お問い合わせ

コース概要

AI基礎知識:概念、種類、誤解

  • 人工知能とは何か、また何ではないか
  • ナローAIと汎用AI(AGI)の違い
  • 機械学習、深層学習、データサイエンス
  • 技術用語を使わずに機械学習の仕組みを理解する

ビジネスにおける生成AIとAIエージェント

  • 生成AIの機能と限界
  • AIエージェントとその動作原理
  • 生成AIの一般的なビジネス応用
  • ハルシネーション(幻覚)と現在のツールの限界

データ準備度:AIの基礎

  • 構造化データと非構造化データ
  • データ品質とその主要な次元
  • マネージャーのためのデータガバナンスの基礎
  • なぜAIの前にデータ準備が重要なのか

AIがビジネス価値を生み出す場所

  • AI機会マトリクス
  • AIユースケースのためのバリューチェーン分析
  • 主要活動と補助活動
  • 最大の価値を生み出すプロセス

AI成功事例と学び

  • 各業務機能における現実世界のAI応用
  • 成功した導入が成功した理由
  • 一般的な失敗パターンとその回避法

ワークショップ:部門別AI機会の特定

  • 部門のプロセスとペインポイントのマッピング
  • 各業務領域におけるAIユースケースのアイデア出し
  • AI機会キャンバスの完成
  • 部門間の調査結果の共有とディスカッション

最大価値のためのAIユースケースの優先順位付け

  • 価値と実現可能性のスコアリング
  • クイックウィンと戦略的賭け
  • AIプロジェクトファネル
  • 最初に追求すべきユースケースの選択

AIガバナンス:役割、委員会、説明責任

  • 組織内でAIをリードすべき人物
  • ガバナンスの役割、委員会、責任
  • 卓越センター(CoE)と分散型所有権
  • AIガバナンスのベストプラクティス

セキュリティ、リスク、責任あるAI

  • 情報セキュリティとデータ保護の制約
  • AIイニシアチブのリスクアセスメント
  • 倫理ガイドラインと責任あるAIの使用
  • 信頼できるAIの構築

AI対応組織の構築

  • AI成熟度評価
  • AIの軌跡におけるスキルと能力
  • チェンジマネジメントと文化的準備度
  • AI戦略サイクル

ワークショップ:AI導入ロードマップとアクションプランの作成

  • 機会マップの統合
  • フェーズ、クイックウィン、マイルストーンの定義
  • オーナー、メトリクス、ガバナンスチェックポイントの割り当て
  • 初期ロードマップと次のステップの作成

要求

  • 技術的知識やプログラミングの経験は不要です。
  • ビジネスやマネジメントの文脈でAIを応用することへの関心。

対象者

  • 上級マネージャーおよび部門責任者。
  • ゼネラルマネージャーおよび経営幹部。
  • デジタル化やトランスフォーメーションイニシアチブの責任者。
 16 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー