【G検定】1,380問のノックで掴んだ最新シラバスの正体——5/9本番に向けたITコンサルの直前整理

正直に言う。

試験まで、あと数日だ。

G検定の演習が、ついに1,380問に達した。ITコンサルとして20年現場をやってきた人間が、AIコーチと併走しながらここまで積み上げた。450問を超えた段階で「もう十分だろう」と思った瞬間が何度もあった。それでもシラバスを追いかけ続けるうちに、生成AI時代に突入した試験範囲の輪郭が、まったく違って見えてきた。

最新の出題傾向は、単なる暗記では太刀打ちできない設計に変わっている。LLMの調整技術、評価指標の使い分け、2024年以降のAI法制、マルチモーダルとAIエージェント。どれも数年前のシラバスにはなかった、あるいは比重が桁違いに増している領域だ。

直近の演習、すなわち1,321問から1,380問までで特に重要だと感じた最新シラバスのトレンドと、実務に直結する数理・法制・LLMのポイントを、ここに残す。試験を控えている人間にも、すでにAIを実務で扱っている人間にも、何かしら持ち帰れる形で書いた。

生成AI時代の新常識：LLMの高度な制御

最新の試験範囲では、LLM（大規模言語モデル）を「知っている」だけでは通用しない。LLMをどう調整し、どう運用するかという周辺技術が、深く問われる。

指示学習（Instruction Tuning）は、事前学習を終えたLLMを「対話できる状態」に微調整する工程である。生のLLMは文章生成はできても、ユーザーの指示に的確に応える形にはなっていない。指示と応答のペアで追加学習させることで、対話AIとしての基礎が作られる。

RLHF（人間からのフィードバックによる強化学習）は、ChatGPTの核となる技術である。人間の好みを報酬として学習させることで、出力の品質と安全性を同時に上げる。指示学習で「対話の形」を作り、RLHFで「対話の質」を磨く。この二段構えの理解が、試験でも実務でも効く。

RAG（検索拡張生成）は、ハルシネーション、すなわちもっともらしい嘘を防ぐための実務的最適解である。LLMの内部知識だけに頼らず、外部の検索結果を参照させることで、最新性と正確性を担保する。企業のAI導入現場では、ファインチューニングよりもRAGから始める判断が圧倒的に多い。コストと鮮度のバランスが、RAGに有利に働くからだ。

Zero-shot CoT（ゼロショット思考連鎖）は、「段階的に考えてください」という一行を加えるだけで、LLMの推論力が劇的に変わる現象である。プロンプト工学の核心が、この一点に凝縮されている。試験で問われるだけでなく、実務でクライアントにLLM活用を説明するときの最初の武器になる。

実務で差がつく「数理」と「最適化」

数式を丸暗記するのではなく、その意味とグラフの動きを理解することが合格への近道だ。

勾配ブースティング（GBDT）は、前のモデルが残した「残差」を次のモデルが埋めていく構造である。Kaggleなどの実務コンペで圧倒的な成績を出してきた手法であり、ディープラーニング以前の機械学習の到達点として位置づけられる。XGBoost、LightGBM、CatBoostといった具体的な実装名も、併せて押さえておきたい。

バッチ正規化の罠は、学習時と推論時で挙動が違う点にある。学習時はミニバッチごとの統計量を使うが、推論時は学習中に蓄積した「移動平均」を使う。この違いを問う問題は頻出である。「なぜ移動平均なのか」を一文で説明できるかが、理解の深さを分ける。

L1正則化（ラッソ回帰）は、重みを完全にゼロにすることで「特徴量選択」の役割を果たす。L2正則化（リッジ回帰）が重みを小さくするのに対し、L1はゼロまで押し込む。スパースなモデルが必要な場面、特徴量が膨大で重要なものだけ残したい場面で選ばれる。

ROC曲線とAUCは、不均衡データの評価で必須の概念である。ROC曲線の45度線は「当て推量（ランダム予測）」を意味する。AUCはその曲線下の面積であり、1.0に近いほど優れたモデル、0.5は完全にランダム、0.5未満は逆張りすれば当たるレベルの低性能、と読み解ける。

避けては通れない「AIガバナンスと法規制」

2024年以降の最新ガイドラインと国際的な動きが頻出している。技術問題だけ対策していると、ここで足元をすくわれる。

AI事業者ガイドライン（2024年）は、AI開発者・提供者・利用者の三者に共通する指針として整理された日本独自のフレームである。これまで分散していたAI関連の各種ガイドラインを統合した位置づけにあり、企業のAI導入実務でも参照されることが増えている。

広島AIプロセスは、G7で合意された国際的な行動規範であり、日本主導で議論が進められた経緯がある。EU AI法のリスクベース・アプローチと並んで、AIの国際ガバナンスを語る上で外せない。

著作権法の「依拠性」は、AI生成物の侵害リスクを判定する核心概念である。AIが既存の著作物を「知っていた（依拠していた）」場合、生成物が類似していれば侵害リスクが生じる。日本の著作権法30条の4による「機械学習パラダイス」論と併せて、依拠性の論点を理解しておくことが必須である。

QA4AI（Quality Assurance for AI）は、AI特有の品質マネジメントフレームである。従来のソフトウェア品質保証ではカバーできない、AIの非決定性・データ依存性・モデル劣化といった特性に対応する考え方として位置づけられる。

最新の技術トレンド：マルチモーダルとエージェント

AIは「テキスト生成」から「行動」のフェーズに移っている。最新シラバスは、この移行を確実に追いかけている。

ViT（Vision Transformer）は、画像認識の主役を畳み込みニューラルネットワーク（CNN）から奪った技術である。画像を小さなパッチに分割し、アテンション機構で処理する。画像にもTransformerが効くという発見が、その後のマルチモーダルAIの基盤になった。

ReActフレームワークは、「推論（Reasoning）」と「行動（Acting）」を交互に繰り返す自律型AIエージェントの思考回路である。LLMが単に答えを出すのではなく、考え、ツールを呼び出し、結果を踏まえて次を考える、という構造を実装する。AIエージェント時代の基礎概念であり、今後数年の技術動向を読む上でも外せない。

FlashAttentionは、Attention計算をIOレベルで高速化することで、長い文脈を扱えるようにした革命的技術である。LLMが扱える文脈長（コンテキストウィンドウ）が一気に伸びた背景には、この技術がある。試験で問われるだけでなく、「なぜ最近のLLMは長い文章を扱えるようになったのか」をクライアントに説明するときの根拠になる。

直前期にやるべきこと

正直に言う。

試験本番まで残り数日のタイミングで、新しい範囲を詰め込むのは投資効率が悪い。

やるべきは、これまで間違えた論点を一行カンペにして、繰り返し見直すことだ。脳が一度引っかかった論点は、本番でも引っかかる。だからこそ、自分の弱点リストを直前に何度も通読する。新しい知識を10個入れるより、過去に間違えた論点を1個確実に潰すほうが、本番のスコアに直結する。

特に直前期に見直したいのは三つの領域である。第一に、評価指標の使い分けである。Precision、Recall、F値、AUCがどういう場面で選ばれるかを、自分の言葉で説明できる状態にしておく。第二に、最新の法規・ガバナンスである。AI事業者ガイドライン、広島AIプロセス、EU AI法、著作権法30条の4と依拠性の論点。これらは技術問題と違って暗記要素が強く、直前の詰め込みが効く。第三に、生成AI周辺の用語である。指示学習、RLHF、RAG、CoT、ReAct、ViT、FlashAttention。これらが何を解決する技術かを一言で言えるかを確認する。

G検定は「免許証」であって「ゴール」ではない

1,380問を解いて分かったのは、AIの世界は日々進化しており、知識のアップデートを止めてはいけないということだ。残り20問で、1,400問に到達する。試験本番までに完走する予定である。

G検定はゴールではない。AIという強力な武器を使いこなすための免許証にすぎない。

1,380問のノックを経て手に入れたのは、合格証ではなく、技術と実務の間を翻訳できる自信である。ITコンサルとしての武器は、AIを使えることではない。AIをクライアントの言葉に翻訳できることだ。技術と実務の間に、翻訳が必要な層がある。その層を担える人間は、現場で長く重宝される。

5月9日、本番に挑む。合格報告と振り返りは、別記事で残す予定だ。

同じく試験を控えている人間に伝えたい。最後まで自分の弱点リストと向き合うこと。新しい範囲に手を出さないこと。本番では落ち着いて、見覚えのある論点から確実に拾うこと。

健闘を祈る。

関連記事

【第1回】AI顧問とは何か -> https://note.com/quiet_emu2080/n/n7cad0b52af08

【第2回】AI導入で失敗する組織の共通点 -> https://note.com/quiet_emu2080/n/n0068cc7a20e0

DX実践完全ガイド——失敗しないAI導入のロードマップ（有料・¥2,480） -> https://note.com/quiet_emu2080/n/ndb7c9975bf0a

マガジン

AI活用実験室 -> https://note.com/quiet_emu2080/m/m79242a34a2cb

現場PMの実践ノート -> https://note.com/quiet_emu2080/m/mb3eda5b30688