4 分学校で成果を出すための賢いAIの使い方
AIによる宿題の助けとAIによる不正行為を区別する経験則を一つ述べられるようになります。
厳選されたライブラリ
一度にすべてをブラウジングする必要はありません。最も明確な補助動画を視聴してください。パスを選択し、中断した場所から続きを見たり、必要なものがある場合はフィルタを使用したりできます。
AIの基本、プロンプト、プライバシー、幻覚、日常的な使用方法を学び、自信を築いてください。
自動化する前に、AIが何が可能で何が不可能かを理解してください。
会議、執筆、研究、ノーコードツール、繰り返し可能なビジネスタスクのワークフローを学んでください。
AIを単なるチャットボックスとして使う段階から、信頼できる仕事の習慣として活用する段階へ進みましょう。
エージェント、RAG、MCP、構造化された出力、評価、API、ローカルAIについてさらに深く学んでください。
デモを本番環境として扱わずに、AIシステムを評価および構築してください。
ガバナンス、EU AI Actの準備、構築か購入かの決定、ROI、プライベートAIの選択についてカバーしてください。
チームまたは会社のためにより安全なAI導入の決定を下してください。
108件の結果
フィルターに一致するものがありませんカテゴリやレベルを変更するか、フィルターをクリアしてすべてのコンテンツを表示してください。
4 分AIによる宿題の助けとAIによる不正行為を区別する経験則を一つ述べられるようになります。
5 分画像がAI生成だと示唆し得る(証明はしない)視覚的手がかりを二つ挙げる。
5 分番組のなかから、AIの回答が医療専門家の判断と異なった例を一つ挙げられます。ただし、番組自体を医学的助言として扱ってはいけません。
11 分AI会話と資格ある治療的ケアのあいだのギャップを名付け、いつ人間の専門家を求めるべきかが分かるようになります。
20 分Turkleが述べる「つながっていること」と「仲間がいること」の違いを説明し、自分のAIチャットの習慣に当てはめる。
17 分「アテンション・エコノミー(注意経済)」の概念を説明し、注意を引きつけるために使われる設計手法を一つ挙げられるようになります。
1 分Content Credentialが一つのメディアについて何を記録する仕組みかを一文で述べられる——30秒のクリップは導入にすぎないため、詳細は現行のC2PA/Adobeドキュメントで確認する。
57 分パネルが議論した、子ども向けAIコンパニオンアプリの具体的なリスクを2つ特定できます。
11 分「シャドウAI」を定義し、個人向けAIチャットボットに決して入れてはならないデータのカテゴリを1つ挙げられるようになります。
1 分発表で主張されているStudy Modeの振る舞いを一つメモする(例:答えをまとめて渡すのではなく導く) ― その後、機能は変わるため現行の製品ドキュメントを確認する。
13 分このトークを完全な技術的定義とはみなさず、O'Neilが有害な採点システムと結びつけるリスク(不透明さ、規模、被害など)を挙げられるようになること。
5 分AIチャットボットが事実として誤りながら自信ありげに聞こえる理由を、一文で説明できるようになります。
5 分動画からプライバシー、公平性、責任のいずれかの論点を一つ取り入れ、十代の子どもとのAIに関する会話を始められます。
16 分AIに直接答えを出すのではなく質問で導かせるチューターモード・プロンプトを1つ書けるようになります。
4 分緊急の連絡に備え、家族だけの合言葉を決められるようになります。詳細はニュースだけに頼らず、現行の消費者保護機関の案内と照合してください。
8 分AIを使った執筆について、このニュース動画が研究結果として伝えている内容を要約し、再現性と研究上の限界は未解決だと理解する。
17 分一時停止、再開、人間への判断依頼を行い、ビジネス上の状態をモデルの推測から分離できるAIワークフローの設計方法を学べます。
18 分問題発生後の非公式な手動レビューではなく、明示的なワークフローチェックポイントとして承認ゲートを実装する方法を確認できます。
32 分意味、トーン、用語、最終承認に対する人間の責任を失わずに、ローカライゼーションへAIを導入する方法を学べます。
4 分多言語埋め込みがプライベートな社内検索に重要な理由と、ローカル検索によってデータ漏えいリスクを軽減できる場面を理解できます。
17 分生成された変更を小さく、テスト済みで、責任の所在が明確な状態に保つため、レビュー境界を明示したマルチエージェント型コーディングワークフローを構築できます。
56 分ベースライン、直接的・間接的な効果、品質ゲート、明示的な中止判断を含む、1つのAIワークフローのROI根拠を構築できます。
41 分事業成果、データ管理、ワークロードの経済性、インフラの準備状況、運用上の責任に基づいて、AIを構築するか購入するかを判断できます。
20 分機密性の高い社内文書をインデックス化する前に、社内ナレッジRAGで実用可能なアクセス制御パターンを評価できます。
30 分動画の過去の日程と現在のEU法を比較し、現在の期限を中小企業が予定すべきベンダー証拠の収集と責任者明確化のタスクに対応付けられます。
37 分直感だけでSaaSか自社運用かを選ぶのではなく、プライベートAIをインフラとガバナンスの意思決定として評価できます。
69 分自社のエージェントが最初に直面する障害モードを把握し、それぞれに対するテスト、フォールバック、停止基準を事前に計画できます。
7 分PDFや複数のファイル形式を対象としたRAGを構築する前に、文書解析、構造維持、取り込み品質ゲートが重要な理由を理解できます。
6 分音声エージェントの中核アーキテクチャと、実際の通話で顧客の信頼に影響する障害点を把握できます。
66 分セットアップ、プロンプト、デバッグ、Gitの基本、AI支援コーディングの限界を含め、小規模なCursorプロジェクトを構築する初心者向けワークフローの全体像を把握できます。
5 分AIにコードを書かせる前に設けるべき3つのガードレールと、それぞれが特定の失敗を防ぐ理由を説明できるようになります。
31 分n8nのサポートワークフローが検索に基づく返信案とナレッジベース更新案を作る方法を確認し、本番使用前に必要な制御を特定します。
231 分本番運用向けに強化する前のサポートエージェントが、検索、エスカレーション、ワークフローツールをどう組み合わせるかを確認します。
37 分意思決定の前にAIを使って前提に異議を唱え、選択肢を比較し、反対意見を洗い出せるようになります。
13 分人による確認を失うことなく、文字起こし、要約、アクション項目を記録する会議の作業手順を設計できるようになります。
4 分ツールを選ぶ前に、単独の文字起こし作業手順と統合型の会議アシスタントを比較できます。
23 分長期間使い続けるChatGPTスレッドが、献立作り、用事、旅行準備など、リスクの低い日常の雑務をどう支援できるかを確認できます。
90 分AIの編集案を、誤りを含む可能性のある補助的な見直しとして検討し、与えられた事実、不確実さ、自分らしい文体を保ちます。
18 分PerplexityとNotebookLMを1つの調査工程として連携させ、情報源を見つけた後に、その内容を読んで統合できるようになります。
26 分NotebookLMのノートブックを設定し、自分で用意した情報源から長い文書を要約し、質問し、相互参照できるようになります。
11 分音声クローンを作成する前に重要となる、録音品質と同意の境界について学べます。
16 分ナレーション、音声から音声への変換、音声設計、音声クローンという、AIオーディオの主な作業手順の分類を理解できます。
23 分マルチエージェント型ニュースレターパイプラインを学び、情報源、承認、障害処理をどこに配置すべきか判断できます。
20 分プロンプトの明瞭さと反復改善に使える簡潔なフレームワークに加え、メール、要約、分析に応用できる実践的なパターンを習得できます。
25 分役割、タスクの背景情報、例、制約、出力形式を一層ずつ追加し、より優れたプロンプトを作成できるようになります。
24 分ブラウザエージェントの操作ループ、役立つ場面、人間による確認が依然として必要な場面を見分けられるようになります。
2 分デスクトップでのコンピューター操作と、ブラウザ限定エージェントの動作を比較できます。
11 分ホステッド文書アシスタントにおける情報源の選択、質問、生成物、引用確認の各工程を特定します。
26 分情報源に基づくノートブックのワークフローを確認し、信頼する前に必要な検索、引用、出典、権限の確認を特定します。
11 分語調や明瞭さについて引用付きの提案を求め、下書きを許可された事実と意図した意味に照らして確認します。
25 分OWASPのLLMリスク分類を用いて、ツールへのアクセス、出力処理、機密データの漏えいをレビューできます。
11 分直接プロンプトインジェクションと間接プロンプトインジェクションを区別し、フィルタリングだけでは不十分な理由を理解できます。
19 分実際のワークロードについて、キャッシュ書き込みの追加料金と読み取りによる節約額を比較し、プロンプトキャッシュが採算に合う場面を見積もれるようになります。
56 分安定したプレフィックス、レイテンシー、コストの挙動がワークロードに合う場合に限り、プロンプトキャッシュを利用できるようになります。
12 分指示、知識ファイル、アクセス設定を備えた小規模な再利用可能アシスタントを構築できるようになります。
13 分プロジェクト単位のコンテキストを理解し、同じ背景情報を毎回のチャットで繰り返すより適している場面を判断できるようになります。
131 分熟練ユーザーが、長期的に維持したい好みと一度限りの背景情報をどう分けているかを理解できます。
36 分メモリ、指示、プロジェクトのコンテキストを曖昧に混同せず、パーソナライズを意図的に設定できるようになります。
22 分Deep Researchと分析モードが、学術文献だけでなくビジネス調査に応用される様子を確認できます。
14 分詳細調査タスクの範囲を定め、レポートを待ち、利用前に引用と情報源の品質を検証できます。
107 分トレースを調べ、失敗を分類し、基準を定義し、変更をテストし、人間の判断と比較する、プロダクト開発者向けの評価ループを学べます。
3 分再現可能なプロンプト評価をコードなしで行う最小構成を確認できます。
42 分例がモデルの動作をどう変えるかを確認し、準備に手間をかけてでもフューショットプロンプティングを使う価値がある場面を判断できるようになります。
25 分より完全なプロンプト構造の中に例を配置し、それによってモデルの出力がどう変わるかを予測できるようになります。
157 分講座をLoRAまたはQLoRA実験の計画例として使い、選んだ構成の資源要件と結果を自分で測定します。
59 分学習パイプライン全体の中でファインチューニングを位置付け、プロンプティングやRAGより適している場面を判断できるようになります。
26 分ツールへのアクセス、メモリ、ガードレールを配置すべき場所を把握しながら、初めてのn8n AIエージェントワークフローを構築できます。
92 分シンプルなエージェントを、メモリ、エラー処理、現実的なビジネス連携を備えた複数ステップのワークフローへ拡張できます。
30 分ビジネスプロセスにAIを追加する前に、トリガー、アクション、単純な自動化フローを理解できるようになります。
12 分AIを含む通常のZapではなく、AIエージェントにトリガー、推論、アクションを担わせるべき場面を判断できるようになります。
15 分最も魅力的に聞こえるプランを購入するのではなく、現在の自分の作業量に有料のChatGPTプランが役立つかどうかを判断できます。
19 分エージェントが適切なパラメーターで正しいアクションを選べるよう、ツール設計を改善できます。
29 分どの振る舞いをシステムプロンプト、ツールの説明、ツールの事前条件のどこに置くべきかを判断できます。
7 分短期メモリと長期メモリに関する判断を分け、エージェントのメモリへ書き込むタイミングを決められるようになります。
44 分エピソード記憶、意味記憶、ワーキングメモリ、手続き記憶を分類として挙げるだけでなく、コードでエージェントに組み込めるようになります。
19 分フラッグシップ、軽量、中間、特化型モデルを比較し、ブランドの好みではなく、タスクへの適合性、コスト、レイテンシーに基づいてルーティングを判断できます。
9 分オーケストレーションの複雑さを追加する前に、品質、コスト、信頼性の間にあるモデルルーティングのトレードオフを評価できます。
30 分ワークフローの工程を区別し、工程ごとにテスト可能なツール選定基準を作ります。
14 分複数のユースケース案を候補工程に変え、記事の機能基準と引き継ぎ基準に照らしてテストします。
28 分NotebookLMを要約ツールから、繰り返し使える調査・学習の作業手順へと発展させられます。
35 分情報源に基づく調査ノートブックを構築し、ブリーフィング資料、学習ガイド、作業用メモに変換できます。
9 分LangSmithでトレース、プロジェクト、データセットを操作し、トークンコスト、レイテンシー、エラー率、スパンごとの詳細を読み取れます。
154 分トレース、評価、フィードバック、本番環境のレビューを、LLMシステムの運用ループとして結びつけられます。
93 分チャットボットとの会話が、自動的に非公開になったり、秘匿特権で保護されたり、機密性の高い業務情報を入力しても安全になったりするわけではないことを理解できます。
13 分データ、モデル、利用方法のリスクと、その管理策を確認できる職場の責任者を特定します。
11 分個人のAIアカウントが職場のデータにリスクをもたらす理由を説明し、より安全な境界を設定できるようになります。
13 分プロンプトインジェクションを信頼できないデータの混在としてモデル化し、ツール利用の境界を設計できるようになります。
17 分汚染解析、出力形式の制限、ユーザーの分離、決定的な設定、重要な処理経路での冗長なチェックといったプロンプトインジェクション対策をレビューできるようになります。
3 分o1公開時の位置付けを確認し、その歴史的説明と現在の実装ガイダンスを区別します。
28 分o1についての一つの歴史的説明を理解し、現在のモデルとワークロードで、直接的なタスク指定をほかの対応プロンプト案と比較します。
9 分検索が適切な解決策となる場合と、ファインチューニングが実際に役立つ場合を説明できます。
13 分実際の障害モードに基づき、プロンプトエンジニアリング、RAG、ファインチューニング、またはその組み合わせを選択できます。
77 分プロンプトを単発の文章として扱うのではなく、本番環境のプロンプトエンジニアが現実のプレッシャーの中で指示、例、振る舞いの制約をどう改訂するかを学べます。
25 分曖昧な保険金請求用プロンプトが、より明確な例、出力ルール、拒否時の振る舞いを備えた、構造化されテスト可能なプロンプトへ変わる過程を確認できます。
10 分代表的な事例と明示的な合格基準を使い、プロンプト生成構造の一候補としてC.R.A.F.T.を評価します。
20 分プロンプト構造の候補を抽出し、担当者、バージョン、評価、制限、フォールバックの項目を加えてからレビューに回します。
131 分1つのモデルですべてを処理するのではなく、高速、低コスト、深い推論、情報源に基づく回答という各種ツールの特性に応じて、作業を振り分けられるようになります。
17 分あるタスクに十分対応できるモデルを判断する際に再利用できる、体系的な比較方法を確認できます。
32 分サービングエンジン、バッチ処理、KVキャッシュのメモリが、自社運用推論の経済性を左右する理由を理解できます。
131 分実際の日常的な使用例を基準として、追加の質問をする場面、モデルを切り替える場面、新しい会話を始める場面を判断できるようになります。
8 分1つの予測に会社の命運を賭けることなく、複数のAI将来シナリオを使って導入を計画できます。
60 分ワークフローの変更、能力開発、現実的な組織リスクを中心にAI導入を捉えられるようになります。
9 分タスク、コンテキスト、例、ペルソナ、形式、トーンを組み合わせ、日常のオフィス業務で機能するプロンプトを作成できるようになります。
26 分再利用可能なプロンプトパターンを見分け、より明確な指示、例、評価手順へと組み合わせられるようになります。
19 分製品とモデルファミリーの全体像を十分に理解し、最初に使うツールを1つ選んで、タブを行き来しながら延々と比較するのをやめられます。
90 分最終的な表現と判断を人間の管理下に置きながら、調査、構成、推敲にAIを活用できます。
36 分収録された機能紹介と現在のアカウントを比べ、許可されたタスクに役立つ機能を1つ見つけます。
39 分新しく追加されたサイドバーの項目を初日からすべて習得しなければならないと考えずに、ChatGPTの全体像を把握できます。
最近確認した動画と、AI Expertのコンテンツライブラリから選んだ関連動画です。