本記事は、AIエージェント・ストラテジスト試験（AICX協会主催）の公式シラバスver1.0 Chapter 1 / Section 1「生成AIの基礎」 の解説です。シラバスの一番最初に置かれたこのセクションは、試験全体の出発点。次のSection2で学ぶ「AIエージェント」の頭脳にあたるのが生成AIであり、ここを誤解したまま進むと、リスク管理もワークフロー設計もずれてしまいます。
このセクションの到達目標は、「生成AIの仕組み・得意領域・限界を理解し、業務適用の前提を説明できる」 こと。試験は判断を問うので、「生成AIとは何か」を言えるだけでなく、「どの業務になら任せてよく、どこは任せてはいけないか」を説明できるところまでが求められます。
生成AIとは何か：従来のAIとの違い
生成AI（Generative AI）とは、文章・画像・コードなどの新しいコンテンツを作り出すAIの総称です。従来よく使われてきたAIが「これは犬か猫か」「この申込は不正か否か」といった識別・分類・予測を得意としていたのに対し、生成AIは「続きを作る・新たに生み出す」点が決定的に異なります。
ビジネスで話題になる生成AIの中心にあるのが、大規模言語モデル（LLM：Large Language Model）です。ChatGPTなどはこのLLMを使ったサービスで、人間が書いたような自然な文章を生成できます。
生成AIの仕組み（ざっくり理解でOK）
ストラテジストは研究者ではないので、仕組みは「業務判断に必要な範囲」で押さえれば十分です。ごく大づかみに言うと、生成AIは 大量のテキストを学習して「ことばの並び方のパターン」を獲得し、入力（プロンプト）に対して“もっともらしい続き”を確率的に生成している、と理解してください。
ここで最重要なのは、生成AIは内容の意味を「理解」して答えているわけではないという点です。あくまで「この文脈なら、次はこの言葉が来るのが自然だ」という確率にもとづいて文章を組み立てています。だからこそ、もっともらしいけれど事実と異なる回答（ハルシネーション）が起こります。これは欠陥ではなく仕組み上の性質であり、業務に使う前提として必ず押さえておくべきポイントです。
出力の質はプロンプトで決まる
生成AIは「入力（プロンプト）」次第で出力が大きく変わります。同じモデルでも、指示の出し方が曖昧だと曖昧な答えしか返りません。実務で品質を安定させるには、次の4要素を意識すると効果的です。
| 要素 | 内容 | 例 |
|---|---|---|
| 役割 | どんな立場で答えてほしいか | 「あなたは社内ヘルプデスクの担当者です」 |
| 文脈 | 前提・背景の情報 | 「対象は経理部門の新人向けです」 |
| 指示 | してほしいこと | 「以下の問い合わせに3行で回答して」 |
| 制約 | 守ってほしい条件 | 「推測は禁止。不明な点は“確認が必要”と書く」 |
特に制約（してはいけないことの明示）は、ハルシネーション対策として効果的です。「分からないことは“分からない”と答える」と指示するだけでも、もっともらしいウソは減らせます。
生成AIの「得意」と「苦手」
業務適用を判断するうえで最も実務的なのが、得意・苦手の見極めです。得意な仕事に寄せれば大きな効果が出ますが、苦手な仕事をそのまま任せると事故につながります。
苦手なことには共通点があります。「最新の事実」「正確な計算・集計」「社内固有の知識」——いずれも、生成AIが学習時点で持っていない、あるいは確率的生成と相性が悪い領域です。重要なのは、これらをあきらめるのではなく、別の仕組みで補うという発想です。
- 社内固有の知識が苦手 → 社内文書を参照させる仕組み（RAG）で補う（Section14で解説）
- 正確な計算が苦手 → 計算はツール・システムに任せる（エージェントの「手足」。Section2・5で解説）
- 事実の保証ができない → リスクの高い回答は人が確認する（有人確認）
限界とリスクを正しく知る
生成AIを業務に入れる前提として、次の3つの限界は必ず押さえておきましょう。
- ハルシネーション：もっともらしいが事実と異なる出力。仕組み上ゼロにはできない。
- 知識のカットオフ：学習した時点より新しい出来事は基本的に知らない。
- 再現性の低さ：同じ質問でも毎回まったく同じ回答とは限らない。
これらは「使ってはいけない理由」ではなく、「使い方を設計すべき理由」です。誤りが許されない業務ほど、検証ステップや人の確認を組み込む——この前提設計こそ、ストラテジストの腕の見せどころになります。
モデルルーティング：1つのモデルに固執しない
生成AIには、賢いが高価で遅い大型モデルから、軽量で安価・高速な小型モデルまで、性能の異なる複数の選択肢があります。用途に応じてモデルを使い分ける考え方をモデルルーティングと呼びます。
たとえば「問い合わせの簡単な振り分け」は軽量モデルで十分速く安く処理し、「複雑な判断を伴う回答の生成」だけ高性能モデルに回す、といった設計です。コスト・速度・精度はトレードオフであり、すべてを最高にはできません。業務の重要度に合わせて最適点を選ぶ、という視点を持っておきましょう。
ストラテジスト視点：業務適用の前提
Section1の学びを、ストラテジストの判断軸として一文にまとめると、こうなります。
生成AIは「得意なこと」に寄せて使い、「苦手なこと」はRAG・ツール・人の確認で補い、リスクに応じて検証フローを設計する。
この前提が、次のSection2「AIエージェントの定義と構成要素」、そしてSection14「RAGの仕組み」へとつながっていきます。生成AIの限界を正しく理解しているからこそ、それを補うエージェントやRAGの価値が見えてくるのです。
試験ではこう問われる（予想問題）
本試験は架空企業のケースをもとにした多肢選択式（4択）です。Section1の理解度を測る問題は、たとえば次のような形が予想されます。選択肢をクリックして解答してみてください（※当サイト独自の予想問題であり、公式の出題ではありません）。
ある企業が、自社の就業規則に関する社員からの質問に、汎用の生成AIチャットでそのまま回答させたところ、もっともらしいが事実と異なる回答が散見された。この事象の理解として最も適切なものはどれか。
このセクションの要点まとめ
- 生成AIは新しいコンテンツを生成するAI。中心はLLM。従来の識別・分類型とは性質が異なる。
- 仕組みは「確率的にそれらしい続きを作る」。意味を理解しているわけではないのでハルシネーションが起こる。
- 得意＝文章作成・要約・翻訳・分類・アイデア出し。苦手＝最新情報・正確な計算・社内固有知識・事実の保証。
- 苦手はRAG・ツール・人の確認で補う。用途に応じてモデルルーティングでコスト/速度/精度を最適化。
- ストラテジストの役割は「得意に寄せ、苦手を仕組みで補い、リスクに応じて検証を設計する」こと。
関連記事・次に読む
- AIエージェントとは？定義と3つの構成要素「頭脳・記憶・手足」を解説（Section2）
- シラバス完全マップ（全6章32セクション一覧）
- AIエージェント・ストラテジスト試験とは？AICX協会の新資格を完全解説
※本記事は、AICX協会 公式シラバスver1.0 の構成（Section1「生成AIの基礎」）に基づき、当サイトが独自に解説・例示したものです。公式テキスト本文・図版の転載は行っていません。図はすべて当サイトのオリジナル作図です。予想問題は当サイトオリジナルであり、実際の出題内容を示すものではありません。最新の正式情報は AICX協会公式サイト をご確認ください。
