MAKE SOMETHING YOU CAN EXPLAIN
このルートで仕上げる成果物
模擬FAQ向けの課題定義書、導入計画、受入・引き継ぎメモを提出できる。
活かせる経験要件定義、顧客導入、技術支援、業務システム連携の経験を整理しやすいルートです。顧客と合意した内容と、自分が実装した内容を分けて記録します。
当サイトが提案する学習順序です。各段階の「次へ進む目安」をAI機能の成果物で確認できれば、その段階は復習として使えます。
学習成果と実務経験は分けて記録します。採用要件は応募先の求人で確認してください。
共通の基礎を、小さく作る
共通の演習
APIで回答を返す最小機能を作る
文章を生成する大規模言語モデル（LLM）を、得意な言語から呼び出します。既存のWeb開発経験を、モデル呼び出しの失敗や入力の扱いまで含むAI機能へつなげます。
学ぶこと
- 既存のTypeScript、Pythonなど得意な言語で始めるAPI連携
- APIキーをブラウザーへ出さない呼び出し構成と利用量上限
- 入出力の形式、出力確認、失敗時の表示
得意な言語で、公開資料または自作の架空データを質問対象にした「社内FAQの模擬アプリ」を作る。質問、出力確認、失敗時の案内を画面で確認できるようにする。実在の顧客情報や社内文書は投入しない。
次へ進む目安
- APIキーをサーバー側で扱い、利用量上限を設定し、画面には出していない。
- 回答内容を確認でき、回答不能・通信失敗時に利用者へ次の行動を案内できる。
学習資料と、経験がある場合の確認
すでにできる場合LLM呼び出しで、出力の揺れと回答不能を扱い、秘密情報をクライアントへ出さず、利用量制限まで実装した成果を説明できるなら、その成果を確認して次へ進む。
公式資料で学ぶ
- OpenAI API: Text generation（英語） 英語 / 確認日 2026-09-10
- OpenAI API: Production best practices（英語） 英語 / 確認日 2026-09-10
共通の演習
公開資料を検索して根拠を返す
回答をモデルの記憶だけに任せず、どの資料を使ったかを利用者と開発者が確かめられるようにするためです。RAGは、検索で得た資料を回答生成時の文脈として渡す構成を指します。全職種で必須の構成ではなく、検索が不要な案件では固定資料や外部APIの情報補足に置き換えられます。
学ぶこと
- 資料の分割とメタデータ
- 検索結果を根拠として表示する方法
- 検索できない質問を扱う設計
模擬FAQへ公開資料の検索を追加し、回答ごとに参照した資料名とURLを表示する。検索対象、更新方法、投入しないデータをREADMEに記録する。
次へ進む目安
- 少なくとも3つの公開資料に対し、根拠付きで回答できる。
- 根拠がない質問では、推測の回答を避ける表示になっている。
学習資料と、経験がある場合の確認
すでにできる場合既存の検索や業務データ連携を再利用しつつ、LLMの根拠不足時に回答を控える扱いまで演習で確認できるなら、その成果を確認して次へ進む。
公式資料で学ぶ
- OpenAI API: Retrieval（英語） 英語 / 確認日 2026-09-10
- OpenAI API: File search（英語） 英語 / 確認日 2026-09-10
共通の演習
評価と本番の安全性を設計する
動くデモを、変更後も品質を確かめられる機能へ進めるためです。評価は、期待する振る舞いをデータと判定基準で繰り返し確かめる作業です。
学ぶこと
- 代表質問と危険な質問を含む評価データ
- 品質・速度・コストの観測項目
- 入力、権限、ログの安全な扱い
模擬FAQに10件程度の評価質問を用意し、検索・プロンプト・モデル設定を変えた前後で結果を比較する。ログに質問本文や秘密情報を残さない方針も文書化する。
次へ進む目安
- 変更前後を同じ質問セットで比較できる。
- 失敗、遅延、回答不能を確認する項目と対応方針がある。
学習資料と、経験がある場合の確認
すでにできる場合既存のテストや監視を再利用しつつ、LLM出力を評価データで比較し、モデル設定変更の判断を演習で確認できるなら、その成果を確認して次へ進む。
公式資料で学ぶ
- OpenAI API: Working with evals（英語） 英語 / 確認日 2026-09-10
- OpenAI API: Safety best practices（英語） 英語 / 確認日 2026-09-10
AIを導入するFDEの実践へ
職種別の演習
課題と成功基準を合意できる形にする
技術選定より先に、誰のどの作業をどう改善するかを確かめるためです。
学ぶこと
- 利用者・決裁者・運用者の整理
- 測れる成功基準と前提条件
- 要望を検証可能な課題へ分解する方法
模擬FAQについて、利用部門の課題、対象外、成功基準、確認方法を1ページにまとめ、質問例と結び付ける。
次へ進む目安
- 成功基準に測り方と確認者がある。
- 対象外の要望と、その理由を記録している。
学習資料と、経験がある場合の確認
すでにできる場合顧客または利用部門と成功基準を合意し、変更履歴を残した成果があれば確認して次へ進む。
公式資料で学ぶ
- OpenAI API: Evals design（英語） 英語 / 確認日 2026-09-10
職種別の演習
権限と導入条件を設計する
顧客データや既存システムに接続する前に、利用可能なデータと責任範囲を明確にするためです。
学ぶこと
- データ分類と最小権限
- 接続前の確認項目
- 導入手順と切り戻しの合意
模擬FAQの導入チェックリストを作り、公開資料のみを扱う理由、権限、ログ、障害時の連絡先を記載する。
次へ進む目安
- 扱うデータと扱わないデータを区別している。
- 導入前の確認者と切り戻し条件が決まっている。
学習資料と、経験がある場合の確認
すでにできる場合顧客環境への導入で、権限・データ・切り戻しを合意した実務成果があれば確認して次へ進む。
公式資料で学ぶ
- OpenAI API: Your data（英語） 英語 / 確認日 2026-09-10
職種別の演習
顧客検証を運用へ引き継ぐ
デモの評価結果を、導入後に誰が改善するかまでつなげるためです。
学ぶこと
- 受入テストと評価質問
- 利用者フィードバックの記録
- 担当分界と引き継ぎ資料
模擬FAQの受入シナリオを作り、結果、未解決の制約、次の担当者が確認する運用項目を引き継ぎメモにまとめる。
次へ進む目安
- 利用者が確認する受入シナリオがある。
- 未解決事項と次の担当者が明確である。
学習資料と、経験がある場合の確認
すでにできる場合顧客検証の結果を運用チームへ引き継ぎ、改善の担当を合意した成果があれば確認して次へ進む。
公式資料で学ぶ
- OpenAI API: Production best practices（英語） 英語 / 確認日 2026-09-10
LEARN WHEN YOU NEED IT
その先は、応募先の業務に合わせて
- 実際の利用者へデモし、評価質問と制約を更新する。
- 導入後の担当分界と支援手順を関係者と合意する。
- 応募先の業務で求められる場合に、機械学習、統計、線形代数、モデル学習を深める。
KEEP LEARNING
新しい情報を、
自分の成果物で確かめる。
週に一度など、続けられる間隔で公式の更新を読みます。使っている機能の変更を一つ選び、同じ評価用データで変更前後を比べ、結果をメモに残します。
教材確認日 2026-09-10。APIの実行には利用料金がかかる場合があります。- OpenAI API: Text generation（英語）
APIの入出力、会話状態、仕様変更を追う入口。
英語 / 確認日 2026-09-10 - OpenAI API: Working with evals（英語）
評価データ、判定基準、変更前後の比較方法。
英語 / 確認日 2026-09-10 - OpenAI API: Changelog（英語）
仕様変更、追加機能、非推奨化を追う入口。
英語 / 確認日 2026-09-10 - OpenAI API: Production best practices（英語）
本番の安全性、運用、性能とコストの扱い。
英語 / 確認日 2026-09-10
BRING YOUR WORK TO THE NEXT STEP
作ったものを、応募の準備につなげる。
コード、設計の理由、評価結果、残った課題をまとめ、求人で求められる経験と照らし合わせます。