12/2 明日からできる生成AI/AIエージェントによるデータ分析 入門

明日からできる生成AI/AIエージェントによるデータ分析 入門

プログラミングを使わずともできる
調査・論文の収集、要約データ分析、ツール作成、レポート執筆の自動化

講師

XTX(株) 代表取締役　石井 良平 氏

セミナー趣旨

ChatGPT、Gemini、Claudeなどの生成AIは、質問に答えるチャットの段階から、目的を与えると自ら計画を立て、調査・ファイル操作・分析・文書作成までを進める「AIエージェント」の段階へと進化しています。本セミナーでは、生成AIとAIエージェントの仕組みを基礎から解説したうえで、研究開発業務の流れに沿って、①技術動向・先行研究の調査と論文の収集・要約、②データの集計・可視化・予測と報告書の作成、③分析結果を使った小さな業務ツールの作成、の各場面での具体的な活用方法を、講師の実演を交えて紹介します。
　さらに、AIエージェントを業務で使いこなすための考え方として、1回の指示文の書き方（プロンプトエンジニアリング）から、AIに渡す情報の設計（コンテキストエンジニアリング）、AIを安全かつ再現可能に動かす枠組みの設計（ハーネスエンジニアリング）へと、段階を追って解説します。同じデータ・同じ指示文でも、渡す情報と動かす枠組みを変えると分析の結論が大きく変わることを、実演で確認します。
　Pythonなどのプログラミングは扱わず、日本語による指示でAIに作業を任せる方法を中心に解説します。AIの出力に含まれる誤りを見抜くための検証のポイントや、機密データ・個人情報を扱う際の注意点もあわせてお伝えします。受講後には、AIに任せられる作業と人が判断すべき作業を見極め、明日からの業務で調査・分析・報告にかかる時間を短縮できる状態を目指します。

セミナー講演内容

１．イントロダクション
　1.1 生成AI・AIエージェントでデータ分析はどう変わったか
　1.2 本日扱うツールの全体像（Claude Code／Codex／ChatGPT／Gemini／Claude／Gemini Notebook）

２．生成AI・AIエージェントの基礎
　2.1 生成AI・大規模言語モデル（LLM）とは
　2.2 LLMをブラウザで使う／APIで使う
　2.3 AIエージェントの基本概念（チャットAI・RPAとの違い）
　2.4 AIエージェントの動作原理と動作フロー（考える→ツールを使う→結果を確かめる、の繰り返し）
　2.5 AIエージェントを拡張する仕組み（MCP・Skillsなど）
　2.6 ハルシネーション（もっともらしい誤り）と情報セキュリティ上の注意点

３．AIによる調査・論文の収集と要約
　3.1 AIチャット（ChatGPT／Gemini／Claude）の調査機能による技術動向・先行研究の調査
　3.2 論文・特許・技術資料の収集と読み解き
　　(1) 要約と要点の抽出
　　(2) 複数文献の比較表の作成
　　(3) 出典の確認と裏取りの進め方
　3.3 Gemini Notebookによる手元資料（論文PDF・社内報告書など）の要約と質疑応答

４．プログラミング不要のAIデータ分析
　4.1 データ分析の5ステップとAIの効きどころ
　（課題・仮説設定→データ収集→データの確認と理解→クリーニングと前処理→技術的分析→意思決定・レポーティング）
　4.2 データ分析のケーススタディ
　　(1) データの確認と理解（基本統計量・欠損値・外れ値）
　　(2) データのクリーニングと前処理・集計
　　(3) グラフの作成と読み方
　　(4) 原料・条件などの多変量データから特性を予測するモデルの作成
　　(5) 結果の解釈と、報告書・レポートの下書き作成
　4.3 AIの分析結果を検証するポイント（検算・再現性・統計的な妥当性）
　4.4 Claude Code／Codexによる小さな業務ツール（予測シミュレーター等）の作成

５．プロンプト→コンテキスト→ハーネス：AIエージェントを使いこなす3つの層
　5.1 プロンプトエンジニアリング：1回の指示文の書き方
　（明確な指示、背景情報と例示、役割の指定、出力形式の指定）
　5.2 コンテキストエンジニアリング：AIエージェントに渡す情報の設計
　　(1) コンテキストとは何か（指示ファイル・会話履歴・参照したファイル・ツールの実行結果）
　　(2) データ分析で渡すべき4種類の情報（データの説明・分析の目的と業務背景・過去の分析や報告書・出力の型）
　　(3) 指示ファイルの書き方と、コンテキストの限界
　5.3 ハーネスエンジニアリング：AIエージェントを安全かつ再現可能に動かす枠組みの設計
　　(1) なぜ必要か（結果を再現できない・意図しない操作をする・検証されないまま結果が出る）
　　(2) 権限設定・フック・スキル・サブエージェント・検証手順
　　(3) 機密データ・個人情報を読み込ませないためのガードレール設計
　5.4 実演

６．まとめと今後のステップ
　6.1 AIに任せる作業と、人が担うべき判断
　6.2 明日からの第一歩（データの説明書・依頼メモ・指示ファイルの作成）と社内のルール作り
　6.3 今後の学習ステップと実務への応用アドバイス

□ 質疑応答 □

※満席・日程終了などで参加が難しい場合は、下記「お問い合わせ」ボタンより再開催のリクエストを承っております