPI/OKRを使い分け、JD再設計まで評価設計の論点を整理できる

アウトカム指標KGI/KPI/OKRロングテール課題JD再設計
解説を読む→
26チェンジマネジメント

抵抗の心理プロセスと抵抗曲線の谷を理解し、定着を設計できる

否認・抵抗・受容抵抗曲線心理的安全性Fail-Fast
解説を読む→
27現場で直面する5つの問いと答え方

経営層・現場・IT・法務からの5つの問いに、正確かつ伝わる形で答えられる

5つの問いROI責任分界伝わる答え方
解説を読む→
Chapter 6

AIエージェントを実装する5Dモデル

到達目標：Discovery〜Deployment & Scaleを通じて、企画から定着までを設計できる。

285Dモデル Step 1：Discovery

ボトルネック特定とAI適合性診断の2段階で、対象業務を選定できる

DiscoveryボトルネックAI適合性優先順位マトリクス
解説を読む→
295Dモデル Step 2：Definition

業務フロー・要件定義・ペルソナ・合格基準の4成果物で対象業務を定義できる

Definition要件定義ペルソナ合格基準
解説を読む→
305Dモデル Step 3：Design

コンテキスト・I/O・セキュリティの3領域でAIエージェントを設計できる

Designコンテキスト設計I/O設計セキュリティ設計
解説を読む→
315Dモデル Step 4：Development & PoC

サンドボックスで検証し、合格基準でGo/No-Go/Pivotを判断できる

プロトタイプサンドボックスフィードバックループGo/No-Go/Pivot
解説を読む→
325Dモデル Step 5：Deployment & Scale

パイロット→ロールアウト→スケーリングとAI-SECIで定着まで設計できる

パイロットロールアウトスケーリングAI-SECI
解説を読む→

あわせて読みたい

試験概要・資格の価値 → AICX協会と新資格の位置づけ。まずここから 申込・受験料・試験形式 → 75分・多肢選択式・14,800円。申込フローを整理 難易度と合格戦略 → 標準40〜50時間。学習ロードマップを解説 予想問題に挑戦 → 本試験形式の予想問題5問＋全解説を無料公開
※ 本マップは AICX協会 公式シラバス ver1.0 の構成に基づき、当サイトが到達目標・キーワードを要約・再構成したものです（公式テキスト本文の転載ではありません）。シラバスは改訂される場合があります。最新の正式情報は必ず AICX協会公式サイト でご確認ください。
シラバス解説

コンテキストエンジニアリングとは？プロンプトとの違いと出力品質を上げる設計【ストラテジスト試験 Sec.22】

AIエージェント・ストラテジスト試験シラバスSection22「コンテキストエンジニアリング概論」を解説。プロンプトエンジニアリングとの違い、LLMに渡す情報の種類、コンテキストの4つの課題（情報量の限界・Lost in the Middle・汚染・混乱）、そして「情報は多いほど良いは誤解」という設計原則を、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
シラバス解説

ワークフローの変数と条件分岐｜ルーティング・If/Else・フィルタリングの使い分け【ストラテジスト試験 Sec.21】

AIエージェント・ストラテジスト試験シラバスSection21「ワークフロー設計：変数と条件分岐」を解説。変数で処理を柔軟にする考え方、条件分岐の3種類（ルーティング・If/Else・フィルタリング）の見分け方、分岐の粒度の判断、そして「業務を止めない」エラーハンドリングを、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
シラバス解説

ワークフロー設計の基本｜トリガーとアクションの組み立て方【ストラテジスト試験 Sec.20】

AIエージェント・ストラテジスト試験シラバスSection20「ワークフロー設計：トリガーとアクション」を解説。開始条件であるトリガーの種類、アクションの3分類（データ処理・生成/判断・実行/連携）、1つのトリガーに複数アクションを連鎖させる設計、トリガー選定の考え方を、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
シラバス解説

自動化レベルの4段階とは？Lv.3ワークフロー型が現実解になる理由【ストラテジスト試験 Sec.19】

AIエージェント・ストラテジスト試験シラバスSection19「自動化レベルの進化論と実務における最適解」を解説。アドホック・カスタムチャットボット・ワークフロー・自律型エージェントの4レベル、電車と自家用車の比喩、レベルの見分け方、そしてLv.3ワークフロー型が多くの企業の現実解になる理由を整理します。
2026.05.27
シラバス解説
シラバス解説

AIプロジェクトの成功の定義とは？効果・定着・精度の3層フレームワーク【ストラテジスト試験 Sec.18】

AIエージェント・ストラテジスト試験シラバスSection18「AIプロジェクトの成功の定義」を解説。成功定義が割れる理由、効果層・定着層・精度層の3層フレームワークと「定義はトップダウン／達成はボトムアップ」の二重構造、ベースライン測定や「使いたくない」理由の4分類を、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
シラバス解説

AIプロジェクトの進め方とは？PoCと判断ゲートで小さく検証する【ストラテジスト試験 Sec.17】

AIエージェント・ストラテジスト試験シラバスSection17「AIプロジェクトの進め方」を解説。AIプロジェクト固有の3つの不確実性、PoC（概念実証）と判断ゲートを軸にした全体フロー、実験フェーズの5ステップ（初期相談・業務分析・スコープ設計・MVP開発・効果検証）を、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
シラバス解説

AIが読みやすいデータを作る7つの習慣とAI Readyデータ【ストラテジスト試験 Sec.16】

AIエージェント・ストラテジスト試験シラバスSection16「AIエージェントが読みやすいデータを作る」を解説。人とAIで「読みやすさ」が違う理由、今日からできる7つの習慣、AI Readyデータの4特性（正確性・可視性・追跡可能性・安全性）、既存データをどこまで整形するかの判断を、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
シラバス解説

AIガバナンスと法務とは？AIポリシー・3つの法的リスク・法務との橋渡し【ストラテジスト試験 Sec.15】

AIエージェント・ストラテジスト試験シラバスSection15「AIガバナンスと法務」を解説。AIポリシー（入力許可／禁止データの定義）と利用ガイドライン、著作権・個人情報保護法・責任分界点の3つの法的リスク、そして技術を法的リスクの言葉に翻訳する「法務との橋渡し」を、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
シラバス解説

RAG（検索拡張生成）の仕組みとは？2フェーズと精度の切り分け【ストラテジスト試験 Sec.14】

AIエージェント・ストラテジスト試験シラバスSection14「RAGの仕組み」を解説。RAGが必要な理由、保存フェーズと検索・生成フェーズの2段階、チャンク分割やセマンティック検索の考え方、そして「検索の精度」と「生成の精度」に切り分けて改善するストラテジストの視点を整理します。
2026.05.27
シラバス解説
シラバス解説

データの種類と特性とは？構造化・非構造化・半構造化の使い分け【ストラテジスト試験 Sec.13】

AIエージェント・ストラテジスト試験シラバスSection13「データの種類と特性」を解説。構造化・非構造化・半構造化データの定義と具体例、それぞれに最適な処理の担い手（API／LLM／入出力インターフェース）、メタデータの役割を、試験の判断問題に対応できる形で整理します。
2026.05.27
シラバス解説
次のページ