明日からできる生成AI/AIエージェントによるデータ分析入門【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　明日からできる生成AI/AIエージェントによるデータ分析入門【提携セミナー】

開催日時	2026/12/2（水） 10:30～16:30
担当講師	石井良平氏
開催場所	【WEB限定セミナー】※会社やご自宅でご受講下さい。
定員	-
受講費	通常申込：本体50,000円＋税5,000円 E-Mail案内登録価格：本体47,500円＋税4,750円

明日からできる

生成AI/AIエージェントによるデータ分析入門

プログラミングを使わずともできる

調査・論文の収集、要約データ分析、ツール作成、レポート執筆の自動化

【提携セミナー】

主催：サイエンス＆テクノロジー株式会社

受講可能な形式：ライブ配信(見逃し配信付)】

セミナー趣旨

ChatGPT、Gemini、Claudeなどの生成AIは、質問に答えるチャットの段階から、目的を与えると自ら計画を立て、調査・ファイル操作・分析・文書作成までを進める「AIエージェント」の段階へと進化しています。本セミナーでは、生成AIとAIエージェントの仕組みを基礎から解説したうえで、研究開発業務の流れに沿って、①技術動向・先行研究の調査と論文の収集・要約、②データの集計・可視化・予測と報告書の作成、③分析結果を使った小さな業務ツールの作成、の各場面での具体的な活用方法を、講師の実演を交えて紹介します。

さらに、AIエージェントを業務で使いこなすための考え方として、1回の指示文の書き方（プロンプトエンジニアリング）から、AIに渡す情報の設計（コンテキストエンジニアリング）、AIを安全かつ再現可能に動かす枠組みの設計（ハーネスエンジニアリング）へと、段階を追って解説します。同じデータ・同じ指示文でも、渡す情報と動かす枠組みを変えると分析の結論が大きく変わることを、実演で確認します。

Pythonなどのプログラミングは扱わず、日本語による指示でAIに作業を任せる方法を中心に解説します。AIの出力に含まれる誤りを見抜くための検証のポイントや、機密データ・個人情報を扱う際の注意点もあわせてお伝えします。受講後には、AIに任せられる作業と人が判断すべき作業を見極め、明日からの業務で調査・分析・報告にかかる時間を短縮できる状態を目指します。

得られる知識

生成AI（大規模言語モデル）とAIエージェントの仕組み、および両者の違いを理解できる
プロンプト（1回の指示文）・コンテキスト（AIに渡す情報）・ハーネス（AIを動かす枠組み）の3つの層の違いを理解し、それぞれを
設計できるようになる
AIチャットの調査機能やGemini Notebookを使い、技術動向の調査、論文・技術資料の収集と要約を効率的に行えるようになる
プログラミングをせずに、生成AIへ実験・測定データの集計・可視化・予測モデルの作成を依頼できるようになる
AIが出した分析結果の誤りを見抜くための確認ポイント（検算・再現性・統計的な妥当性）を習得できる
Claude CodeやCodexなどのAIエージェントを使い、定型的なデータ処理や小さな業務ツールの作成を自動化する方法を理解できる
分析結果をもとに、報告書・論文の図表作成、下書き、推敲までをAIと分担して進める方法を習得できる
機密データや個人情報をAIエージェントに読み込ませないための権限設定・確認処理（ガードレール）の考え方を理解できる
社内データを扱う際の情報セキュリティ上の注意点と、AIに任せる作業・人が判断すべき作業の線引きを理解できる

受講対象

研究開発・設計・品質管理・生産技術などで、実験データや測定データを扱う技術者・研究者の方
技術動向や先行研究の調査、論文・特許・技術資料の読み込みに多くの時間を費やしている方
Excelでの集計・グラフ作成や報告書の作成を効率化・自動化したい方
プログラミングの経験はないが、生成AIを使ってデータ分析を始めたい方
過去にPythonなどのプログラミング学習で挫折した経験がある方
ChatGPTなどの生成AIを使っているが、チャットでの質問以上の活用方法が分からない方
AIエージェント（Claude Code、Codexなど）やGemini Notebookの実務での使い方を知りたい方
社内で生成AI・AIエージェントの活用を推進する立場の方

担当講師

XTX(株) 代表取締役　石井良平氏

セミナープログラム（予定）

１．イントロダクション
1.1 生成AI・AIエージェントでデータ分析はどう変わったか
1.2 本日扱うツールの全体像（Claude Code／Codex／ChatGPT／Gemini／Claude／Gemini Notebook）

２．生成AI・AIエージェントの基礎
2.1 生成AI・大規模言語モデル（LLM）とは
2.2 LLMをブラウザで使う／APIで使う
2.3 AIエージェントの基本概念（チャットAI・RPAとの違い）
2.4 AIエージェントの動作原理と動作フロー（考える→ツールを使う→結果を確かめる、の繰り返し）
2.5 AIエージェントを拡張する仕組み（MCP・Skillsなど）
2.6 ハルシネーション（もっともらしい誤り）と情報セキュリティ上の注意点

３．AIによる調査・論文の収集と要約
3.1 AIチャット（ChatGPT／Gemini／Claude）の調査機能による技術動向・先行研究の調査
3.2 論文・特許・技術資料の収集と読み解き
(1) 要約と要点の抽出
(2) 複数文献の比較表の作成
(3) 出典の確認と裏取りの進め方
3.3 Gemini Notebookによる手元資料（論文PDF・社内報告書など）の要約と質疑応答

４．プログラミング不要のAIデータ分析
4.1 データ分析の5ステップとAIの効きどころ
（課題・仮説設定→データ収集→データの確認と理解→クリーニングと前処理→技術的分析→意思決定・レポーティング）
4.2 データ分析のケーススタディ
(1) データの確認と理解（基本統計量・欠損値・外れ値）
(2) データのクリーニングと前処理・集計
(3) グラフの作成と読み方
(4) 原料・条件などの多変量データから特性を予測するモデルの作成
(5) 結果の解釈と、報告書・レポートの下書き作成
4.3 AIの分析結果を検証するポイント（検算・再現性・統計的な妥当性）
4.4 Claude Code／Codexによる小さな業務ツール（予測シミュレーター等）の作成

５．プロンプト→コンテキスト→ハーネス：AIエージェントを使いこなす3つの層
5.1 プロンプトエンジニアリング：1回の指示文の書き方
（明確な指示、背景情報と例示、役割の指定、出力形式の指定）
5.2 コンテキストエンジニアリング：AIエージェントに渡す情報の設計
(1) コンテキストとは何か（指示ファイル・会話履歴・参照したファイル・ツールの実行結果）
(2) データ分析で渡すべき4種類の情報（データの説明・分析の目的と業務背景・過去の分析や報告書・出力の型）
(3) 指示ファイルの書き方と、コンテキストの限界
5.3 ハーネスエンジニアリング：AIエージェントを安全かつ再現可能に動かす枠組みの設計
(1) なぜ必要か（結果を再現できない・意図しない操作をする・検証されないまま結果が出る）
(2) 権限設定・フック・スキル・サブエージェント・検証手順
(3) 機密データ・個人情報を読み込ませないためのガードレール設計
5.4 実演

６．まとめと今後のステップ
6.1 AIに任せる作業と、人が担うべき判断
6.2 明日からの第一歩（データの説明書・依頼メモ・指示ファイルの作成）と社内のルール作り
6.3 今後の学習ステップと実務への応用アドバイス

□ 質疑応答 □