動画内容は状況に応じて更新される場合があります。
また、見出しは全て納品先企業様毎に変更いたします。
LLM導入編
| 見出しタイトル | 小見出し |
| イントロダクション | ・イントロダクション ・講師紹介 ・期待される成果・到達目標 ・AI活用人材が求められる背景 ・講座の概要・流れ |
| 生成AI・LLMの概要 /LLMの可能性 | ・LLMの概要 ・生成AIの具体的な種類 ・LLMの可能性 |
| AI・LLMの進化の歴史 | ・生成AIと従来のAIの違い ・AI進化の歴史 ・なぜLLMは急速に広まったのか？ |
| AI時代に求められる人材とは？ | ・LLMはどんな処理を行っているのか？ ・生成AI・LLMの脅威 ・AI時代に求められる人材とI活用力について ・AI時代において人にしかできない仕事 |
| AIが用いている技術 | ・AIはどうやって人間の言葉を理解しているのか ・自然言語処理とは ・機械学習とは ・教師あり学習とは ・教師なし学習とは ・強化学習とは ・深層学習とは ・LLMはどんなデータから学習しているのか |
| 日々の業務でLLMを活かすには | ・LLMに対する正しい捉え方 ・LLMの得意なこと ・LLMの不得意なこと ・LLMを最大限活用するには |
| LLMを扱う際の注意点 | ・データの保護とプライバシー ・情報の正確性 ・技術的な制限について ・不適切なコンテンツについて ・倫理的観点について |
| プロンプトエンジニアリング基礎 | ・プロンプトエンジニアリングのポイント |
| 欲しい情報を引き出すためのプロンプトの作り方 -要約- | ・プロンプトフォーマットの活用 ・ケーススタディの解説 |
| 欲しい情報を引き出すためのプロンプトの作り方 -ソリューション- | ・プロンプトフォーマットの活用 ・ケーススタディの解説 |
| 欲しい情報を引き出すためのプロンプトの作り方 -アイデア列挙- | ・プロンプトフォーマットの復習 ・ケーススタディの解説 |
| ケーススタディ -チラシの作成- | ・ケーススタディの解説 |
| ケーススタディ- イベントの立案- | ・ケーススタディの解説 |
| ケーススタディ -顧客への案内文書作成- | ・ケーススタディの解説 |
| ケーススタディ -面談のトークスクリプト作成- | ・ケーススタディの解説 |
| ケーススタディ -口コミへの返信- | ・ケーススタディの解説 |
| ケーススタディ -顧客対応の改善- | ・ケーススタディの解説 |
| ケーススタディ -お客様からのよくある質問を事前に準備する- | ・ケーススタディの解説 |
| ケーススタディ -クレーム対応- | ・ケーススタディの解説 |
| ケーススタディ -新人・後輩・部下の指導- | ・ケーススタディの解説 |
| ケーススタディ -業務マニュアルの作成- | ・ケーススタディの解説 |
| ケーススタディ -チラシの作成- | ・ケーススタディの解説 |
| ケーススタディ -イベントの立案- | ・ケーススタディの解説 |
| ケーススタディ -顧客への案内文書作成- | ・ケーススタディの解説 |
| ケーススタディ -営業・商談のトークスクリプト作成- | ・ケーススタディの解説 |
| ケーススタディ -プレゼン資料の作成- | ・ケーススタディの解説 |
| ケーススタディ -顧客対応の改善- | ・ケーススタディの解説 |
| ケーススタディ -お客様からのよくある質問を事前に準備する- | ・ケーススタディの解説 |
| ケーススタディ -クレーム対応- | ・ケーススタディの解説 |
| ケーススタディ -新人・後輩・部下の指導- | ・ケーススタディの解説 |
| ケーススタディ -業務マニュアルの作成- | ・ケーススタディの解説 |
LLM応用編
| 見出しタイトル | 小見出し |
| イントロダクション | イントロダクション 講師紹介 期待される成果・到達目標 講座の概要 講座の流れ |
| LLMの発展と拡大する影響 | 来たる第4次産業革命 世界と日本の現状 LLMでできること |
| LLM時代のテクノロジーと社会 | LLMとは LLMが変える産業 LLMの社会的・倫理的課題 LLMの未来の展望 |
| LLMを使える人と使えない人で広がる格差 | LLM活用による個人間の格差 LLMを活用できる人材になるためには |
| LLMを使いこなすために必要な能力とは？ | LLMを使いこなせる人材とは LLMを使いこなせる人が持つ5つの能力 |
| プロンプトエンジニアリング応用 -プロンプト自体をLLMに生成させる- | LLMにプロンプトを作らせるということ LLMの回答を疑うことも大事 プロンプトそのものをLLMに作成させる プロンプトそのものをLLMに作成させる（応用編） |
| プロンプトエンジニアリング応用 -LLMの出力の質を高める条件付与- | プロンプトのおさらい 今日から使えるプロンプトテクニック ケーススタディ④組み立て方を指示する ケーススタディ⑤なぜそう考えたのかの理由を含める ケーススタディ⑥回答の形式を指定する |
| LLMを使って文章を添削・校正する | 文章校正の基本 文章の校正 ケーススタディ 表記ゆれの統一とその自動化 文章のわかりやすさと流れの最適化 |
| プロンプトエンジニアリング応用 -LLMを使った壁打ち手法 | LLMを使った壁打ち手法 LLMは完璧ではない 壁打ちのための質問 ケーススタディ |
| LLMを使った業務改善 | アンケート調査の設問と選択肢案の作成 化粧品の販促キャンペーン企画立案 インフルエンサーPR施策のリスク洗い出し 人事評価コメントの作成支援 |
| LLMの特性を踏まえた業務フロー | LLMとはどんな存在なのか？ LLMを活用するためにロジカルシンキングが重要 ロジカルシンキングの構成要素 |
| ロジカルシンキング(1) -MECEの概念とロジックツリー | ロジカルシンキングとは ロジカルシンキングの構成要素 要素の網羅的検討ロジックツリーとMECE MECEとは ケーススタディ |
| ロジカルシンキング(2) -様々なロジックツリーの紹介 | 前回の復習 3種類のロジックツリー ケーススタディ |
| ロジカルシンキング(3) -フレームワークの紹介- | 前回の復習 フレームワークの紹介 ケーススタディ |
| LLMを業務に活用するために必要な力 -課題思考- | 課題思考とは 問題とは 課題を洗い出す 解決策を考える ケーススタディ |
| LLMを業務に活用するために必要な力 -仮説思考- | 仮説とは 仮説思考とは 仮説の設定と検証サイクル ケーススタディ |
| LLMを業務に活用する為に必要な力 -多角的思考- | 多角的思考とは 多角的思考のメリット 多角的思考を行うポイント ケーススタディ |
| ケーススタディ | 応用編の復習 ケーススタディ |
LLM発展編
| 見出しタイトル | 小見出し |
| イントロダクション | イントロダクション 講師紹介 講座の概要 講座の流れ |
| 企業と個人におけるDX | DXとは DXの状況 デジタル化とDXの違い 企業DXと個人DXの関係 LLM活用で変わる時間の使い方 個人DXを実現するために必要な能力 |
| DX推進における効果的な業務の取り組み方-(1)課題とタスクの違い | 課題とタスクの違い 課題に取り組むことの重要性 課題をタスクに落とし込む タスクの優先順位の考え方 LLMを活用して課題をタスクに落とし込む方法 ケーススタディ |
| DX推進における効果的な業務の取り組み方-(2)課題解決とは？ | 課題解決とは 課題を解決するということの意味 課題解決に向けた思考プロセス LLMを活用した課題解決のアプローチ方法 ケーススタディ |
| DX推進における効果的な業務の取り組み方-(3)イシューとは？ | イシューとは？ 良いイシューの条件 イシューを設定する方法 イシューの洗い出しにLLMを活用する ケーススタディ |
| DX推進における効果的な業務の取り組み方-(4)業務を構造的に理解する | 業務を構造化する意義 要素分解の考え方 業務を構造化してイシューを特定する流れ LLMを使った業務の構造化とイシュー特定 ケーススタディ |
| DX推進における効果的な業務の取り組み方-(5)イシューを特定するためのテクニック | 質の高いイシューとは 質の高いイシューを特定するための具体的なテクニック ケーススタディ |
| プロンプトエンジニアリング発展 LLMを使った壁打ち手法 | 壁打ちについての復習 プロンプトエンジニアリング発展LLMを壁打ち相手とするポイント LLMを使った壁打ちの実演 ケーススタディ |
| LLMを活用した改善策の策定 | 特定した課題に目標や要件を設定する 課題の構造化と要素分解 LLMを使ったアイデア出し 選択肢の評価軸設定とLLMを使った評価 ケーススタディ |
| LLMを活用した実行計画の立案 | 実行計画の重要性 プロジェクトとは プロジェクトスコープとは プロジェクトの推進 ケーススタディ |
| LLMの回答を活かす創造的問題解決法 | 創造的思考力とは 新しい発想に繋がる思考法 創造的思考力を問題解決に活かす 創造的思考が阻害される要因 ケーススタディ |
| ケーススタディ | LLM発展編の復習 ケーススタディ |
