211 分ChatGPTのようなLLMを徹底解説
トークン、学習、ツール、障害について判断できる水準まで、現代のLLMスタックを理解できます。
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。
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。
156 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。
211 分トークン、学習、ツール、障害について判断できる水準まで、現代のLLMスタックを理解できます。
40 分リスクの高い判断を人間が制御し続ける、部分的に自律した製品のアイデアを評価できます。
190 分型付き状態、条件分岐、チェックポイント、ツール利用を備えたLangGraphエージェントを構築し、明示性がどこで効果を発揮するかを理解できるようになります。
66 分「役割・目標・背景」スタイルでCrewAIのチームを構築し、隠蔽された実行ループと明示的なグラフの違いを評価できるようになります。
15 分明確な停止ルール、タスク境界、人間による制御ポイントを備えた、より単純なエージェントループを設計できるようになります。
18 分複数のエージェント、複雑なプロンプト、隠れた状態を追加する前に、エージェント構築でよくある落とし穴を見抜けるようになります。
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RAGに基づく返信でチケットに回答し、解決済みチケットをナレッジベースに戻すn8nサポートワークフローを組み立てられます。
231 分本番環境向けの強化を行う前に、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のように組み合わせるかを確認できます。
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。
10 分複数プロンプトを使う手順により、実際の求人票に合わせてカバーレターの書き出しを調整し、履歴書の箇条書きを書き直せるようになります。
9 分自分の経験を具体的かつ正直に保ちながら、AIを使って働きかけ、面接、その後の連絡を準備できます。
17 分能動的想起、練習問題、AIによる解説を、繰り返し使える学習習慣へと組み合わせられるようになります。
22 分目標、予定、制約から現実的な学習計画を作成し、学習の進捗に合わせて調整できるようになります。
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。
18 分すべての結果をExcelで検証しながら、ChatGPTで数式の説明を受け、スプレッドシートのロジックを反復して改善できます。
12 分スプレッドシートのAIが乱雑なテキストを構造化し、データを分類する方法を確認したうえで、数式とラベルを慎重に検証できます。
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。
48 分長く使えるプロンプトの概念と、変化するUIの操作を区別しながら、Midjourneyのプロンプトに関する感覚を身につけられます。
48 分固定された順位を暗記するのではなく、タスクへの適合性、失敗の傾向、コストに基づいて画像生成ツールを比較できます。
24 分AIが下書きと作業の振り分けを担いながら、人間が戦略、ブランドボイス、公開の管理権を維持するマーケティングワークフローを設計できます。
30 分自動化すべきワークフローを決める前に、現在のマーケティングツールの全体像を整理できます。
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。
90 分自分らしい文体を手放すことなく、構成、論旨、推敲を批判的に検討する編集者としてAIを活用できます。
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。
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。
26 分営業ワークフローに音声エージェントを導入できる場面と、情報開示、同意、エスカレーションが障壁となる場面を評価できます。
30 分自動化を品質と取り違えることなく、AI支援によるアウトバウンド営業を支えるデータ拡充とパーソナライズのパイプラインを理解できます。
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。
10 分情報源の必要性、情報の鮮度、誤った場合の代償に応じて、検索、アンサーエンジン、チャットボットを使い分けられるようになります。
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。
42 分プロンプト作成の中核的なベストプラクティスを適用し、自分の作業でゼロショットプロンプティングとフューショットプロンプティングを区別できるようになります。
20 分5要素からなるTCREIの構成を、自分のプロンプトを作成し、改善するために繰り返し使えるチェックリストとして身につけられます。
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 分個人用の文書アシスタントを構築する前に、NotebookLMで情報源に基づいて回答させる基本的なワークフローを確認できます。
26 分文書を集め、対象を限定した質問をし、回答を信頼する前に引用を検証するという、個人向けの情報源に基づくワークフローを理解できます。
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。
29 分生成、評価、枝刈りから成る推論パターンと、実務には高コストすぎる場面を理解できます。
25 分思考の連鎖を儀式的な手順にすることなく、役割、構造化されたセクション、明示的な思考手順をプロンプトに組み込めます。
11 分AIでメールの下書きをすばやく作成し、受信者の視点から文体と明瞭さを厳しく検証できます。
26 分リアルタイムの会話型音声が、音声入力や従来型の音声アシスタントと異なる感覚をもたらす理由を理解できます。
3 分特に割り込み、声の調子、カメラで認識した情報を踏まえた会話など、マルチモーダルな音声対話を短時間で確認できます。
69 分実際の検索システムを調整する前に、チャンク分割の選択肢を直感的に理解できます。
24 分クエリの書き換え、ハイブリッド検索、リランキング、修正ループを1つのRAGパイプラインに組み合わせる方法を確認できます。
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。
5 分スクリーンショットに基づくコンピューター操作が、APIネイティブな自動化と比べて強力である一方、遅く、高コストで、壊れやすい理由を理解できます。
8 分運用リスクがあっても、ブラウザエージェントやコンピューター操作エージェントが商業的に有用になり得る領域を判断できるようになります。
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。
22 分「書き出す、選択する、圧縮する、分離する」というパターンを適用し、エージェントのコンテキストを意図的に管理できるようになります。
8 分曖昧さや妨害情報によって長いコンテキストが機能しなくなる仕組みを理解し、そのリスクを踏まえたテストを設計できるようになります。
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。
30 分同法の2025~2027年の段階的な期限を、中小企業が今から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。
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。
55 分プロンプトやモデルの変更がユーザーに届く前にリグレッションを検出する、段階的な評価を設計できます。
19 分本番チームがアサーション、人による確認、LLM判定をどう重ね、リリース前にリグレッションを表面化させているかを確認できます。
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 分ほとんどの開発者がすでに所有するハードウェアで、量子化、LoRA、QLoRAによるファインチューニングを最初から最後まで実行できるようになります。
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。
29 分最初のCustom GPTを最初から最後まで作成し、既存のGPTのうち、どれを自分のツール群に加える価値があるかを判断できるようになります。
44 分初心者向けの手順を超えてシンプルなアシスタントを活用する前に、Custom GPTの指示、アクション、ナレッジファイルがどのように連携するかを理解できます。
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。
131 分経験豊富なユーザーが、検証を手順に組み込みながらツール、モード、コンテキスト戦略を切り替える方法を確認できます。
60 分LLMを、コンテキストウィンドウ、学習データ、サンプリング、失敗パターンを備えた予測システムとして捉える、神秘性を排したメンタルモデルを構築できます。
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。
13 分統合型アシスタントによってメール、会議、タスクを、1つの確認可能な作業ループに結び付ける方法を理解できます。
14 分スレッドの要約、返信の下書き、文体の調整、フォローアップ作業の整理という、実用的なAIによるメール処理を特定できます。
32 分プロジェクトを起点とする学習ループを実践し、実在する成果物を完成させるために必要な知識だけをAIに提示させることができます。
10 分あるテーマを、検証可能な解説、練習問題、フィードバックループを備えた学習計画に変えられます。
14 分ローカルモデルランナーをインストールして小規模モデルを取得し、実務で使う前にプライバシーと性能のトレードオフを理解できます。
6 分GUIからローカルAIを試し、小規模モデルの動作をホスト型のフロンティアモデルと比較できます。
20 分ホスト、クライアント、サーバー、ツール、リソース、プロンプト、トランスポートというプロトコル上の役割を理解できます。
16 分MCPによって何が変わるのかを平易な言葉で説明し、ツール接続にMCPを使うべきか、より単純な連携方法を使うべきか判断できます。
104 分ローカルのデモサーバーにとどまらず、MCPがエージェント型システムにどう組み込まれるかを理解できます。
75 分最初のMCPサーバーを構築し、ツール、スキーマ、プロンプト、リソース、トランスポートがどう連携するかを理解できます。
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 分あらゆるタスクを1つのチャットボットに押し込むのではなく、ワークフローの各工程に適したAIツールを割り当てられます。
14 分あらゆる用途で1つのチャットボットを使うのではなく、具体的なユースケースと、それぞれに最適なツールの組み合わせを数多く把握できます。
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。
10 分製品の評判ではなく、ホスティング、AIエージェントとの適合性、連携、保守のトレードオフに基づいて自動化プラットフォームを選べるようになります。
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 分生成AIが職場にもたらす3つのリスク領域(データ、モデル、利用方法)を挙げ、それぞれに必要なコントロールを説明できるようになります。
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。
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。
17 分RAGを規制対象かつ高リスクの企業用途へ移行したとき、何が破綻するかを理解できます。
19 分単純な文書チャットのデモに欠けている、本番RAGの制御要素を特定できます。
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 分推論モデルが通常のチャットモデルと異なるものになった当初の製品および研究上の位置付けを確認できます。
28 分推論モデル向けのプロンプトでは、目に見える思考の連鎖を求めるのではなく、問題、制約、成功基準を指定すべき理由を理解できます。
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。
39 分具体的な実装を通じて、エージェント型検索とグラフ検索を比較できます。
16 分Microsoft式GraphRAGの処理フローである、エンティティ抽出、コミュニティ、要約、クエリ指向の統合を理解できます。
10 分C.R.A.F.T.構造を再利用可能なメタプロンプトとして使い、チームのライブラリ全体で一貫性の高いプロンプトを生成できます。
20 分評価メモと改善ルールを加え、単発のプロンプトを再利用可能なパターンに変えられます。
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。
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。
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。
14 分リスクの低い日常的なAI活用をいくつか選び、自分自身の判断と結果を比較しながらプロンプトを試せるようになります。
4 分カメラを入力手段として使い、ChatGPTに手書きの内容を見せ、答えを先に明かされることなく指導を受けられます。
42 分業界特化型AIエージェントが真の防御力を生む場面と、単なる薄いラッパーにすぎない場面を評価できるようになります。
34 分AIプロダクトの価格設定と専門化を、ユーザー数ではなく測定可能な成果を軸に評価できるようになります。
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。
41 分厳格モードが保証する内容、従来のJSONモードとの違い、構造化出力の契約に拒否の処理がどう組み込まれるかを説明できます。
18 分スキーマ優先のLLM呼び出しに、型付きオブジェクト、バリデーター、再試行、不正なフィールドやハルシネーションによるフィールドの明示的な処理が必要な理由を学べます。
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。
34 分生成モデルが実際に何をしているのかをより明確に理解し、低品質な生成物、魔法、窃盗という見方に反論できるようになります。
12 分AIをめぐる議論で、破滅論と理想郷論の両極端の間にある冷静な立場を論じ、本当に重要な問いを見極め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。
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。
36 分今日のAIが得意なこと、力が及ばないこと、真剣に検討する価値のある機会について、現実的な感覚を得られます。
8 分LLMが次のトークンを予測する仕組みと、それを強化版のオートコンプリートと呼ぶのが妥当でありながら不完全でもある理由を、平易な言葉で説明できるようになります。
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。
10 分4種類のハルシネーションの名称を挙げ、チャットボットが誤ったときに、どの種類の誤りなのかを見分けられるようになります。
36 分どれほど洗練された文章に見えても、もっともらしい文章を予測するよう学習したモデルが、ときどき事実を作り出してしまう理由を説明できるようになります。
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ChatGPTの主な画面や機能を見分け、手当たり次第にクリックするのではなく、目的を持って試せるようになります。
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。

Conductor CEO Charlie HoltzのAIコーディング環境を詳しく紹介
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。

HPEの最高財務責任者(CFO)が語る財務部門のAIエージェント
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。

EU AI Actを解説:コンプライアンスを競争優位に変える|Carme Artigas
同法の2025~2027年の段階的な期限を、中小企業が今から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。