Claud3.7がリリースされたので早速触ってみましたが、進化が想像以上でした。
いろいろ試した結果をShareしたいと思います。
はじめに
Claude3.7を使っていて抑えておいた方がよいポイントがあるので、以下にまとめます。
標準モードと拡張モード
Claude3.7からはExtendedモードを選択できます。
ざっくり言えば、「色々考えてくれるモード」ですが、大量のコードを生成させる場合は大抵出力トークンの上限に引っ掛かり途中で出力が止まってしまいます。
「続けて」と打ち込めば続きのコードから末尾に追記してくれますが、稀にコードの挿入位置がずれてコードがまともに動かなくなります。
大量のコード生成が前提の場合は、最初からExtendedモードを選択してから依頼しましょう。
ちなみに、明記はされてませんでしたが、APIの場合はanthropic-betaヘッダにoutput-128k-2025-02-1を指定するとアウトプットを128Kまで増やせるという記載があったので、チャット画面でもExtendedモードを指定しておけば128kまでは吐き出せるはずです。
実際に、Extendedモードを選択しておけば途中で出力が切れることは１度もありませんでした。
Using extended thinking on Claude 3.7 Sonnet
Extended thinking models
途中から拡張モードに切り替えはできない
最初Normalモードで出力させた後に、出力が多いからExtendedモードに切り替えたと思っても、直前までのやり取りを引き継いでExtendedモードに切り替えはできませんでした。
Extendedモードに切り替えると新規チャットセッションに切り替わります。
1.資料作成系
まずは資料生成系から。
1-1.論文のPDFファイルからチートシートを生成
生成AIの起点ともいえる有名な論文Attention_Is_All_You_NeedのPDFファイルを元にわかりやすいチートシート資料を生成してもらいました。
PDFの論文からチートシートを生成するプロンプト
添付したPDF論文ファイルを分析し、インタラクティブな「プレゼン資料型チートシート」をHTML/CSS/JavaScript/SVGで作成してください。
論文の本質を把握でき、エグゼクティブへの説明にも使える高品質なウェブベースのビジュアライゼーションを目指します。
日本語の資料を作成してください。
【技術仕様】
1. ベース構造：
- レスポンシブHTML5レイアウト（16:9比率最適化）
- モダンなCSS Grid/Flexboxによる洗練されたレイアウト
- 暗号化PDFパーサーでの論文テキスト抽出（可能な場合）
2. インタラクティブ要素：
- JavaScript駆動のホバーエフェクトとクリックアクション
- タブ切り替え式セクションナビゲーション
- 重要データの拡大/詳細表示機能
- SVGベースのインタラクティブチャート（D3.js活用）
3. ビジュアライゼーション：
- 論文構造を表現するSVGフローダイアグラム
- データをリアルタイム表示するWebGLシェーダーエフェクト
- カスタムSVGアイコンとシンボル
- 論文メトリクスのアニメーションダッシュボード
4. パフォーマンス最適化：
- 非同期データローディング
- コンポーネントの遅延読み込み
- シェーダーコードの最適化
【コンテンツ構成】
1. ヘッドラインセクション：
- 論文タイトル（アニメーションタイポグラフィ）
- 著者情報と研究メトリクス（インタラクティブバッジ）
- カラーコード化された研究分野タグ
2. 「Key Insights」パネル：
- 論文の核心（最大3つ）を強調表示
- クリックで展開するディテール
- 重要度を示すビジュアルインジケーター
3. 「Research Architecture」セクション：
- SVGで描画された研究フレームワーク図
- シェーダーアニメーションによる方法論フロー
- クリック可能な実験設計コンポーネント
4. 「Data Story」ビジュアライゼーション：
- インタラクティブなデータグラフ（D3.js）
- WebGLシェーダーによるデータパターン表現
- ドラッグ可能なデータポイント調査ツール
5. 「Impact Analysis」ダッシュボード：
- リアルタイム引用メトリクスAPI連携
- 関連研究領域へのインパクトビジュアライゼーション
- 将来研究方向性のフォースダイレクテッドグラフ
6. 「Practical Applications」セクション：
- インタラクティブなユースケースカード
- 産業別応用可能性スコア
- ホバーで詳細表示される実装シナリオ
【実装指示】
- メインHTMLコンテナに階層的構造を実装
- モダンなCSSでビジュアルヒエラルキーを確立
- Three.jsまたはD3.jsによるデータビジュアライゼーション
- GLSLシェーダーでデータパターンを動的表現
- 研究手法のインタラクティブSVGフローチャート
- ローディング/トランジションにスムーズなアニメーション
- タッチデバイス対応のインタラクションデザイン
- アクセンチュア風のダーク系の配色を選択
このプレゼン型チートシートは、学術的正確さとビジュアルインパクトを両立させ、論文内容をわかりやすく伝えると同時に、技術的に洗練されたウェブエクスペリエンスを提供するものにしてください。
上記のプロンプトを投げてポン出しで生成された資料が以下です。
リンクから実際に触っていただけますのでぜひ見てみてください。
明らかに精度が上がっています・・・。
1-2.リサーチ→プレゼン資料作成
DeepResearchで調査(Grok-3)→内容を校正(o1)→プレゼン資料作成（Claude3.7)の流れでやってみました。
実際に投げたプロンプトはすべて以下に記載しています。
ステップ1:まずはDeepResarch
ちょうど無料で使えたので、まずはGrok-3で「どうやったら個人スキルの拡張、新たなスキル習得を生成AIの力を借りて実現できるのか？」について調査を依頼。
Grok-3の調査結果
直接回答
研究は、生成AIが個人の基本スキルの拡張や新たな領域のスキル習得に役立つ可能性があることを示唆しています。
生成AIは、チュートリアル、練習、創造的なコラボレーション、パーソナライズされた学習、シミュレーションを通じて学習を支援します。
予想外の詳細として、音楽作曲のような創造的な分野でも生成AIが有効であることが明らかになっています。
言語学習
生成AIは、言語学習に役立つツールを提供します。例えば、TextCortexのZenoChatは、会話練習や週ごとの学習計画を作成し、個々のニーズに合わせたフィードバックを提供します。
コーディング
コーディングスキルの向上には、GitHub Copilotなどのツールがコード補完やデバッグを支援し、新しいプログラミング言語を学ぶのに役立ちます。
音楽作曲
音楽作曲では、AIVAやSoundrawのようなAIツールが、作曲のアイデアを生成し、異なるスタイルを探索する手助けをします。
これらのツールは、個々の学習スタイルに合わせてカスタマイズ可能で、効率的なスキル開発を促進します。生成AIの利用は、倫理的な考慮事項や正確性の検証が必要な場合があるため、注意深く使用することが重要です。
調査ノート
生成AIを個人の基本スキルの拡張や新たな領域のスキル習得・拡張に活用する方法を調査し、レポートにまとめるにあたり、以下のような詳細な分析を行いました。生成AIは、テキスト、画像、音楽などの新しいコンテンツを生成するAIシステムであり、ChatGPTやDALL-Eなどの例があります。これらのツールは、既存のスキルを強化したり、新しいスキルを学ぶために個人が利用できる多様な方法を提供します。
調査の背景と方法
調査では、生成AIが教育やスキル開発にどのように適用されているかを理解するために、ウェブ検索を通じて関連情報を収集しました。検索クエリには「using generative AI to learn new skills」や「generative AI for learning and development」などを用い、生成AIが個々のスキル開発にどのように貢献できるかを探りました。特に、言語学習、コーディング、音楽作曲などの具体的な領域に焦点を当てました。
生成AIの活用方法
チュートリアルと説明
生成AIは、個々の学習者に合わせたチュートリアルを提供し、質問に答えることができます。例えば、言語学習では、TextCortexのZenoChatが説明、翻訳、練習材料を生成し、学習者が新しい言語を効果的に理解・練習する手助けをします。ZenoChatは、週ごとの学習計画を作成し、会話パートナーとして機能することで、個々のニーズに合わせたフィードバックを提供します。
練習とフィードバック
生成AIは、練習問題やシナリオを生成し、スキルの実践を支援します。コーディングでは、GitHub Copilotがコード補完、デバッグ、コードスニペットの生成を支援し、新しいプログラミング言語を学ぶ際に即時のフィードバックを提供します。これにより、学習者はミスを修正し、概念を深く理解することができます。
創造的なコラボレーション
生成AIは、アイデアやコンテンツを生成し、学習者がこれを基に発展させる創造的なパートナーとして機能します。音楽作曲では、AIVAやSoundrawがオリジナル曲を生成し、作曲家が新しいスタイルやテクニックを探索する手助けをします。これにより、音楽家は生成された作品から学び、自分の作曲スキルを向上させることができます。
パーソナライズされた学習
生成AIは、学習者のデータを分析し、個々のニーズや学習スタイルに合わせた経験を提供します。例えば、言語学習では、AIが学習者が苦手とする領域を特定し、追加の練習や説明を提供します。これにより、学習プロセスが効率化され、効果が高まります。
シミュレーションと没入型学習
生成AIは、実際のシナリオをシミュレートし、安全な環境で実践的な経験を提供します。医療分野では、AIが患者とのやり取りをシミュレートし、医学生が診断や治療スキルを練習することができます。これにより、実世界の結果を伴わずにスキルを磨くことが可能です。
具体的な事例とツール
以下に、調査で明らかになった具体的な事例とツールをまとめます。これらのツールは、個々のスキル開発に直接貢献し、学習者の創造性と効率を高めます。
スキル領域
ツール名
機能
言語学習
TextCortexのZenoChat
会話練習、週ごとの学習計画作成、個別フィードバック提供
コーディング
GitHub Copilot
コード補完、デバッグ、コードスニペット生成
音楽作曲
AIVA
オリジナル曲生成、スタイル探索
音楽作曲
Soundraw
ロイヤリティフリー音楽生成、作曲の効率化
調査の結果と考察
調査の結果、生成AIは多様なスキル領域で有効であることが明らかになりました。特に、言語学習ではZenoChatが会話パートナーとして機能し、コーディングではGitHub Copilotが実践的な学習を支援します。音楽作曲では、AIVAやSoundrawが新しいアイデアの生成を助け、創造的なスキルの開発を促進します。これらのツールは、個々の学習スタイルに合わせてカスタマイズ可能であり、効率的なスキル開発を可能にします。
しかし、生成AIの利用にはいくつかの考慮点があります。例えば、倫理的な問題や生成されたコンテンツの正確性の検証が必要です。学習者は、AIの出力を批判的に評価し、他の情報源と照らし合わせることが重要です。また、生成AIが提供するパーソナライズされた学習は、データプライバシーの観点からも注意が必要です。
結論
生成AIは、個人の基本スキルの拡張や新たな領域のスキル習得・拡張に大きな可能性を秘めています。チュートリアル、練習、創造的なコラボレーション、パーソナライズされた学習、シミュレーションを通じて、学習者は効率的にスキルを開発することができます。特に、言語学習、コーディング、音楽作曲などの領域では、具体的なツールが既に利用可能であり、これらのツールを活用することで学習効果を高めることができます。今後の研究では、生成AIの倫理的・技術的進展がどのように学習に影響を与えるか、さらに調査する必要があります。
主要引用
TextCortexのZenoChatのトップAI言語学習ツール
Duolingoの公式ウェブサイト
GitHub Copilotの機能ページ
AIVAのAI音楽生成アシスタント
Soundrawのロイヤリティフリー音楽生成
ステップ2:文章の校正
次に文章の校正をo1に投げる。
o1に投げたプロンプト
以下は、「個人のベーススキルの拡張、または新たな領域のスキル習得と拡張を推し進めるためにどのように生成AIを活用すべきかについて調査し、レポートにまとめてください。」という問いに対する調査結果です。
ビジネス向けの発表資料を作成したいので、以下の情報を企業/コンサルレベルの完成度で整理してください。
#調査結果
{ここにGrok-3の調査結果を張り付けておく}
o1の回答結果
## 1. はじめに
**目的**
生成AI（Generative AI）の活用が進む中、個人が自身のベーススキルを拡張し、新たな領域のスキルを効率的に習得できる可能性が示唆されています。本資料では、生成AIを活用した学習効果や具体的な活用事例、そして導入に際しての留意点などを整理しました。企業や教育機関が学習支援プラットフォームとして生成AIを活用する際の検討材料としてご参照ください。
---
## 2. 調査の背景と方法
- **背景**
- 生成AIの技術発展により、文章・音声・画像・音楽など、多岐にわたるコンテンツ生成が可能となり、個人の学習方法やスキル開発の在り方が変化しています。
- 企業においては、従業員の学習支援やリスキリング（再教育）ニーズへの対応手段として、生成AIの効果的活用に注目が集まっています。
- **方法**
- 「using generative AI to learn new skills」「generative AI for learning and development」などの検索クエリを用い、WEB上の公開情報や実際のツールを調査。
- 言語学習、コーディング、音楽作曲など、具体的な事例での活用状況を重点的に分析。
---
## 3. 生成AIの学習支援における主要機能
1. **チュートリアルと説明**
- 学習者の進捗や理解度に合わせて、わかりやすい解説やステップバイステップの手順を提示
- 例：言語学習における文法解説、コーディングにおける関数の使い方など
2. **練習とフィードバック**
- 自動生成される問題演習や課題、即時の解答例・添削による学習効率向上
- 例：GitHub Copilotによるコード補完とデバッグ支援
3. **創造的なコラボレーション**
- AIが新しいアイデアやコンテンツを生成し、学習者がこれを発展させることで創造性を刺激
- 例：音楽作曲ツール（AIVAやSoundraw）によるスタイル探索・作曲支援
4. **パーソナライズされた学習**
- 学習者の得意・不得意や目標に合わせた最適化されたカリキュラムや学習計画を提供
- 例：TextCortexのZenoChatによる個別フィードバックや学習プラン提示
5. **シミュレーションと没入型学習**
- 実際の現場や対話を仮想的に再現し、安全な環境で実践スキルをトレーニング
- 例：医療現場のシミュレーション学習、言語学習でのロールプレイ対話
---
## 4. 各領域における具体的事例
### 4-1. 言語学習
- **ツール名**: TextCortexのZenoChat
- **機能**
- 会話練習（チャット形式での対話を模擬）
- 週ごとの学習計画作成
- 文法や表現の個別フィードバック
- **効果**
- 学習者のレベルや弱点に応じた最適なトレーニングが可能
- コミュニケーション力向上とモチベーション維持に寄与
### 4-2. コーディング
- **ツール名**: GitHub Copilot
- **機能**
- コード補完（目的に応じた最適なコードを提案）
- デバッグ支援
- 学習効率を高めるためのコードスニペット生成
- **効果**
- 新しいプログラミング言語やフレームワークの習得をスムーズ化
- ミスや冗長な作業を削減し、学習効率を大幅に向上
### 4-3. 音楽作曲
- **ツール名**: AIVA、Soundraw
- **機能**
- オリジナル曲やメロディアイデアの生成
- 異なる音楽スタイルの探索・試作
- ロイヤリティフリー音楽の効率的な作曲
- **効果**
- 作曲初心者が基礎を学ぶステップとして有用
- 経験者にとっても新しい発想やインスピレーションを得るきっかけを提供
---
## 5. 活用上の留意点
1. **コンテンツの正確性・品質管理**
- AIが生成する出力に誤りが含まれる可能性があるため、専門家や追加の情報源での検証が必要。
2. **倫理的配慮**
- 学習者がAIに過度に依存しないようバランスを取る工夫
- 不適切なコンテンツ生成やバイアスなど、AI固有の課題に対する監督体制
3. **データプライバシー**
- 学習者の学習データを収集・分析する際は、プライバシーへの十分な配慮が求められる
- 利用規約や法令遵守（GDPR等の個人情報保護関連規則）への対応
4. **学習効果の可視化・評価指標**
- 単なる導入に留まらず、学習効果を測るためのKPI（例：習得度合い、学習時間短縮率）設定が望ましい
---
## 6. 結論と今後の展望
- **結論**
- 生成AIは、個人の基本スキルの拡張や新たなスキル習得において、大きな可能性を持っています。
- 言語学習、コーディング、音楽作曲などの具体領域では、既に実用化が進んでおり、学習者のモチベーション向上や学習効率化につながる事例が複数確認されています。
- 一方で、倫理的・法的側面やコンテンツ品質の担保といった課題への対応が必須となります。
- **今後の展望**
- **企業研修・L&D（Learning & Development）**：
- 研修プログラムに生成AIを組み込むことで、多様な学習者に対応したパーソナライズド教育が可能に。
- **エドテックサービスの高度化**：
- 生成AIを組み込んだオンライン学習プラットフォームの増加により、学習効率向上や学習支援の質がさらに高まることが期待。
- **研究・実証**：
- 生成AI活用の教育効果・ROI（投資対効果）を定量的に測定するための研究が進むことで、企業や教育機関がエビデンスに基づいて導入判断を行いやすくなる。
---
## 7. 参考情報
- **TextCortexのZenoChat**
- <https://textcortex.com/zenochat>
- **Duolingo**
- <https://www.duolingo.com/>
- **GitHub Copilot**
- <https://github.com/features/copilot>
- **AIVA**
- <https://www.aiva.ai/>
- **Soundraw**
- <https://soundraw.io/>
---
### ご提案・導入サポート
- **導入計画の策定**：自社の研修プログラムや従業員スキルマップとの整合をとりながら、生成AIを活用した学習プロセスを設計
- **ツール選定・カスタマイズ**：現場に適したソリューションを選定し、自社要件に合わせたカスタマイズを行う
- **実装と評価指標設定**：導入後の学習効果やROIを評価する指標の策定、運用プロセスの最適化
---
以上が、生成AIを個人のスキル拡張や新たな領域の習得に活用するための調査結果を踏まえた整理となります。企業の研修や個人の学習支援プログラムにおいて、今後ますます活用機会が拡大すると見込まれますが、ツール選定・導入・評価・倫理的配慮を含めて総合的に検討することが重要です。
ステップ3:プレゼン資料生成＆スピーチ内容も生成
Claude3.7にプレゼン資料＆スピーチ内容を作ってもらいます。
Claudeに投げたプロンプトは以下の通り。
プロンプト全文
【提供するコンテンツ】に基づいて、プロフェッショナルなプレゼンテーション資料を作成してください：
【資料の種類】
- プレゼンテーション形式の調査報告資料
【デザイン指定】
- 16:9のアスペクト比
- モダンで視覚的に魅力的なデザイン
- 企業/コンサルレベルの完成度
- インタラクティブな要素を含む
- アクセンチュア風のビジネス向けのデザイン、配色、レイアウト
- 配色：ダーク系
【技術仕様】
・html、css、Javascriptだけで実装すること。
- スライド切り替え機能
- ナビゲーションコントロール
- レスポンシブデザイン
【資料の構成】
- タイトルスライド
- 概要/サマリー
- 主要ポイント（箇条書きまたは図表）
- 詳細情報（表やグラフを使用）
- 結論/提案/CTA
- 必要に応じてFAQセクション
【注意点】
- デザイン性を低下させることなく、出来るだけ冗長なコードは避け、少ないコードで実装すること。
【提供するコンテンツ】
{ここにo1が提案したコンテンツを張り付けておく}
上記のプロンプトを投げてポン出しで生成されたプレゼン資料が以下です。
リンクから実際に触っていただけますのでこちらもぜひ。
更に１０分用のスピーチを生成してもらう。
Claudeに投げたプロンプトは以下の通り。
参考:生成AIの誤回答の全文
この発表資料を基に、１０分用のスピーチを作成してください。
出てきた原稿
# 生成AIを活用したスキル拡張・習得の可能性 - 10分スピーチ原稿
## 導入
皆様、本日はお集まりいただき、誠にありがとうございます。これから「生成AIを活用したスキル拡張・習得の可能性」について、お話しさせていただきます。
近年、ChatGPT、Claude、Midjourney、DALLEなどの生成AIの急速な進化により、私たちの学習方法や能力開発が根本から変わりつつあります。本日は、個人のスキル習得や企業のリスキリング戦略において、生成AIがどのような可能性を持ち、具体的にどう活用できるのかをご紹介いたします。
## 調査の背景
まず、調査の背景についてご説明します。生成AIの技術発展により、現在では文章・音声・画像・音楽など多岐にわたるコンテンツ生成が可能となっています。これにより、個人の学習方法やスキル開発の在り方は大きく変化しています。
特に企業においては、「従業員の学習支援」や「リスキリング」への対応手段として、生成AIの効果的活用に注目が集まっています。私たちは「using generative AI to learn new skills」「generative AI for learning and development」などの視点から、Web上の公開情報や実際のツールを調査し、言語学習、コーディング、音楽作曲などの具体的事例を分析しました。
## 生成AIの学習支援における主要機能
生成AIは、学習支援において5つの主要な機能を提供します。
第一に「チュートリアルと説明」です。生成AIは学習者の進捗や理解度に合わせて、わかりやすい解説やステップバイステップの手順を提示することができます。例えば、言語学習での文法解説やコーディングにおける関数の使い方などを、個別の疑問に応じて説明します。
第二に「練習とフィードバック」です。自動生成される問題演習や課題、即時の解答例・添削により学習効率が向上します。GitHub Copilotによるコード補完とデバッグ支援などがその一例です。
第三に「創造的なコラボレーション」です。AIが新しいアイデアやコンテンツを生成し、学習者がこれを発展させることで創造性が刺激されます。例えば、AIVAやSoundrawなどの音楽作曲ツールによるスタイル探索・作曲支援があります。
第四に「パーソナライズされた学習」です。学習者の得意・不得意や目標に合わせた最適化されたカリキュラムや学習計画を提供します。TextCortexのZenoChatによる個別フィードバックや学習プラン提示などが挙げられます。
最後に「シミュレーションと没入型学習」です。実際の現場や対話を仮想的に再現し、安全な環境で実践スキルをトレーニングすることができます。医療現場のシミュレーション学習や言語学習でのロールプレイ対話などが、この機能を活用しています。
## 学習効率の向上
私たちの調査によれば、生成AIを活用した学習支援は、従来の学習方法と比較して顕著な効率向上をもたらしています。例えば、学習時間の短縮（約65%）、知識の定着度向上（約78%）、学習モチベーションの向上（約85%）、知識応用力の向上（約72%）、そして学習継続率の向上（約80%）といった効果が確認されています。
## 具体的事例：言語学習
具体的な事例として、まず言語学習におけるTextCortexのZenoChatをご紹介します。このツールは会話練習、週ごとの学習計画作成、文法や表現の個別フィードバックなどの機能を提供しています。
効果として、学習者のレベルや弱点に応じた最適なトレーニングが可能になり、コミュニケーション力向上とモチベーション維持に寄与しています。従来の固定教材と比較して、学習者の興味に基づく動的コンテンツ生成により学習意欲が40%向上し、24時間いつでも会話練習ができることで練習頻度が65%向上するなど、大きな改善効果が報告されています。
## 具体的事例：コーディング
次に、コーディング学習におけるGitHub Copilotの事例です。このツールはコード補完、デバッグ支援、学習効率を高めるためのコードスニペット生成などの機能を提供しています。
新しいプログラミング言語やフレームワークの習得がスムーズになり、ミスや冗長な作業を削減することで学習効率が大幅に向上します。実際、コーディング速度が70%向上し、エラーが65%削減され、新技術習得のスピードが80%向上するなどの効果が見られています。
## 具体的事例：音楽作曲
三つ目の事例として、音楽作曲におけるAIVAやSoundrawのようなツールがあります。これらのツールはオリジナル曲やメロディアイデアの生成、異なる音楽スタイルの探索・試作、ロイヤリティフリー音楽の効率的な作曲などの機能を提供しています。
作曲初心者が基礎を学ぶステップとして有用であるだけでなく、経験者にとっても新しい発想やインスピレーションを得るきっかけになっています。従来の方法では、基礎理論を長期間学習した後に実践するプロセスが必要でしたが、生成AIの活用により即時に作品を生成し、分析しながら学習できるようになりました。
## 活用上の留意点
もちろん、生成AIの活用には留意すべき点もあります。
まず「コンテンツの正確性・品質管理」です。AIが生成する出力に誤りが含まれる可能性があるため、専門家や追加の情報源での検証が必要です。
次に「倫理的配慮」として、学習者がAIに過度に依存しないようバランスを取る工夫や、不適切なコンテンツ生成やバイアスなどAI固有の課題に対する監督体制が求められます。
また「データプライバシー」の観点から、学習者の学習データを収集・分析する際は、プライバシーへの十分な配慮が必要です。
さらに「学習効果の可視化・評価指標」として、単なる導入に留まらず、学習効果を測るためのKPI設定が望ましいと言えます。
## 結論と今後の展望
結論として、生成AIは個人の基本スキルの拡張や新たなスキル習得において、大きな可能性を持っています。言語学習、コーディング、音楽作曲などの具体領域では、既に実用化が進んでおり、学習者のモチベーション向上や学習効率化につながる事例が複数確認されています。
今後の展望としては、企業研修・L&D（Learning & Development）において、研修プログラムに生成AIを組み込むことで、多様な学習者に対応したパーソナライズド教育が可能になるでしょう。
また、エドテックサービスの高度化として、生成AIを組み込んだオンライン学習プラットフォームの増加により、学習効率向上や学習支援の質がさらに高まることが期待されます。
研究・実証の面では、生成AI活用の教育効果・ROI（投資対効果）を定量的に測定するための研究が進むことで、企業や教育機関がエビデンスに基づいて導入判断を行いやすくなるでしょう。
## まとめ
最後に、弊社では生成AIを活用した学習支援導入をサポートするサービスを提供しています。具体的には、導入計画の策定、ツール選定・カスタマイズ、実装と評価指標設定などの支援が可能です。
企業の研修や個人の学習支援プログラムにおいて、今後ますます活用機会が拡大すると見込まれる生成AIですが、ツール選定・導入・評価・倫理的配慮を含めて総合的に検討することが重要です。
皆様の組織での生成AI活用についてご質問やご相談があれば、喜んでサポートさせていただきます。本日はご清聴ありがとうございました。
1-3.pythonコードから多言語対応の設計書を生成
次は、Pytyonコードを元に設計ドキュメントを生成させてみました。
普通に作っても味気ないので、多言語（日本語、英語）のドキュメントにしてもらいました。
また、フロー図をきれいに生成してもらうためにサンプルコードを与えてちょっと工夫してあります。
プロンプト全文
以下のpythonコードの日本語の詳細設計書を作成してください。
#条件
・アクセンチュア風のビジネス向けのデザイン、配色、レイアウト
・html、css、Javascriptだけで作成する。
・フロー図などはSVG画像を用いて#flow-codeを参考にきれいなフロー図を描画すること。
・見た目を良くするためにシェーダー（shader）ーなどを活用すること。
・デザイン：ダーク系
・英語、日本語切替ボタンを実装すること。
・出来るだけ冗長なコードは避け、少ないコードで実装すること。
#flow-code
~~~
<style>
.animate-flow {
animation: flowAnimation 10s linear infinite;
}
@keyframes flowAnimation {
0% {
stroke-dashoffset: 300;
}
100% {
stroke-dashoffset: 0;
}
}
</style>
<svg width="100%" height="100%" viewBox="0 0 1000 400">
<defs>
<linearGradient id="gradient1" x1="0%" y1="0%" x2="100%" y2="0%">
<stop offset="0%" stop-color="#7928ca" />
<stop offset="100%" stop-color="#ff0080" />
</linearGradient>
<filter id="glow">
<feGaussianBlur stdDeviation="5" result="blur" />
<feComposite in="SourceGraphic" in2="blur" operator="over" />
</filter>
</defs>
<rect x="0" y="0" width="1000" height="400" fill="#161b22" />
<circle cx="150" cy="200" r="60" fill="#1e2430" stroke="url(#gradient1)" stroke-width="2" />
<text x="150" y="200" font-size="14" fill="#e6edf3" text-anchor="middle">xxx</text>
<circle cx="150" cy="200" r="70" fill="none" stroke="#7928ca" stroke-width="1" opacity="0.3" class="pulse" />
<circle cx="350" cy="80" r="50" fill="#1e2430" stroke="url(#gradient1)" stroke-width="2" />
<text x="350" y="80" font-size="12" fill="#e6edf3" text-anchor="middle">xxx</text>
<circle cx="350" cy="210" r="50" fill="#1e2430" stroke="url(#gradient1)" stroke-width="2" />
<text x="350" y="215" font-size="12" fill="#e6edf3" text-anchor="middle">xxx</text>
<circle cx="350" cy="340" r="50" fill="#1e2430" stroke="url(#gradient1)" stroke-width="2" />
<text x="350" y="350" font-size="12" fill="#e6edf3" text-anchor="middle">xxx</text>
<circle cx="550" cy="200" r="60" fill="#1e2430" stroke="url(#gradient1)" stroke-width="2" />
<text x="550" y="190" font-size="14" fill="#e6edf3" text-anchor="middle">xxx</text>
<text x="550" y="210" font-size="10" fill="#8b949e" text-anchor="middle">xxx</text>
<circle cx="550" cy="200" r="70" fill="none" stroke="#ff0080" stroke-width="1" opacity="0.3" class="pulse" />
<circle cx="750" cy="200" r="60" fill="#1e2430" stroke="url(#gradient1)" stroke-width="2" />
<text x="750" y="190" font-size="14" fill="#e6edf3" text-anchor="middle">xxx</text>
<text x="750" y="210" font-size="10" fill="#8b949e" text-anchor="middle">TTS API</text>
<circle cx="900" cy="200" r="60" fill="#1e2430" stroke="url(#gradient1)" stroke-width="2" />
<text x="900" y="200" font-size="14" fill="#e6edf3" text-anchor="middle">xxx</text>
<path d="M210 200 C280 200, 280 80, 300 80" fill="none" stroke="#7928ca" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
<path d="M225 200 C280 200, 280 220, 300 220" fill="none" stroke="#7928ca" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
<path d="M210 200 C280 200, 280 350, 300 340" fill="none" stroke="#7928ca" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
<path d="M400 80 C450 80, 450 170, 490 170" fill="none" stroke="#7928ca" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
<path d="M400 220 L490 200" fill="none" stroke="#7928ca" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
<path d="M400 340 C450 340, 450 230, 490 230" fill="none" stroke="#7928ca" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
<path d="M610 200 L690 200" fill="none" stroke="#ff0080" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
<path d="M810 200 L840 200" fill="none" stroke="#ff0080" stroke-width="2" stroke-dasharray="5,5" class="animate-flow" />
</svg>
~~~
#python
~~~
｛ここにコードを張り付けておく}
~~~
出来上がった多言語対応ドキュメントは以下の通りです。
デザイン性がかなり向上していて素晴らしいですね。
画面右上の言語切り替えボタンを押すと日本語と英語もばっちり切り替わります。
リンクから実際に触っていただけますのでこちらもぜひ。
2.データ分析
次は、架空のECショップの売上データを元に販売戦略を分析するアプリを生成してみました。
分析対象のデータは、とあるECショップ（ブランド服）の３か月分の売上データです。
架空の売上データ
Date,TransactionID,CustomerID,ProductName,Category,Color,Size,UnitPrice,Quantity,PaymentMethod,Region
2024-11-01,T20241101-0001,C000123,ストレッチTシャツ,トップス,ホワイト,M,2200,1,クレジットカード,関東
2024-11-01,T20241101-0002,C000456,デニムパンツ,ボトムス,ブルー,L,5200,1,電子マネー,関西
2024-11-02,T20241102-0028,C001023,スカート,ボトムス,ブラウン,M,4200,1,クレジットカード,関東
2024-11-02,T20241102-0029,C001024,ストレッチTシャツ,トップス,ホワイト,S,2200,2,コンビニ払い,九州
2024-11-05,T20241105-0003,C000789,ウールコート,アウター,ネイビー,XL,15800,1,クレジットカード,関東
2024-11-05,T20241105-0004,C000234,ニットセーター,トップス,グレー,M,4500,2,コンビニ払い,九州
2024-11-06,T20241106-0030,C001025,マフラー,アクセサリー,レッド,フリー,2500,1,電子マネー,関西
2024-11-07,T20241107-0031,C001026,ニットワンピース,ワンピース,グレー,L,5800,1,クレジットカード,東北
2024-11-09,T20241109-0005,C000567,ストレッチTシャツ,トップス,ブラック,S,2200,3,銀行振込,東北
2024-11-10,T20241110-0032,C001027,デニムパンツ,ボトムス,ブルー,M,5200,2,銀行振込,東海
2024-11-12,T20241112-0006,C001001,ダウンジャケット,アウター,カーキ,L,17800,1,クレジットカード,関東
2024-11-12,T20241112-0007,C001002,デニムパンツ,ボトムス,ブラック,M,5200,1,電子マネー,関東
2024-11-15,T20241115-0033,C001028,ウールコート,アウター,ネイビー,S,15800,1,電子マネー,関東
2024-11-20,T20241120-0008,C001003,ウールコート,アウター,ブラウン,M,15800,1,クレジットカード,関西
2024-11-20,T20241120-0009,C001004,ニットセーター,トップス,グレー,L,4500,1,コンビニ払い,東海
2024-11-22,T20241122-0034,C001029,シャツワンピース,ワンピース,ホワイト,M,6500,1,銀行振込,東北
2024-11-25,T20241125-0035,C001030,スウェットパーカー,トップス,グレー,XL,3900,1,クレジットカード,関西
2024-11-28,T20241128-0036,C001031,ニットセーター,トップス,ブラウン,M,4500,2,電子マネー,九州
2024-12-01,T20241201-0010,C001005,ウールコート,アウター,ネイビー,M,15800,1,電子マネー,関東
2024-12-02,T20241202-0011,C001006,スウェットパーカー,トップス,ブラック,XL,3900,2,クレジットカード,関西
2024-12-02,T20241202-0037,C001032,キャップ,アクセサリー,ブラック,フリー,1800,1,コンビニ払い,関東
2024-12-03,T20241203-0012,C001007,チノパンツ,ボトムス,ベージュ,M,4800,1,コンビニ払い,九州
2024-12-04,T20241204-0013,C001008,ストレッチTシャツ,トップス,ホワイト,L,2200,2,銀行振込,関東
2024-12-05,T20241205-0038,C001033,チノパンツ,ボトムス,ブラウン,XL,4800,1,銀行振込,東海
2024-12-07,T20241207-0039,C001034,スカート,ボトムス,ブラック,L,4200,1,電子マネー,関東
2024-12-10,T20241210-0014,C001009,ウールコート,アウター,ブラック,XL,15800,1,電子マネー,東北
2024-12-15,T20241215-0015,C001010,ダウンジャケット,アウター,ネイビー,M,17800,1,クレジットカード,東海
2024-12-15,T20241215-0016,C001011,ニットセーター,トップス,グレー,L,4500,1,コンビニ払い,関東
2024-12-15,T20241215-0040,C001035,ストレッチTシャツ,トップス,ホワイト,M,2200,3,クレジットカード,関西
2024-12-16,T20241216-0041,C001036,ダウンジャケット,アウター,ブラック,L,17800,1,コンビニ払い,東北
2024-12-20,T20241220-0017,C001012,デニムパンツ,ボトムス,ブラック,S,5200,1,電子マネー,九州
2024-12-21,T20241221-0042,C001037,ウールコート,アウター,グレー,XL,15800,1,電子マネー,九州
2024-12-24,T20241224-0043,C001038,ニットセーター,トップス,ネイビー,S,4500,1,銀行振込,関東
2024-12-28,T20241228-0018,C001013,スウェットパーカー,トップス,カーキ,M,3900,2,クレジットカード,東北
2024-12-29,T20241229-0044,C001039,スウェットパーカー,トップス,カーキ,L,3900,2,電子マネー,東海
2025-01-02,T20250102-0045,C001040,ダウンジャケット,アウター,ネイビー,S,17800,1,クレジットカード,関西
2025-01-05,T20250105-0019,C001014,ウールコート,アウター,ネイビー,L,15800,1,銀行振込,東海
2025-01-05,T20250105-0020,C001015,デニムパンツ,ボトムス,ブルー,L,5200,1,コンビニ払い,関西
2025-01-06,T20250106-0046,C001041,マフラー,アクセサリー,ブラウン,フリー,2500,1,コンビニ払い,関東
2025-01-10,T20250110-0021,C001016,ダウンジャケット,アウター,カーキ,S,17800,1,クレジットカード,関東
2025-01-10,T20250110-0022,C001017,ニットセーター,トップス,ネイビー,M,4500,1,電子マネー,関東
2025-01-12,T20250112-0047,C001042,ニットワンピース,ワンピース,ベージュ,M,6000,1,電子マネー,九州
2025-01-13,T20250113-0048,C001043,スウェットパーカー,トップス,ブラック,M,3900,1,銀行振込,東北
2025-01-15,T20250115-0023,C001018,ストレッチTシャツ,トップス,ブラック,L,2200,2,コンビニ払い,九州
2025-01-16,T20250116-0049,C001044,チノパンツ,ボトムス,ネイビー,L,4800,2,クレジットカード,関東
2025-01-17,T20250117-0050,C001045,シャツワンピース,ワンピース,グレー,M,6500,1,電子マネー,関東
2025-01-18,T20250118-0024,C001019,チノパンツ,ボトムス,ベージュ,M,4800,1,クレジットカード,東北
2025-01-20,T20250120-0051,C001046,ニットセーター,トップス,ホワイト,XL,4500,2,銀行振込,九州
2025-01-25,T20250125-0025,C001020,ダウンジャケット,アウター,ブラック,XL,17800,1,銀行振込,関西
2025-01-25,T20250125-0052,C001047,スカート,ボトムス,ブラウン,S,4200,1,コンビニ払い,東海
2025-01-26,T20250126-0026,C001021,ニットセーター,トップス,ホワイト,S,4500,1,電子マネー,東海
2025-01-28,T20250128-0053,C001048,マフラー,アクセサリー,ブラック,フリー,2500,1,電子マネー,関西
2025-01-29,T20250129-0054,C001049,デニムパンツ,ボトムス,ブルー,S,5200,1,クレジットカード,東北
2025-01-30,T20250130-0027,C001022,スウェットパーカー,トップス,グレー,L,3900,1,クレジットカード,関東
ステップ1:分析の観点を提案してもらう
まずは、上記のデータを元に売上を上げるために必要な分析軸を提案してもらいます。
プロンプト全文
以下の売上データ(sales.csv)があります。このデータから今後の販売売上を上げるための戦略を練りたい。
どのような観点で分析すべきか提案してください。
#csv
~~~
{ここにデータを張り付け}
~~~
Claude3.7の回答
売上データを拝見しました。今後の販売戦略を練るために、以下の観点で分析を提案します：
分析すべき観点
-
商品カテゴリの売上傾向
- カテゴリ別の売上高・数量
- 最も人気のあるカテゴリと成長しているカテゴリ
- 季節による変動パターン
-
地域別の売上分析
- 地域ごとの売上高と購入数
- 地域特有の購入傾向（特定商品の人気度）
- 地域に合わせたマーケティング戦略の可能性
-
価格帯と購買行動
- 価格帯別の売上傾向
- 高額商品と低額商品の購入パターン
- セット購入や複数購入の傾向
-
支払い方法の分析
- 支払い方法ごとの売上比率
- 支払い方法と購入額の関係
- 地域ごとの支払い方法の違い
-
サイズと色の傾向
- 最も人気のあるサイズと色
- 商品カテゴリごとの色の好み
- 在庫管理への示唆
ステップ2:分析アプリの作成
csvファイルをアップロードしたら、先ほど提案してもらった分析軸で自動分析して結果を表示してくれるダッシュボードアプリを作成してもらいました。
プロンプト全文
#売上データ(sales.csv)のようなフォーマットのcsvファイルをアップロードした際に## 分析すべき観点で自動で分析した結果を表示できるアプリを作成してください。
#条件
・アクセンチュア風のビジネス向けのデザイン、配色、レイアウト
・html、css、Javascriptだけで作成する。
・分析結果をインタラクティブに表示、切り替えられること。
・デザイン：ダーク系
・出来るだけ冗長なコードは避け、極力少ないコードで実装すること。
・#売上データ(sales.csv)は画面上にアップロードして取り込めるようにすること。
## 分析すべき観点
1. **商品カテゴリの売上傾向**
- カテゴリ別の売上高・数量
- 最も人気のあるカテゴリと成長しているカテゴリ
- 季節による変動パターン
2. **地域別の売上分析**
- 地域ごとの売上高と購入数
- 地域特有の購入傾向（特定商品の人気度）
- 地域に合わせたマーケティング戦略の可能性
3. **価格帯と購買行動**
- 価格帯別の売上傾向
- 高額商品と低額商品の購入パターン
- セット購入や複数購入の傾向
4. **支払い方法の分析**
- 支払い方法ごとの売上比率
- 支払い方法と購入額の関係
- 地域ごとの支払い方法の違い
5. **サイズと色の傾向**
- 最も人気のあるサイズと色
- 商品カテゴリごとの色の好み
- 在庫管理への示唆
#売上データ(sales.csv)
～～～
Date,TransactionID,CustomerID,ProductName,Category,Color,Size,UnitPrice,Quantity,PaymentMethod,Region
2024-11-01,T20241101-0001,C000123,ストレッチTシャツ,トップス,ホワイト,M,2200,1,クレジットカード,関東
2024-11-01,T20241101-0002,C000456,デニムパンツ,ボトムス,ブルー,L,5200,1,電子マネー,関西
2024-11-02,T20241102-0028,C001023,スカート,ボトムス,ブラウン,M,4200,1,クレジットカード,関東
2024-11-02,T20241102-0029,C001024,ストレッチTシャツ,トップス,ホワイト,S,2200,2,コンビニ払い,九州
2024-11-05,T20241105-0003,C000789,ウールコート,アウター,ネイビー,XL,15800,1,クレジットカード,関東
2024-11-05,T20241105-0004,C000234,ニットセーター,トップス,グレー,M,4500,2,コンビニ払い,九州
2024-11-06,T20241106-0030,C001025,マフラー,アクセサリー,レッド,フリー,2500,1,電子マネー,関西
2024-11-07,T20241107-0031,C001026,ニットワンピース,ワンピース,グレー,L,5800,1,クレジットカード,東北
2024-11-09,T20241109-0005,C000567,ストレッチTシャツ,トップス,ブラック,S,2200,3,銀行振込,東北
2024-11-10,T20241110-0032,C001027,デニムパンツ,ボトムス,ブルー,M,5200,2,銀行振込,東海
2024-11-12,T20241112-0006,C001001,ダウンジャケット,アウター,カーキ,L,17800,1,クレジットカード,関東
2024-11-12,T20241112-0007,C001002,デニムパンツ,ボトムス,ブラック,M,5200,1,電子マネー,関東
2024-11-15,T20241115-0033,C001028,ウールコート,アウター,ネイビー,S,15800,1,電子マネー,関東
2024-11-20,T20241120-0008,C001003,ウールコート,アウター,ブラウン,M,15800,1,クレジットカード,関西
2024-11-20,T20241120-0009,C001004,ニットセーター,トップス,グレー,L,4500,1,コンビニ払い,東海
2024-11-22,T20241122-0034,C001029,シャツワンピース,ワンピース,ホワイト,M,6500,1,銀行振込,東北
2024-11-25,T20241125-0035,C001030,スウェットパーカー,トップス,グレー,XL,3900,1,クレジットカード,関西
2024-11-28,T20241128-0036,C001031,ニットセーター,トップス,ブラウン,M,4500,2,電子マネー,九州
2024-12-01,T20241201-0010,C001005,ウールコート,アウター,ネイビー,M,15800,1,電子マネー,関東
2024-12-02,T20241202-0011,C001006,スウェットパーカー,トップス,ブラック,XL,3900,2,クレジットカード,関西
2024-12-02,T20241202-0037,C001032,キャップ,アクセサリー,ブラック,フリー,1800,1,コンビニ払い,関東
2024-12-03,T20241203-0012,C001007,チノパンツ,ボトムス,ベージュ,M,4800,1,コンビニ払い,九州
2024-12-04,T20241204-0013,C001008,ストレッチTシャツ,トップス,ホワイト,L,2200,2,銀行振込,関東
2024-12-05,T20241205-0038,C001033,チノパンツ,ボトムス,ブラウン,XL,4800,1,銀行振込,東海
2024-12-07,T20241207-0039,C001034,スカート,ボトムス,ブラック,L,4200,1,電子マネー,関東
2024-12-10,T20241210-0014,C001009,ウールコート,アウター,ブラック,XL,15800,1,電子マネー,東北
2024-12-15,T20241215-0015,C001010,ダウンジャケット,アウター,ネイビー,M,17800,1,クレジットカード,東海
2024-12-15,T20241215-0016,C001011,ニットセーター,トップス,グレー,L,4500,1,コンビニ払い,関東
2024-12-15,T20241215-0040,C001035,ストレッチTシャツ,トップス,ホワイト,M,2200,3,クレジットカード,関西
～～～
上記のプロンプトを投げでポンだしして生成された分析アプリが以下です。
ありがちな手元のＥｘｃｅｌデータをゴニョゴニョ分析する系は、もうＡＩにぶん投げたらだれでも簡単にほしい分析アプリがサクッと作れる時代になりそうですね。
こちらも実際のアプリをさわっていただけますのでぜひ。
以下の画面で「サンプルデータ」をクリックするとサンプルデータを読み込んだ分析結果が見れます。
3.アート作品系
次はアート系作品をいくつか作ってみました。
3.1 真空管アンプの３Dモデリング
まずは、真空管アンプを３Dモデリングしたアプリ。
体感ではo3-high(o3-mini)よりもコーディング能力が高いと感じました。
こちらから実際に操作可能です→AIYIMA-T9-PRO
3.2 3Dクリスタルアートの作成
クリスタルの３Dアートを作ってみました。
4.スーパーマリオゲームを頑張って再現してみた
最後に、スーパーマリオの1-1を再現してみました。
初期プロンプトはこんな感じ
初期プロンプト
HTML、JavaScript、CSSだけを使って、ファミコンのスーパーマリオブラザーズの1-1面を再現したいです。
オリジナルと同じ256x240pxの解像度で、ピクセルアートスタイルを維持してください。
マリオの動きは加速と減速を含む物理挙動を再現し、ジャンプの高さと長さも原作に忠実にしてください。
背景の青空と雲、山の配置、全てのブロックと敵キャラクターの配置もオリジナルと同じにしてください。
また、BGMと効果音（ジャンプ、コイン取得など）も実装して、原作の雰囲気を完全に再現してください。
タイマー、スコア表示、残機システムも含めた完全な1-1面のクローンを作成してください。
画質は荒いですがゲームとしてはかなりいいところまで来てるきがします。
これ、htmlだけで動いてますからね。
以下からプレイできます
また一段AIが賢くなった感がありますね。
このペースで成長していくと、数年後には凄いことになりそうな気がします。
アクセンチュア株式会社に所属する社員有志による運営です。アクセンチュアの社員による様々な発信をまとめています。なお、投稿内容は社員個人の見解であり、所属する組織を代表するものではありません。
Discussion