※この記事は、2026年8月時点でAI講座を進めている途中の個人的な学習メモです。講座の教材や正式な評価基準を解説するものではありません。
AI講座のプライバシー分野をひとまず終え、次のPython分野へ進みました。
Pythonに入って最初に感じたのは、思っていたより見通しがよいことでした。
もちろん、Pythonそのものが簡単だという意味ではありません。
知らない書き方もありますし、エラーが出れば止まります。
それでも、直前まで取り組んでいた課題よりは、何をすればよいのかが見えやすく感じました。
なぜだろうと考えてみると、分野の難易度だけの問題ではなさそうでした。
Pythonの課題は、作るものや期待する動作が比較的はっきりしています。
一方、プライバシーのような課題では、前提条件を整理し、複数の観点をつなぎながら、自分で判断を組み立てる必要があります。
この違いによって、AIに頼みたい仕事も変わるのではないかと思いました。
Pythonへ進んだら、急に見通しがよくなった
Pythonの課題では、少なくとも目指す方向が見えます。
指定された処理を作る。
実行する。
期待した結果になるか確認する。
エラーが出たら原因を探す。
正しいコードが一通りとは限りませんが、動いたかどうか、期待する出力になったかどうかは確認できます。
分からない書き方があれば、AIに説明してもらえます。
エラー文を見せて、原因の候補を出してもらうこともできます。
自分が書いたコードと期待する結果を渡し、どこがずれているか確認してもらうこともできます。
AIの回答が正しいかについても、実際に動かすという確認方法があります。
この「確認できる」という部分が、自分にとってはかなり大きかったようです。
難しかったのは、専門用語より答えの形が見えないことだった
その直前に取り組んでいたプライバシー分野では、少し事情が違いました。
誰の情報を扱うのか。
何のために使うのか。
どこに保存するのか。
どのようなリスクがあるのか。
問題が起きた時に誰が対応するのか。
一つずつの質問だけなら、それらしい文章は作れます。
しかし、実際には前提によって答えが変わります。
扱う情報が変われば、必要な対策も変わります。
サービスの範囲が変われば、責任を持つ場所も変わります。
技術的な対策だけでなく、運用や確認先まで考えなければならない場合もあります。
Pythonのように、実行して期待する結果が出ればひとまず確認できる、とはなりません。
文章として自然でも、前提が抜けているかもしれません。
一般論として正しくても、今回考えている条件には合わないかもしれません。
自分が苦戦していたのは、単に知らない言葉が多かったからではありませんでした。
何をもって答えとするのかを、自分で組み立てなければならなかったからです。
答えがある課題では、AIを説明と照合に使いやすい
答えの形が見える課題では、AIへ頼む仕事も決めやすくなります。
たとえば、
- 分からない用語や文法を説明してもらう
- エラーの原因候補を出してもらう
- 処理を小さな手順に分けてもらう
- 自分のコードと期待する出力のずれを確認してもらう
- 別の書き方を示してもらう
といった使い方です。
この場合、AIは説明役やデバッグの補助役に近くなります。
AIが出したコードをそのまま正解にする必要はありません。
実行結果を見たり、自分で説明し直したりすれば、確認できます。
以前の記事では、AIが答えを出せたことと、自分が理解できたことは別だと書きました。
その確認も、答えの形が見える課題では比較的やりやすいです。
動作を再現できるか。
なぜその結果になるか説明できるか。
一部を変えた時にどうなるか予想できるか。
確認する基準を作りやすいからです。
判断を組み立てる課題では、AIに材料を整理してもらう
一方、判断が必要な課題では、AIへ「答えを作って」と頼むだけでは危ない気がします。
AIは、与えられた情報から形の整った文章を作れます。
しかし、AI側がこちらの環境や前提を勝手に全て理解してくれるわけではありません。
教材や条件を渡していなければ、一般論を中心に答えるしかありません。
反対に、資料をまとめて渡したとしても、最終的にどの方針を採用するかまで任せてよいとは限りません。
そこで、判断型の課題では、AIの役割を少し手前へ戻した方がよさそうです。
- 教材や参考資料から関係する部分を整理する
- 問いを小さな論点に分ける
- 自分の案で抜けていそうな視点を挙げる
- 前提が変わると答えも変わる部分を示す
- 追加で誰や何に確認すべきかを整理する
AIに完成答案を決めてもらうのではなく、自分が判断するための材料を見やすくしてもらう使い方です。
今回のプライバシー課題でも、AIに見てもらったことで、自分では気づいていなかった確認項目が見えました。
ただし、AIが挙げた項目が、そのまま講座の正式な評価基準になるわけではありません。
法令や公式資料の確認が必要な部分もあります。
最後は、自分がどの前提で何を採用したのか説明できる必要があります。
同じ頼み方をすると、AIの役割がずれる
これまでは、AIに勉強を手伝ってもらう方法を、ある程度一括りに考えていました。
分からない資料を渡す。
要点を整理してもらう。
質問する。
回答を直す。
この流れ自体は、どの課題でも使えます。
ただ、課題の種類を見ずに同じ使い方をすると、AIへ任せる範囲がずれることがあります。
答えの形が見える課題なのに、AIへ最初から完成品を作らせれば、自分で試す機会が減ります。
判断を組み立てる課題なのに、AIの整った文章を正解として受け取れば、前提や責任範囲を見落とすかもしれません。
大事なのは、難しい課題では高性能なAIを使う、と単純に分けることではなさそうです。
まず、
これは答えを確認する課題なのか。
それとも、判断材料を集めて方針を決める課題なのか。
を見分ける。
その上で、AIを説明役にするのか、整理役にするのかを決める。
この順番の方が、自分には分かりやすそうです。
最終判断は人間が持つ。でも、全部を一人で抱える必要もない
判断型の課題では人間が全部やるべきだ、と断定したいわけではありません。
資料が多く、論点も複数ある課題を、一人で最初から全部整理するのは大変です。
むしろ、その部分こそAIに助けてもらえます。
ただし、AIへ任せるのは判断そのものではなく、判断できる状態を作るところまで。
少なくとも今の自分は、その境界が合っています。
AIに資料を読んでもらう。
論点を分けてもらう。
抜けを指摘してもらう。
必要なら、反対の立場からも見てもらう。
その上で、公式な根拠や課題の条件を確認し、自分で採用する内容を決める。
AIを使わないのではなく、AIの仕事を変えるという考え方です。
学習内容は、辞書と外部記憶として残したい
AIに学習を手伝ってもらうなら、その場で課題を終わらせるだけでは少しもったいないとも感じています。
今回確認した用語や、自分が判断する時に使った前提は、次の課題でも使う可能性があります。
そこで、学習中に得た内容は、Obsidianへ自分用の辞書として残しておきたいと思っています。
答えの形が見える課題なら、
- 分からなかった用語や文法
- よく出たエラーと原因
- 自分が理解しやすかった小さな例
- 動作確認に使った条件
を残せます。
判断を組み立てる課題なら、
- 判断する時の前提
- 確認した根拠
- 採用した考えと採用しなかった考え
- まだ確認できていないこと
- 次に確認する相手や資料
を残せます。
教材の文章をそのまま写して保管するのではなく、自分が理解した内容と判断の経緯を、自分の言葉で残すイメージです。
自分が全てを暗記する必要はありません。
必要な時に検索できれば、自分用の辞書になります。
さらに、次にAIへ相談する時、そのメモをコンテキストとして読んでもらえば、毎回ゼロから状況を説明し直さずに済みます。
Obsidianに残したメモは、自分の記憶を補うだけでなく、AIが次の作業を始めるための外部記憶にもなります。
もちろん、過去のメモが常に正しいとは限りません。
確認済みの内容、当時の判断、未確認事項を分け、必要なら公式資料で更新することも必要です。
それでも、学んだ内容を課題の中だけで使い捨てるより、辞書と外部記憶へ変えておく方が、次の学習や実務へつなげやすそうです。
次からは、最初に課題の種類を確認したい
今後、AIに学習を手伝ってもらう時は、いきなり資料を全部渡して答えを求める前に、次の二つを確認したいと思っています。
答えの形が見える課題
- 期待する結果は何か
- 実行や照合で確認できるか
- 自分で説明できるか
- AIには説明、分解、デバッグのどこを頼むか
判断を組み立てる課題
- 判断に必要な前提は何か
- 関係する資料や立場は何か
- AIには整理、論点分解、見落とし確認のどこを頼むか
- 最終的に何を公式資料や人へ確認するか
- 誰が最後の判断を持つか
この分類も、きれいに二つへ分かれるとは限りません。
Pythonでも設計判断はあります。
プライバシー課題でも、明確に確認できる項目はあります。
それでも、今取り組んでいる部分がどちらに近いかを見るだけで、AIへ頼む内容は決めやすくなります。
まとめ
AI講座のプライバシー分野を終えてPythonへ進んだ時、Pythonの方が見通しよく感じました。
しかし、それはPythonが簡単だったからとは限りません。
作るものや期待する動作が見え、確認方法を作りやすかったからです。
答えの形が見える課題では、AIを説明、デバッグ、照合へ使いやすい。
判断を組み立てる課題では、AIに資料を読ませ、論点を分け、見落としを探してもらう方が使いやすい。
そして、最後の方針までAIへ預けるのではなく、自分が判断できる状態を作るために使う。
さらに、学習中に確認した用語、前提、判断理由をObsidianへ残せば、自分用の辞書になります。
次にAIへ相談する時には、そのメモを外部記憶として読んでもらうこともできます。
これまで自分は、AIに勉強を手伝ってもらう方法を一括りに考えがちでした。
今回の課題を通して、同じAIでも、課題の性質によって役割を変えた方がよいと感じました。
次からは「どのAIを使うか」を決める前に、「これは答えを確認する課題か、判断を組み立てる課題か」を見たいと思います。
コメント