Google Cloud Generative AI Leader参考書

人工知能（AI）・機械学習（ML）・ディープラーニング・生成 AI の包含関係、教師あり/教師なし/強化学習という学習の種類、構造化・非構造化データの違い、そしてテキスト・画像・音声・マルチモーダルといったモダリティを、ビジネスの観点から理解します。

基盤モデルの考え方と汎用性、大規模言語モデル（LLM）がトークンとプロンプトを使って次の単語を予測する仕組み、事前学習とファインチューニングの違い、パラメータやコンテキストウィンドウといった用語、そして埋め込み（embeddings）の基礎を、ビジネスの観点から理解します。

ハルシネーション（もっともらしい誤り）、学習データに由来するバイアス、知識のカットオフ、出力の不確実性と再現性、説明可能性の難しさ、そしてデータプライバシーや著作権・セキュリティといった、生成 AI を業務で使うときに理解すべき限界とリスクを学びます。

Google の中核となる生成 AI モデル Gemini（マルチモーダル）と、画像の Imagen・動画の Veo・音声の Chirp といったモダリティ別モデル、さまざまな基盤モデルを選べる Model Garden、そして AI を構築・利用するプラットフォームである Vertex AI と Vertex AI Studio の役割を理解します。

Google Workspace に組み込まれた Gemini（文書作成・メール・会議の支援）、開発や運用を支援する Gemini for Google Cloud、調査・要約を支える NotebookLM、そして顧客対応を自動化する Customer Engagement Suite / Conversational Agents（CCAI）など、業務に直接組み込んで使える生成 AI ソリューションを理解します。

目的に向けて自律的にタスクを実行するエージェント（agentic AI）と、それを構築する Vertex AI Agent Builder、回答を Google 検索や自社データに根ざさせるグラウンディング、そして生成 AI を支える AI インフラ（TPU / GPU）の役割を、ビジネスの観点から理解します。

明確な指示・文脈・期待する出力形式を与えるプロンプトの基本、例を示さない/示すゼロショットとフューショット、役割（ペルソナ）の指定、段階的に考えさせる手法、そして出力のランダム性を調整する温度（temperature）など、生成 AI の出力品質を高めるプロンプトの工夫を理解します。

自社データに基づいて正確に答えさせるグラウンディングと RAG（検索拡張生成）、意味で検索するための埋め込みとベクトル検索、モデル自体を特定領域に適応させるファインチューニング、外部システムを呼び出す関数呼び出し（ツール）、そして出力品質を測る評価という、出力を改善する代表的な手法の使い分けを理解します。

Google の AI 原則に沿った責任ある AI（公平性・透明性・説明責任・プライバシー・人間中心）、AI 特有の脅威に備える Secure AI Framework（SAIF）、入力データの扱いとデータガバナンス、そして重要な判断に人を介在させる human-in-the-loop という、生成 AI を安全・責任を持って導入するための考え方を理解します。

有望なユースケースの見極めと投資対効果（ROI）、パイロットから本番への進め方、人材育成と変更管理（チェンジマネジメント）、コストとサステナビリティ、そしてパートナーやエコシステムの活用という、生成 AI 導入を成功とビジネス価値につなげるための戦略を理解します。