AIマネジメントのためのアルゴリズム入門

授業目標

• 最終課題の全体像と評価基準を完全に理解する。
• チームを結成し、効果的なチームワークのための役割分担と基本ルールを設定する。
• 自身の専門分野や興味に基づき、「AIで解決すべき身近な課題」を発見し、プロジェクトのテーマを設定する。

講義・ガイダンス

1. 最終課題の再確認

第10回で提示した中間課題のテーマを発展させ、最終的なプレゼンテーションへと昇華させる。

• テーマ: 「身近な課題を解決するAIアシスタントの企画立案とアルゴリズム設計」
• 提出物: 企画提案書、プレゼンテーション用スライド
• 評価の核心: 企画の斬新性だけでなく、その企画に潜むリスクを予見し、対処するための**AIマネジメント計画**（倫理ガイドライン、品質管理手法など）が具体的かつ現実的であるかを最重要視する。

2. チームビルディングと課題発見

• 効果的なチームとは: 心理的安全性、明確な役割分担、共通の目標設定の重要性。
• 課題発見のフレームワーク:
  • 自身の体験から探す: 日々の学生生活で感じる「不便」「非効率」「もっとこうだったら良いのに」をリストアップする。
  • 他者への共感から探す: 友人や後輩が抱えている悩みや困難をヒアリングする。
  • 専門分野の視点から探す: 自身の専門知識（セキュリティ、AI、先端IT）を活かせば解決できそうな学内の課題を探す。

グループワーク

1. チーム結成 (3〜4名): これまでの演習等を参考に、チームを結成する。
2. 役割分担: 各チームで、リーダー、書記、タイムキーパーなどの役割を暫定的に決定する。
3. ブレーンストーミング: 「AIで解決したい、岩崎学園の学生生活における課題」をテーマに、付箋などを用いて自由にアイデアを出し合う。
4. テーマ選定: ブレーンストーミングで出たアイデアの中から、最も挑戦的で、かつ5週間で形にできそうなテーマを一つ選定し、その理由を明確にする。
5. 次回までの課題: 選定したテーマについて、より具体的な課題背景や現状をリサーチし、簡単なサマリーを準備する。

授業目標

• 抽象的な課題を、具体的なAIアシスタントの企画へと落とし込む。
• ターゲットユーザーを明確にし、そのユーザーの視点から企画を評価・改善する手法を学ぶ。
• アイデアソンを通じて、チームでの創造的な問題解決プロセスを体験する。

講義・ガイダンス

1. 企画を具体化する手法

• ペルソナ設定: 企画したAIアシスタントの典型的なユーザー像（学部、学年、ITスキル、悩みなど）を具体的に設定する。これにより、機能の優先順位が明確になる。
• ユーザーストーリー: 「[ペルソナ]として、[目的]を達成するために、[機能]が欲しい」という形式で、ユーザーがAIに求める価値を言語化する。
• 機能リスト（要件定義）: ユーザーストーリーに基づき、AIアシスタントが持つべき具体的な機能をリストアップする。

グループワーク (アイデアソン)

1. 課題の再定義: 前回のリサーチ結果に基づき、チームで取り組む課題をより具体的に定義する。
2. ペルソナ作成: チームのAIアシスタントが助けるべき、架空の学生「ペルソナ」を1人作成する。
3. ユーザーストーリーのマッピング: 作成したペルソナが抱えるであろう複数の課題を、ユーザーストーリーとして書き出す。
4. 機能のブレインストーミング: 各ユーザーストーリーを満たすためのAIの機能を、自由に発想し、リストアップする。
5. MVP (Minimum Viable Product) の決定: リストアップした機能の中から、「これさえあれば、最低限ユーザーの課題を解決できる」という核となる機能（MVP）を決定する。最終課題では、このMVPのアルゴリズムを重点的に設計することになる。

授業目標

• 自身が企画したAIに潜む、技術的・倫理的リスクを多角的に洗い出す。
• 洗い出したリスクに対し、具体的な対策となる利用ルール（マネジメント方針）を策定する。
• 企画の「攻め（利便性）」と「守り（安全性）」の両面を考慮した、バランスの取れた提案をまとめる。

講義・ガイダンス

1. リスク分析の再実践

第2回で学んだリスクマトリクスを再利用し、より具体的な自分たちの企画に適用する。

• リスクの洗い出し: 個人情報漏洩、バイアスによる不公平、ハルシネーションによる誤情報、著作権侵害、プロンプトインジェクションによる悪用など、あらゆる可能性を検討する。
• リスクの評価: 洗い出した各リスクの「発生可能性」と「影響の大きさ」を評価し、優先順位を決定する。

グループワーク

1. リスクのブレインストーミング: チームの企画について、考えられるすべてのリスクを洗い出す。
2. リスクマトリクス作成: 洗い出したリスクをマトリクス上にプロットし、特に優先度の高い「高リスク」項目を特定する。
3. マネジメント方針の策定: 特定した高リスク項目それぞれに対して、具体的な対策を検討し、AI利用のガイドラインや運用ルールとして明文化する。

   例：

   リスク: 「履修計画AI」が、特定の楽な授業ばかりを推薦し、学生の成長を阻害する。

   対策（方針）: ガイドライン第1条「本AIは、学生のキャリア目標達成を最優先とし、安易な単位取得を助長する推薦を行わない。推薦アルゴリズムには、卒業生の履修履歴とキャリアパスのデータを組み込み、その論理的根拠を提示する。」

4. 企画提案書への反映: 策定したマネジメント方針を、企画提案書に正式な項目として追加する。

授業目標

• 企画の魅力と信頼性を、限られた時間で効果的に伝えるストーリーテリングの技術を学ぶ。
• 専門用語を避け、誰にでも理解できる言葉でプレゼンテーション資料を作成するスキルを習得する。
• チーム内でのリハーサルと相互フィードバックを通じて、プレゼンテーションの品質を高める。

講義・ガイダンス

1. 聞き手を惹きつけるプレゼンテーションの構成

• 「問題 → 解決策 → 実現方法」の黄金律:
  1. Problem (問題): この企画は何を解決するのか？（共感を呼ぶ）
  2. Solution (解決策): 我々のAIアシスタントがどう解決するのか？（興味を引く）
  3. How (実現方法): なぜそれが実現可能なのか？（信頼を得る） - ここでアルゴリズム設計とマネジメント方針が活きる。
• デモンストレーションの重要性: AIとの対話例など、具体的な利用イメージを示す。
• 質疑応答の準備: 想定される質問とその回答を準備しておく。

グループワーク

1. ストーリー構成: 上記の黄金律に基づき、プレゼンテーション全体の流れ（ストーリーボード）を作成する。
2. スライド作成: 各自で分担し、プレゼンテーション用のスライドを作成する。図やデモ画面を効果的に使用し、視覚的に訴えることを意識する。
3. リハーサルと相互フィードバック: チーム内で時間を計りながら発表練習を行う。他のメンバーは聞き手として、「分かりにくかった点」「もっと強調すべき点」などを具体的にフィードバックする。

授業目標

• チームで作り上げた企画とアルゴリズム設計、マネジメント方針を、自信を持って発表する。
• 他チームの発表を評価的な視点で聞き、多様なアプローチを学ぶ。
• 本授業で学んだ「AIをマネジメントする」という視点が、自身のキャリアにおいていかに重要であるかを再認識する。

授業の流れ

1. 最終プレゼンテーション (各チーム 発表7分、質疑応答3分):
   • 各チームが、第11回から第14回までかけて準備した最終成果を発表する。
   • 教員だけでなく、他の学生からも質疑を受け付ける。
2. 相互評価:
   • 各学生は、自チーム以外の全チームの発表に対し、指定されたルーブリック（評価基準表）を用いて評価を行う。
3. 総括とフィードバック:
   • 教員から、全体の講評と、各チームへの簡単なフィードバックを行う。
   • 本授業の学びを振り返り、未来のIT専門家としての心構えを確認して、全15回の授業を締めくくる。