生成AI研修
Part 3: 生成AI の基礎

Chapter 19: 業務での AI 活用パターン

文書作成、調査、翻訳、コードレビュー補助

19.1 文書作成・要約

AI が最も得意とするのが、文書の作成・編集・要約です。ゼロから書くのではなく「AI に下書きを出させて人間が編集する」ワークフローが効率的です。

議事録の作成:

以下の会議メモを元に、議事録を作成してください。

形式:
- 日時・参加者
- 議題と決定事項(箇条書き)
- アクションアイテム(担当者・期日付き)
- 次回会議の予定

【会議メモ】
[メモを貼り付ける]

仕様書・README の作成:

以下の情報を元に、GitHub の README.md を日本語で書いてください。
対象読者: このリポジトリを初めて見る開発者

- プロジェクト名: order-processor
- 目的: 受注データをリアルタイムで処理し、在庫システムに反映する
- 技術スタック: Python 3.11, FastAPI, Redis, PostgreSQL
- 主な機能: 受注受付、バリデーション、在庫チェック、確認メール送信
- セットアップ方法: Docker Compose で起動

長文の要約:

以下のドキュメントを要約してください。
- 最大300文字
- 重要なポイントを3つ箇条書きで
- 技術的な専門用語は平易な言葉に置き換えて

[ドキュメントを貼り付ける]

19.2 調査・リサーチ

AI は知識の整理や調査の「出発点」として有効です。ただし、ハルシネーションのリスクを忘れず、重要な情報は一次情報で確認しましょう。

技術選定の比較調査:

以下の要件に対して、適切なデータベースを比較検討してください。

要件:
- 1秒あたり 10,000 件の書き込み
- 複雑な集計クエリが必要
- スキーマは固定
- オンプレミス環境

候補: PostgreSQL, MySQL, TimescaleDB
比較観点: パフォーマンス・運用コスト・ユースケース適合度
表形式で出力してください。

エラーコードの調査:

AWS の以下のエラーについて教えてください。

エラー: ThrottlingException: Rate exceeded
サービス: DynamoDB
状況: Lambda から一括でデータを書き込んでいる

原因と対処法(コード例付き)を教えてください。

知らない概念の学習:

「CQRS(Command Query Responsibility Segregation)」について教えてください。

- 概念の説明(中学生でもわかる比喩を使って)
- どんな場面で使うか
- メリット・デメリット
- シンプルな実装例(Python)

19.3 翻訳・ローカライズ

AI の翻訳能力は非常に高く、特に技術文書・エラーメッセージ・コメントの翻訳で力を発揮します。

技術文書の翻訳:

以下の英語の技術ドキュメントを日本語に翻訳してください。
- 技術用語はそのまま英語で残す(例: API, endpoint, middleware)
- 文体は「です・ます」調で統一する
- 括弧内に原文の英語を残す(例: 認証(Authentication))

[英語ドキュメントを貼り付ける]

エラーメッセージの翻訳と解説:

以下のエラーメッセージを日本語に翻訳し、初心者向けにわかりやすく解説してください。

"TypeError: Cannot read properties of undefined (reading 'map')"

- 何が起きているか
- よくある原因
- 確認すべき箇所

コメントの日英変換:

以下のコードのコメントをすべて英語に翻訳してください。
コメントの内容・意味が伝わるようにしてください(直訳ではなく自然な英語で)。

[コードを貼り付ける]

19.4 データ整理・変換

構造化されていないデータを整理したり、フォーマットを変換したりする作業に AI は非常に便利です。

CSV / JSON の変換:

以下の CSV データを JSON 形式に変換してください。
- キー名はキャメルケースにする
- 日付は ISO 8601 形式(YYYY-MM-DD)に統一する
- 空欄は null にする

id,name,birth_date,department
1,田中太郎,1990/3/15,開発部
2,鈴木花子,,営業部

不規則なデータの正規化:

以下のテキストから、人名・会社名・日付を抽出して JSON 配列にしてください。

「2024年3月15日、株式会社ABCの山田部長と株式会社XYZの鈴木社長が
 東京オフィスで会議を行いました。同月20日には、田中さんを交えて
 フォローアップミーティングが予定されています。」

データの集計・分析補助:

以下の売上データから気づいたことを教えてください。
特に異常値・トレンド・注目すべきパターンを指摘してください。

[CSVデータまたは表を貼り付ける]

19.5 コードレビュー補助

AI をコードレビューの「予備審査」として使うことで、レビューの質と効率を高められます。

包括的なコードレビュー依頼:

以下のコードをレビューしてください。

観点:
1. バグ・ロジックの誤り(重要度: 高)
2. セキュリティ上の問題(重要度: 高)
3. パフォーマンスの問題(重要度: 中)
4. コードの可読性・保守性(重要度: 低)

各指摘には、なぜ問題なのかの理由と改善案のコードをつけてください。

[コードを貼り付ける]

セキュリティ特化のレビュー:

以下のコードに、OWASP Top 10 の観点でセキュリティレビューをしてください。
特に SQL インジェクション・XSS・認証の脆弱性に注目してください。

[コードを貼り付ける]

Pull Request の説明文を自動生成:

以下の git diff から、Pull Request の説明文(日本語)を生成してください。
含める内容:
- 変更の概要(1〜2文)
- 変更の目的・背景
- 主な変更点(箇条書き)
- テスト方法

[git diff の出力を貼り付ける]

AI 活用による開発フローの改善:

従来のフローAI 活用フロー効果
コード → レビュー依頼コード → AI レビュー → 修正 → レビュー依頼レビュー回数を削減
エラーでドキュメント検索エラーを AI に貼り付けて即解決デバッグ時間を短縮
ゼロから文書を書くAI に下書きを生成させて編集文書作成時間を短縮
英語ドキュメントを読むAI に翻訳・要約させる情報収集速度を向上

AI はあくまでアシスタントです。最終的な判断・責任は人間が持つことを前提に、積極的に活用していきましょう。

On this page