第5章 生成AIの実践と活用事例の要点
Zero-Shot・Few-Shot・CoT と、業務で使うときの注意を整理
- 第5章は、生成AIを実際の仕事で使う章です。プロンプトの型（Zero-Shot・Few-Shot・Chain-of-Thought など）と、文書作成・分析・開発などでの使い方、使うときの確認が出ます。
- Zero-Shot と Few-Shot、Few-Shot とファインチューニング、ファクトチェックと検算のように、似た用語や手順の違いが問われます。
- 用語は「どの場面の話か」で6つに分けると、覚えやすくなります。
この章で問われること
第5章「生成AIの実践と活用事例」は、生成AIにうまく指示を出す方法（プロンプトエンジニアリング）と、文書作成・企画・クリエイティブ・データ分析・開発といった業務での使い方と、その場面で確認することを扱います。
本番の60問のうち、第5章からは9問前後と予想しています。もちこ道場の模擬試験（60問・60分）は、5つの章の出題数を第1章9問、第2章12問、第3章12問、第4章18問、第5章9問としていて、第5章は試験全体の15%にあたります。もちこ道場の第5章には173問があります。
出てくる用語は、次の6つのまとまりに分けると整理しやすくなります。
6つのまとまりと押さえる用語
1. プロンプトエンジニアリング
| 用語 | ひとことで |
|---|---|
| プロンプトエンジニアリング | 一度で完成させず、出力を見て修正の指示を重ね、プロンプトを改善していく |
| プロンプトの要素 | 指示・背景（文脈）・入力データ・出力指示（出力の種類や形式）など |
| Zero-Shot | 例を1つも示さず、指示だけで依頼する。簡単な要約や分類に向く |
| Few-Shot | 入力と望ましい出力の例を数個入れてから依頼する。形式や基準をそろえやすい |
| 文脈内学習 | モデルを更新せず、プロンプトの指示や例だけでやり方を把握して従うこと |
| Chain-of-Thought（思考の連鎖） | 答えの前に、途中の推論の手順を書き出させる。複数段階の課題の精度が上がる |
| 役割設定・制約条件 | 立場や口調を与える（役割設定）。文字数や形式などの条件で出力を絞る（制約条件） |
2. 文書作成・企画での使い方
| 用語 | ひとことで |
|---|---|
| 要約の工夫 | 先に関係する箇所を原文のまま抜き出させ、資料にないことには答えないよう明示すると、作り話が減る |
| 事実の確認 | 宛名・日付・金額・固有名詞などは、人が元の資料と照らして確かめる |
| 校正 | 変更点の一覧（差分）を出させ、意味が変わっていないかを人が見比べる |
| 質問の偏り | 質問の前提や誘導で答えが偏る。条件や視点を変えて多角的に出させる |
3. クリエイティブでの使い方
| 用語 | ひとことで |
|---|---|
| 著作権侵害の判断 | 既存の作品との「類似性」と、それに「依拠」したかで判断する。生成AIを使った場合も同じ基準 |
| ディープフェイク | 実在の人物の顔や声で、本人がしていない言動を作る。本人の同意なしに作らない |
| TTS | 文字を読み上げる音声を作る技術。ナレーションなどに使う |
| バリエーション展開 | 1つの素材から、サイズ・媒体・トーンに合わせた多数の版を作る |
4. データ分析・リサーチでの使い方
| 用語 | ひとことで |
|---|---|
| 集計 | 合計・平均・件数・割合などにまとめる。生成AIは計算を誤ることがあるので、重要な数字は検算する |
| 自由記述の分類 | 意見の傾向把握やカテゴリ分けは AI に補助させてよい。件数や割合は集計ツールや人が確かめる |
| ディープリサーチ | 出典つきのレポートを作るが、正しいとは限らない。重要な数字は人が一次情報で確かめる |
| マスキング | 個人情報を含むデータを入れるとき、不要な列を除いたり、氏名を仮名や記号に置き換えたりする |
| RAG | 関連する文書を検索で取り出し、それを根拠に答えさせる。社内文書や最新情報を使いやすい |
5. 開発・業務自動化での使い方
| 用語 | ひとことで |
|---|---|
| コーディングエージェント | コードを読む・書く・直す・テストを実行する作業を、自分で手順を考えて進める |
| コードベース | ソースコード・設定・テストなど、1つのソフトウェアを構成するコード全体 |
| コンテキストウィンドウ | LLM が一度に扱える情報量の上限。大きなコードベースは全部入らないので、読む範囲を絞る |
| フィードバックループ | 実行し、結果を観察し、修正して再び実行する。テストの失敗を見て直せる |
| リファクタリング | 外から見た動作を変えずに、内部の構造を整理する。動作が変わっていないか、テストで確かめる |
| MCP | AI ツールを外部のデータやツールにつなぐオープンな標準 |
6. 安全に使う（共通の注意）
| 用語 | ひとことで |
|---|---|
| 承認済みのサービス | 個人情報や社外秘は、会社が承認し、入力が学習に使われない設定のサービスだけで扱う |
| 最小権限 | 自動化には、必要な作業に足りる最小限の権限だけを与える |
| Human-in-the-Loop | 外部への一斉送信・支払い・削除・公開のような取り消しにくい操作は、人が承認してから実行する |
| プロンプトインジェクション | Webページや文書に埋め込まれた悪意ある指示に、AI が従ってしまうこと。取得した情報を、そのまま指示として扱わない |
取り違えやすい組み合わせ
選択肢には、同じまとまりの用語が並びます。次の組み合わせは、「何が違うか」を一言で言えるようにしておきます。
| 組み合わせ | 見分け方 |
|---|---|
| Zero-Shot と Few-Shot | 例を示さない（Zero）か、例を数個示す（Few）か |
| Few-Shot とファインチューニング | プロンプトに例を書くだけでモデルは変わらない（Few-Shot）か、モデルの重みを更新する（ファインチューニング）か |
| Chain-of-Thought と Few-Shot | 途中の推論の手順を書かせる（CoT）か、例を見せる（Few-Shot）か。2つを組み合わせたのが Few-Shot CoT |
| Zero-Shot CoT と Few-Shot CoT | 「ステップバイステップで考えて」と一言添える（Zero-Shot CoT）か、推論の過程を書いたお手本を示す（Few-Shot CoT）か |
| 役割設定と制約条件 | 立場や口調を与える（役割設定）か、字数・形式などの条件で絞る（制約条件）か |
| 類似性と依拠性 | 見た目や内容が似ているか（類似性）、既存の作品をもとにしたか（依拠性）。侵害の判断には両方が見られる |
| ファクトチェックと検算 | 文章の事実・固有名詞を元の資料と照らす（ファクトチェック）か、数字を計算し直す（検算）か |
| 最小権限と Human-in-the-Loop | 与える権限を絞る（最小権限）か、重要な操作の前に人が承認する（Human-in-the-Loop）か |
この章の勉強の進め方
- 6つのまとまりの名前を覚え、用語を見たら「どのまとまりの話か」を言えるようにします。
- プロンプトの型は、「例があるか」「推論の手順を書かせるか」の2つの軸で整理します。
- 業務の場面は、「AI に任せてよいところ」と「人が確かめるところ」をセットで覚えます。
- 問題を解いて、迷った用語をその日のうちに見直します。
Zero-Shot と Few-Shot は「Zero-Shot と Few-Shot の違い」でくわしく整理しています。勉強の全体の計画は「勉強時間の目安と1か月の計画」にまとめています。
この章の用語の違いをくわしく
第5章の問題を2問、解いてみる
もちこ道場の第5章の問題です。演習画面と同じ解説（図解・選択肢ごとの解説）を付けています。
問1
答えを出す前に、途中の推論の手順をモデルに書き出させることで、算数の文章題のように複数の段階を踏む課題の精度を上げる手法を1という。
答えと解説を見る
正解は 3（Chain-of-Thought（思考の連鎖））です。
【概要】
答えの前に途中の推論手順を書き出させ、複数段階の課題の精度を上げる手法がChain-of-Thought(思考の連鎖)である。手順を人が点検しやすい利点もある。
【各選択肢の解説】
- 1. Retrieval-Augmented Generationあなたの解答 Retrieval-Augmented Generationは外部の資料を検索してプロンプトに添える仕組みであり、推論の手順を書かせる手法ではない。
- 2. ファインチューニングあなたの解答 ファインチューニングはモデルの重みを追加学習で更新する手法であり、プロンプトで手順を書き出させる本問の手法ではない。
- 3. Chain-of-Thought（思考の連鎖）正解あなたの解答 Chain-of-Thoughtは推論の途中経過を出力させる手法で、算数の文章題のような段階を踏む課題に向く。
- 4. データ拡張あなたの解答 データ拡張は学習データを増やす工夫であり、推論の手順を書き出させる手法ではない。
問2
外部への一斉送信、支払い、データの削除のように取り消しにくい操作は、自動処理の途中で人が内容を確かめて承認してから実行する設計が望ましい。この考え方を1という。
答えと解説を見る
正解は 3（ヒューマン・イン・ザ・ループ）です。
【概要】
外部への一斉送信、支払い、削除のような取り消しにくい操作は、人が承認してから実行する。この考え方がヒューマン・イン・ザ・ループである。
【各選択肢の解説】
- 1. ブラックボックス化あなたの解答 ブラックボックス化は判断の過程が見えなくなることであり、人が承認してから実行する設計ではない。
- 2. オーバーフィッティングあなたの解答 オーバーフィッティングは学習データに合わせすぎる問題であり、人が承認する設計ではない。
- 3. ヒューマン・イン・ザ・ループ正解あなたの解答 ヒューマン・イン・ザ・ループは、取り消しにくい操作の前に人が確認して承認する設計である。
- 4. ハルシネーションあなたの解答 ハルシネーションはもっともらしい誤りを出す現象であり、人が承認する設計の名称ではない。
第5章は約180問。いま解いた問題と同じ形で、選択肢ごとの解説と図解が付いています。まずは登録なしで、第1章の114問から解き方を試せます（第2章からはプランで解けます）。
よくある質問
第5章は、実際に生成AIを使った経験がないと解けませんか？
経験があると頭に入りやすいですが、なくても解けます。「どんな場面で、何を確かめるのか」を言葉で選ぶ問題が中心です。実際に触れてみる場合は、個人情報や社外秘を入力しないようにします。
AIの出力は、どこまで人が確認する必要がありますか？
影響の大きさで変わります。社外に公開する文章や、重要な数字、取り消しにくい操作（公開・一斉送信・削除など）ほど、人が事実を元の資料と照らして確認し、承認してから進めます。
第3章・第4章の用語は、第5章にも出ますか？
はい。RAG、MCP、最小権限、Human-in-the-Loop、プロンプトインジェクション、ハルシネーション、著作権の「類似性と依拠性」などが、業務での使い方の場面で出ます。第3章・第4章の用語を覚えておくと、第5章の問題の意味がつかみやすくなります。
もちこ道場
章ごとの問題と本番形式の模擬試験で、合格の力を確かめる
2027年2月の試験からの新しいシラバスの全5章から作ったオリジナルの予想問題を、スマホ・PC で解ける Web 演習サービスです（運営者が作っています）。
500円
31日間・買い切り・自動更新なし
- 全5章 888問○
- 選択肢ごとの解説○
- 全問の解説に図解○
- 模擬試験（60問・60分）なし
1,000円
31日間・買い切り・自動更新なし
- 全5章 888問○
- 選択肢ごとの解説○
- 全問の解説に図解○
- 模擬試験（60問・60分）○
無料体験は登録不要です。
次に読む
記事の確認問題と同じく、選択肢ごとの解説と図解が付いた問題を、スマホ・PC で続けて解けます。
生成AIパスポートの第4章「生成AIのリスク予防・AI倫理・ガバナンス」で問われる用語を、6つのまとまりと取り違えやすい組み合わせで整理しました。第4章の問題を2問、その場で解いて確かめられます。
Zero-Shot は例を示さず指示だけで依頼する方法、Few-Shot は例を数個示してから依頼する方法です。Chain-of-Thought との組み合わせも含め、図と表で整理し、生成AIパスポートでの問われ方と覚え方をまとめました。
出題範囲は、2026年11月9日にGUGA（生成AI活用普及協会）の公式サイトで確認しました。用語の説明は、もちこ道場の問題と解説をもとにまとめたものです。