|
【講演ポイント】
本セミナーは、ビジネスユーザーが“ゼロから”AIエージェントとデータ分析の基本を身につけ、日々の要約・分析・可視化・報告といった定型タスクをレベルアップ+半自動化するための入門講座です。
まず、従来の自動化とエージェントの違いを実務例で直感的に理解し、表の見方（行＝記録／列＝項目）、粒度と指標の決め方、比較・グラフ作成の基本を体験します。
続いて、プロンプトの型でAIに迷子にならず依頼する方法、RAGによる「資料に基づく回答」の考え方、主要フレームワークの地図（LangGraph／AutoGen／MCP／ClaudeのComputer
Use／A2A）を“用語と位置づけ”だけ押さえます。
最後に、社内導入時のガードレール（データ・操作・費用）とKPIでの効果検証の観点を整理し、受講後すぐに業務で試せる下書きを持ち帰れる状態を目指します。
【習得できる知識】
・ルール型自動化とAIエージェントの違い・向き不向き
・ビジネスデータ分析の基礎知識
・プロンプト設計テンプレ (目的→出力→制約→トーン) の使い方
・ノーコードでの“要約→可視化→レポート下書き”の半自動化体験
・RAG (社内資料を根拠に回答させる考え方) の入門理解
・主要フレームワークの理解
(LangGraph/AutoGen/MCP/ClaudeのComputer Use/A2Aの役割)
・安全運用の三つのガードと効果測定KPI
（データ範囲／操作範囲／費用範囲）と効果測定KPI
【プログラム】
１．導入：AIエージェントの基本と活用全体像
1-1「固定手順の自動化」との違い（目的に応じた手順の組み替え）
1-2 用語整理：エージェント／ツール／ワークフロー／ガードレール／ログ
1-3 代表ユースケース（要約・可視化・レポート下書き）
２．主要フレームワーク＆概念の「地図」
2-1 LangGraph：手順の可視化と状態管理の土台
2-2 AutoGen（AG2）：役割分担による会話協調の枠組み（下書き係×チェック係）
2-3 MCP：AIと社内データ／ツールの標準接続口
2-4 RAG：資料を参照して根拠に基づき回答する方式
2-5 A2A：エージェント間連携の発想（標準化の動向）
2-6 OpenAI Operator／ClaudeのComputer Use：ブラウザ等の操作を伴う実行エージェント
３．データ分析の基本
3-1 データ分析の基本プロセス
3-2 データ分析と生成AI/AIエージェント
４．プロンプトの型
4-1 テンプレ：目的→出力形式→制約→トーン
4-2 NG例と改善例（曖昧さの除去／定義の固定化）
4-3 社内共有を見据えた書式指定（表・箇条書き・見出し）
５． AIに“読む・要約する”を任せる
5-1 配布CSVでハイライト抽出（根拠列の明記）
5-2 異常値・傾向の気づき
5-3 次に深掘りすべき観点の提示
６． AIに“可視化プラン”を書かせ、表計算で再現
6-1 どのグラフを作るか（推移／寄与）の策定
6-2 軸・凡例・注釈の読み取りと実装
6-3“伝わる1枚”の体裁づくり
７．下書き→レビューの二段構え
7-1 下書き係とチェック係の役割分担
7-2 レビュー観点チェックリスト（定義順守／比較軸／事実と推測の分離）
7-3 差分修正と再実行のコツ
８．安全運用と効果測定
8-1 ガードレール設計：データ範囲／操作範囲／費用範囲
8-2 導入効果のKPI（時短・再現率・満足度・採用率）
8-3 社内展開時の留意点（監査ログ／共有ポリシー）
９．まとめ
【質疑応答】
|
