GUGA生成AIパスポート試験｜2025年版と2026年版シラバスの違いを徹底比較

Q: GUGA生成AIパスポート試験とは何ですか？

GUGA生成AIパスポート試験は、生成AIの基礎知識から最新動向、社会的なリスクや法制度までを幅広く問う資格試験です。ビジネスパーソンやエンジニアが生成AIを安全かつ有効に活用するためのリテラシーを証明することを目的としています。

Q: 2026年版シラバスはいつの試験から適用されますか？

本記事では、2026年2月に実施される生成AIパスポート試験から新しい2026年版シラバスに切り替わることを前提に比較しています。受験時期によっては2025年版シラバスが適用される場合もあるため、必ず公式サイトで最新情報を確認してください。

Q: どの章の変更が試験対策上、特に重要ですか？

実務での生成AI活用と直結するのは第2章と第3章の追加内容です。ChatGPTやGemini、Claude、Copilotなどの代表的サービスに加え、RAG・AIエージェント・ベクトルデータベースなどは実務的な出題が予想されます。法制度やリスク対策の観点では、第4章のAI新法とAI事業者ガイドラインも重要な改定ポイントです。

Q: RAGやチャンク、ベクトルデータベースはどのような関係がありますか？

RAGは、文書をチャンクという小さなまとまりに分割し、それらをベクトルデータベースに保存して検索したうえで生成AIが回答を行う仕組みです。チャンクは検索単位、ベクトルデータベースは意味的な類似度で高速に検索するためのインフラという関係にあります。

Q: AI新法とAI事業者ガイドラインは何が違うのですか？

AI新法は、AIの研究開発・利活用とリスク対応を総合的に進めるための基本法として大枠や方向性を示すものです。一方、AI事業者ガイドラインは、その枠組みを前提にして事業者が具体的に守るべきルールやリスク対策の実務指針を示すものです。

Q: 2025年版のテキストや問題集は、2026年版シラバスの勉強にも使えますか？

基本的な考え方や多くの用語は共通しているため、2025年版テキストや問題集も2026年版シラバスの学習に活用できます。ただし、GPT-oシリーズ、RAG・AIエージェント、AI新法など2026年版で追加されたトピックはカバーされていない場合があるため、本記事の比較表や最新シラバスで学習範囲を補うことをおすすめします。

はじめに

2026年2月の生成AIパスポート試験から新シラバスに代わるらしい。
今までのシラバスは2025年版。
とりあえず、比較してみることにした。

まとめページ

前回のシラバス比較記事

過去問、問題集

動画

GUGA 生成AIパスポート試験 2025年版、2026年版シラバスを比較してみた

GUGA 生成AIパスポート試験2025年版、2026年版シラバスを比較。キーワードとしては以下。生成AI、現在の生成AIの動向、情報リテラシー・基本理念とAI社会原則チャンネル登録よろしくお願いします。

シラバスの在りか

各シラバスは以下から入手

生成AIパスポート｜生成AI活用普及協会(GUGA)

生成AIパスポートは、AI初心者のために誕生した、生成AIリスクを予防する資格試験です。AIに関する基礎知識や活用方法に加え、権利侵害をはじめとするリスクの観点を学習できます。

比較結果

大項目	中項目	2025年版	詳細キーワード	2026年版	詳細キーワード
第１章 AI（人工知能）	AI(人工知能の定義)	AIとは	AI(人工知能)	AIとは	AI(人工知能)
		AIとはロボットの区別	ダートマス会議	AIとはロボットの区別	ダートマス会議
		AIの研究		AIの研究
	AIに知能をもたらす仕組み	知能をもたらす2つの仕組み	ルールベース	知能をもたらす2つの仕組み	ルールベース
		ルールベースとは	機械学習	ルールベースとは	機械学習
		機械学習とは	学習済みモデル	機械学習とは	学習済みモデル
		機械学習の手法	教師あり学習	機械学習の手法	教師あり学習
		機械学習の考え方	教師なし学習	機械学習の考え方	教師なし学習
		人間の脳とニューラルネットワーク	クラスタリング	人間の脳とニューラルネットワーク	クラスタリング
		AIが自ら学習して改善される仕組み	次元削減	AIが自ら学習して改善される仕組み	次元削減
		過学習（オーバーフィッティング）	強化学習	過学習（オーバーフィッティング）	強化学習
		過学習を避ける手法	半教師あり学習	過学習を避ける手法	半教師あり学習
		転移学習	ノーフリーランチ定理	転移学習	ノーフリーランチ定理
			ニューロン		ニューロン
			シナプス		シナプス
			人工ニューロン(ノード)		人工ニューロン(ノード)
			ニューラルネットワーク		ニューラルネットワーク
			ディープラーニング		ディープラーニング
			重み		重み
			情報の重みづけ		情報の重みづけ
			過学習		過学習
			正則化		正則化
			ドロップアウト		ドロップアウト
			転移学習		転移学習
	AIの種類	AIの4つのレベル	特徴量	AIの4つのレベル	特徴量
		弱いAI（ANI）と強いAI（AGI）	弱いAI(ANI)	弱いAI（ANI）と強いAI（AGI）	弱いAI(ANI)
			強いAI(AGI)		強いAI(AGI)
	AIの歴史	第一次AIブーム	第一次AIブーム	第一次AIブーム	第一次AIブーム
		第二次AIブーム	探索	第二次AIブーム	探索
		第三次AIブーム	推論	第三次AIブーム	推論
			第二次AIブーム		第二次AIブーム
			エキスパートシステム		エキスパートシステム
			AIの冬		AIの冬
			第三次AIブーム		第三次AIブーム
			ビッグデータ		ビッグデータ
	シンギュラリティ（技術的特異点）	シンギュラリティ（技術的特異点）	シンギュラリティ（技術的特異点）	シンギュラリティ（技術的特異点）	シンギュラリティ（技術的特異点）
			ヴァーナー・ヴィンジ		ヴァーナー・ヴィンジ
			レイ・カーツワイル		レイ・カーツワイル
			2045年問題		2045年問題
			AI効果		AI効果
第２章生成AI（ジェネレーティブAI）	生成AI（ジェネレーティブAI）とは	生成モデルの誕生	生成AI（ジェネレーティブAI）	生成モデルの誕生	生成AI（ジェネレーティブAI）
		自己回帰モデルとディープラーニング（深層学習）	ボルツマンマシン	自己回帰モデルとディープラーニング（深層学習）	ボルツマンマシン
		CNN（畳み込みニューラルネットワーク）	制約付きボルツマンマシン	CNN（畳み込みニューラルネットワーク）	制約付きボルツマンマシン
		VAE（変分自己符号化器）	自己回帰モデル	VAE（変分自己符号化器）	自己回帰モデル
		GAN（敵対的生成ネットワーク）	CNN（畳み込みニューラルネットワーク）	GAN（敵対的生成ネットワーク）	CNN（畳み込みニューラルネットワーク）
		RNN（回帰型ニューラルネットワーク）	畳み込み	RNN（回帰型ニューラルネットワーク）	畳み込み
		LSTM（長・短期記憶）	VAE（変分自己符号化器）	LSTM（長・短期記憶）	VAE（変分自己符号化器）
		Transformerモデル	ノイズ	Transformerモデル	ノイズ
		Transformer登場以後の派生モデルの系譜	エンコーダ	Transformer登場以後の派生モデルの系譜	エンコーダ
			デコーダ		デコーダ
			潜在ベクトル		潜在ベクトル
			GAN（敵対的生成ネットワーク）		GAN（敵対的生成ネットワーク）
			生成器		生成器
			識別器		識別器
			RNN（回帰型ニューラルネットワーク）		RNN（回帰型ニューラルネットワーク）
			隠れ層		隠れ層
			リカレント層		リカレント層
			シーケンスデータ		シーケンスデータ
			LSTM（長・短期記憶）		LSTM（長・短期記憶）
			Transformerモデル		Transformerモデル
			Attention層		Attention層
			自己注意力（Self-Attention）		自己注意力（Self-Attention）
			Attention Mechanism		Attention Mechanism
			位置エンコーディング		位置エンコーディング
			アーキテクチャ		アーキテクチャ
			GPTモデル		GPTモデル
			Open AI		Open AI
			BERTモデル		BERTモデル
			MLM（Masked Language Model）		MLM（Masked Language Model）
			NSP（Next Sentence Prediction）		NSP（Next Sentence Prediction）
			RoBERTa		RoBERTa
			ALBERT（a Lite BERT）		ALBERT（a Lite BERT）
	ChatGPT	ChatGPTとは	ChatGPT	ChatGPTとは	ChatGPT
		対話型AIの変換とChatGPTの歴史	GPT-1	対話型AIの変換とChatGPTの歴史	GPT-1
		GPT-1	自然言語処理（NLP）	GPT-1	自然言語処理（NLP）
		GPT-2	GPT-2	GPT-2	GPT-2
		GPT-3	パラメータGPT-3	GPT-3	パラメータGPT-3
		GPT-3.5	InstructGPT	GPT-3.5	InstructGPT
		GPT-4	GPT-3.5	GPT-4	GPT-3.5
		Code Interpreter	GPT-4	Code Interpreter	GPT-4
		GPTs	データセット	GPTs	データセット
		GPT4o	RLHF（Reinforcement Learning from Human）	GPT4o	RLHF（Reinforcement Learning from Human）
			アライメント（Alignment）	GPT-o1	アライメント（Alignment）
			ファインチューニング	GPT-o3	ファインチューニング
			ハルシネーション（Hallucination）	GPT-o4	ハルシネーション（Hallucination）
			マルチモーダル	GPT-4.1	マルチモーダル
			Code Interpreter	GPT-5	Code Interpreter
			GPTs	Operator	GPTs
			GPT4o	Codex	GPT4o
				Image Generation	GPT-o1
					GPT-o3
					GPT-o4
					GPT-4.1
					GPT-5
					Operator
					Codex
					Image Generation
					Gemini
					Claude
					Copilot
	その他の主要生成AI			Gemini	Gemini
				Claude	Claude
				Copilot	Copilot
第３章現在の生成AI（ジェネレーティブAI）の動向	生成AIが出来ることと主なサービス	テキスト生成ＡＩ	画像のリサイズ	テキスト生成ＡＩ	画像のリサイズ
		画像生成AI	正規化	画像生成AI	正規化
		音楽生成AI	データの水増し（augmentation）	音楽生成AI	データの水増し（augmentation）
		音声生成AI	データ拡張技術	音声生成AI	データ拡張技術
		動画生成AI	リマスタリング	動画生成AI	リマスタリング
			ユーザーエクスペリエンス		ユーザーエクスペリエンス
			Claude		Claude
			Gemini		Gemini
			Sora		Sora
			Runway Gen-3		Runway Gen-3
			Luma Dream Machine		Luma Dream Machine
					自己回帰モデル
					Veo3
	ディープフェイク（深層偽造）技術	ディープフェイクとは	ディープフェイク（深層偽造）技術	ディープフェイクとは	ディープフェイク（深層偽造）技術
		ディープフェイクによる事件	偽情報（ディスインフォメーション）	ディープフェイクによる事件	偽情報（ディスインフォメーション）
	RAG			RAGとは	RAG(Retrieval-Augmented Generation)
				RAGの歴史と発展	チャンク
				RAGの仕組みとメリット	ベクトル
				RAGのユースケース	データベース
	AIエージェント			AIエージェントとは	AIエージェント
				AIエージェントとはの仕組み	GenSpark
				AIエージェントのツール事例	Manus
				MCPと外部連携	Skywork AI
					MCP
第４章情報リテラシー・基本理念とAI社会原則	インターネットリテラシー	インターネットリテラシーとは	インターネットリテラシー	インターネットリテラシーとは	インターネットリテラシー
			テクノロジーの理解		テクノロジーの理解
			情報リテラシー		情報リテラシー
			セキュリティとプライバシー		セキュリティとプライバシー
			デジタル市民権		デジタル市民権
	セキュリティとプライバシー	利用者の興味を引くフィッシング詐欺	フィッシング詐欺	利用者の興味を引くフィッシング詐欺	フィッシング詐欺
		悪意のあるQRコード	スミッシング	悪意のあるQRコード	スミッシング
		Wi-Fiに潜む罠	ヴィッシング	Wi-Fiに潜む罠	ヴィッシング
		アップロードサービスに潜む詐欺	マルウェア	アップロードサービスに潜む詐欺	マルウェア
		不適切なコンテンツへのWebアクセス	アンチウイルスソフトウェア	不適切なコンテンツへのWebアクセス	アンチウイルスソフトウェア
		ソーシャルエンジニアリング攻撃	クラウドストレージ	ソーシャルエンジニアリング攻撃	クラウドストレージ
		プライバシー設定	ランサムウェア	プライバシー設定	ランサムウェア
		生成AIの技術的発展に潜む脅威	ソーシャルエンジニアリング攻撃	生成AIの技術的発展に潜む脅威	ソーシャルエンジニアリング攻撃
			スピアフィッシング		スピアフィッシング
			ベイト攻撃		ベイト攻撃
			ブラックメール		ブラックメール
			プレテキスト		プレテキスト
	個人情報保護の観点	個人情報保護法	個人情報保護法	個人情報保護法	個人情報保護法
		個人情報の詳細な定義	改正個人情報保護法	個人情報の詳細な定義	改正個人情報保護法
		要配慮個人情報	個人情報保護委員会	要配慮個人情報	個人情報保護委員会
		機微（センシティブ）情報	個人情報取扱事業者	機微（センシティブ）情報	個人情報取扱事業者
		匿名加工情報	個人識別符号	匿名加工情報	個人識別符号
		生成AI活用における個人情報の取り扱い	要配慮個人情報	生成AI活用における個人情報の取り扱い	要配慮個人情報
			機微（センシティブ）情報		機微（センシティブ）情報
			匿名加工情報		匿名加工情報
			マスキング		マスキング
	制作物に関わる権利	知的財産権	知的財産権	知的財産権	知的財産権
		生成AI活用における知的財産権	著作権	生成AI活用における知的財産権	著作権
		肖像権とパブリシティ権	特許権	肖像権とパブリシティ権	特許権
		生成AI活用における肖像権とパブリシティ権	商標権	生成AI活用における肖像権とパブリシティ権	商標権
		不正競争防止法	意匠権	不正競争防止法	意匠権
		生成AI活用における不正競争防止法	肖像権	生成AI活用における不正競争防止法	肖像権
		AI生成物に関する権利	パブリシティ権	AI生成物に関する権利	パブリシティ権
		AI生成物に関する事実確認	不正競争防止法	AI生成物に関する事実確認	不正競争防止法
		AI生成物が既存の権利を侵害する可能性	営業秘密	AI生成物が既存の権利を侵害する可能性	営業秘密
		AI生成物の著作権の所在	限定提供データ	AI生成物の著作権の所在	限定提供データ
			技術的制限手段		技術的制限手段
			著作権侵害		著作権侵害
			名誉棄損		名誉棄損
			AI生成物		AI生成物
	AIを取り巻く理念と原則・ガイドライン	AI社会の基本理念	人間の尊厳が尊重される社会（Dignity）	AI社会の基本理念	人間の尊厳が尊重される社会（Dignity）
			多様な背景を持つ人々が多様な幸せを追求できる社会（Diversity&Inclusion）		多様な背景を持つ人々が多様な幸せを追求できる社会（Diversity&Inclusion）
			持続性可能な社会（Sustainability）		持続性可能な社会（Sustainability）
		AI社会原則	人間中心の考え方
			プライバシー確保の原則
			セキュリティ確保
			安全性・公平性
			透明性
		共通の指針	人間中心	共通の指針	人間中心
			安全性		安全性
			公平性		公平性
			プライバシー保護		プライバシー保護
			セキュリティ確保		セキュリティ確保
			透明性		透明性
			アカウンタビリティ		アカウンタビリティ
			教育・リテラシー		教育・リテラシー
			公正競争確保		公正競争確保
			イノベーション		イノベーション
		高度なAIシステムに関係する事業者に共通の指針		高度なAIシステムに関係する事業者に共通の指針
		AIガバナンスの構築	環境・リスク分析	AIガバナンスの構築	環境・リスク分析
			AIガバナンス・ゴール		AIガバナンス・ゴール
			AIマネジメントシステム		AIマネジメントシステム
		AIの事業活動を担う３つの主体	AI開発者（AIDeveloper）	AIの事業活動を担う３つの主体	AI開発者（AIDeveloper）
			AI提供者（AI Provider）		AI提供者（AI Provider）
			AI利用者（AIBusinessUser）		AI利用者（AIBusinessUser）
	AI新法			AI新法の必要性	AI新法
				AI新法の基本構造	人工知能関連技術の研究開発及び活用の推進に関する法律
				AI新法の内容
				注意すべき具体的なリスク
				AI事業者ガイドラインとの関連
第５章テキスト生成AIのプロンプト制作と実例	LMとLLM	LM（Language Model : 言語モデル）	LM	LM（Language Model : 言語モデル）	LM
		LLM（Large Language Model: 大規模言語モデル）	n-gramモデル	LLM（Large Language Model: 大規模言語モデル）	n-gramモデル
		プロンプトエンジニアリング	ニューラル言語モデル	プロンプトエンジニアリング	ニューラル言語モデル
			LLM		LLM
			プレトレーニング		プレトレーニング
			ハイパーパラメータ		ハイパーパラメータ
			Temperature		Temperature
			Top-ｐ		Top-ｐ
			プロンプト		プロンプト
			プロンプトエンジニアリング		プロンプトエンジニアリング
	プロンプトエンジニアリングの基礎	Few-Shot プロンプティング	Instruction	Few-Shot プロンプティング	Instruction
		Zero-Shotプロンプティング	Context	Zero-Shotプロンプティング	Context
			Input Data		Input Data
			Output Indicator		Output Indicator
			Zero-Shot プロンプティング		Zero-Shot プロンプティング
			Few-Shot プロンプティング		Few-Shot プロンプティング
	LLMプロンプティングの実践	文章の校正、校正箇所の確認		文章の校正、校正箇所の確認
		文章の整理		文章の整理
		文章の要約		文章の要約
		箇条書きを文章に変換、文章を箇条書きに変換		箇条書きを文章に変換、文章を箇条書きに変換
		文章の対象を変更する		文章の対象を変更する
		話者の設定を変更する		話者の設定を変更する
		文章を会話のやり取りへ変換		文章を会話のやり取りへ変換
		例え話で理解を深める		例え話で理解を深める
		数字の変換		数字の変換
	テキスト生成AIを用いたビジネス応用	メールの作成	テキスト生成AIを用いたビジネス応用	メールの作成
		アンケート項目の作成		アンケート項目の作成
		アンケートの分析		アンケートの分析
		キャッチコピーの作成		キャッチコピーの作成
		ビジネス書類のテンプレート作成		ビジネス書類のテンプレート作成
		アジェンダの作成		アジェンダの作成
		業務の手順を分解		業務の手順を分解
		タスクの抽出		タスクの抽出
		外国語の翻訳		外国語の翻訳
		英単語から英文の作成		英単語から英文の作成
		海外企業宛のメール文章の作成		海外企業宛のメール文章の作成
		ディベートを行う		ディベートを行う
		姓と名の分離		姓と名の分離
		ふりがなの記載		ふりがなの記載
		ブレインストーミング		ブレインストーミング
		質問させながら一緒に進める		質問させながら一緒に進める
	テキスト生成AIの不得意なこと	正確な文字数の指定	テキスト生成AIの不得意なこと	正確な文字数の指定
		計算		計算
		最新の情報		最新の情報
		芸術の批評		芸術の批評

差がある部分は赤文字にしている。
尚、2025年の列の赤字は2023年版シラバスとの差分

とりあえずの結論

2025年版シラバスに改定内容が記載されているが、
その通りの差分となっている。

いい感じに3行で説明すると以下になる。

第２章：主要な生成AIモデル・サービスが追加（GPT-o1/3/4/4.1/5、Operator、Codex、画像生成、Gemini、Claude、Copilot など）。
第３章：最新の生成AI技術・サービスが追加（自己回帰モデル、RAG・チャンク・ベクトルDB、AIエージェント、Veo3、GenSpark、Manus、Skywork AI、MCP など）。
第４章：AI新法とその構造・内容、注意すべきリスク、事業者ガイドラインや関連法との関係に関する項目が追加。

AI事業者ガイドライン（第1.1版）

AI事業者ガイドライン（METI/経済産業省）

AI事業者ガイドライン

シラバス末尾に改定内容が記載されている。
この内容はそのまま信用してOKだが、Gemini, Claude, Copilot が複数のセクションに記載されている点は表を見ないと位置付けが分かりにくいかもしれない。

以降、簡単に追加された用語を説明していく。

第２章生成AI（ジェネレーティブAI）

ChatGPT

ChatGPTは、GPT-4.1 や GPT-5、GPT-o1・GPT-o3・GPT-o4 などのGPTモデルを切り替えて使うテキスト生成AIである。
コード生成では Codex の系譜を活かし、GitHub Copilot のような補完も可能で、Image Generation により画像も扱える。
Operator 上ではAIエージェントとして動き、Gemini や Claude と並ぶ代表的な対話型AIとして発展している。

GPT-o1

GPT-o1は、OpenAIが公開した「推論特化型」のGPTモデル。
従来よりも論理的な思考・分解・検証を重視して設計されており、数学やプログラミング、複雑な問題解決などで、より一貫性の高いステップ思考を行うことを目指したモデル。

GPT-o3

GPT-o3は、GPT-o1系の「推論特化」コンセプトを引き継ぎつつ、より高い性能と汎用性を目指したモデル。
複雑な指示の分解や長い文脈の整理に強く、数学・コーディング・文書作成などで、精度と一貫性を両立したステップ思考型の応答を行うことを特徴とする。

GPT-o4

GPT-o4は、GPT-oシリーズの中でも高い推論力と汎用性を持つモデル。
複雑な指示の分解や長文の理解に優れ、数学・プログラミング・文章生成など幅広いタスクで、精度と一貫性の高い推論中心の応答を行うことを目指している。

GPT-4.1

GPT-4.1は、GPT-4系の改良版として位置づけられる大規模言語モデル。
テキスト理解・生成だけでなく、コードや数学などの高度な推論にも対応し、応答速度・コスト・品質のバランスを最適化した「より実用向き」の汎用モデルとして設計されている。

GPT-5

GPT-5は、GPT-4.1の後継として位置づけられる最新世代の大規模言語モデル。
テキスト・コード・画像など多様な情報を統合的に扱い、高度な推論力と応答品質、マルチモーダルな理解・生成性能をさらに高めることで、より人間に近い対話と問題解決を目指したモデルである。

Operator

Operatorは、GPT-4.1 や GPT-5 などのモデルを使ったAIエージェントを作成・実行・管理できるプラットフォーム。
対話フロー設計やツール連携を行い、問い合わせ対応や業務自動化などを行う「AIオペレーター」を構築するための基盤である。

Codex

Codexは、プログラムコード向けに特化して学習されたGPT系モデルであり、自然言語の指示からコードを生成したり、既存コードの補完・修正・説明を行うことができる。
GitHub Copilot などの開発支援ツールの基盤となったモデルである。

Image Generation

Image Generationとは、テキストやラフな指示から、AIが自動で画像を生成する技術である。
イラスト、写真風画像、デザイン案などを高速に作成でき、ChatGPTなどの生成AIと組み合わせて活用が進んでいる。

Gemini

Geminiは、Googleが開発した大規模マルチモーダルAIモデルである。テキストだけでなく画像や音声なども扱え、対話・翻訳・コード生成・画像理解などを1つのモデルで行うことを目指した汎用AIプラットフォーム。

Claude

Claudeは、Anthropic社が開発した大規模言語モデルであり、安全性と制御性を重視した対話型AI。
長文要約、文章作成、プログラミング支援などに強みを持ち、ChatGPTやGeminiと並ぶ代表的な生成AIとして利用が広がっている。

Copilot

Copilotは、GitHubやMicrosoftが提供するAIアシスタントで、エディタ内でコードの自動補完や関数提案を行う「AIペアプログラマー」。
開発者の作業を支援し、生産性向上に役立つ。

第３章現在の生成AI（ジェネレーティブAI）の動向

生成AIが出来ることと主なサービス

生成AIは、自己回帰モデルを使って、直前までの文字や画像情報から次に続く内容を少しずつ予測し、文章やコード、画像などを生成できる。
その応用例として、Veo3のようなサービスでは、高度なモデルを使って高品質な動画を自動生成し、広告やプロモーション動画などの制作を支援している。

自己回帰モデル

自己回帰モデルとは、過去のデータ（文章なら直前までの単語列、時系列なら過去の値）を入力として、次の値や単語を予測する統計・機械学習モデル。
生成AIでは、この仕組みを繰り返して文章やコード、音声などのデータを高精度に連続生成する。

Veo3

Veo3は、Google DeepMindが開発した最新の動画生成AIモデル。
テキストや画像から、物理的なリアリティやカメラワークを反映した短編動画を生成でき、ネイティブ音声付き映像や縦長動画など高品質なクリエイティブ制作を支援する。

RAG

RAGは、大量の文書をチャンクに分割して ベクトルデータベース に保存し、ユーザーの質問に意味的に近い情報をまず検索（Retrieval）し、その取得結果をもとに生成AIが回答（Generation）する仕組み。
モデルを再学習させなくても最新かつ根拠の示しやすい回答を出せる点が特徴で、幻覚の抑制にも役立つ。

RAG(Retrieval-Augmented Generation)

RAGは、外部データから関連情報を検索し、その結果を材料に生成AIが回答を作ることで、最新かつ根拠ある応答を可能にする仕組み。
※ ここにチャンク、ベクトルデータベースが関連してくるのが重要

チャンク

チャンクとは、長い文章や文書データを、意味や構造がまとまった小さなかたまりに分割した単位。
RAGなどの仕組みでは、このチャンクごとにベクトル化して検索することで、必要な情報を高精度かつ効率的に取得し、生成AIの回答品質を安定させるために用いられる概念。

ベクトルデータベース

ベクトルデータベースとは、文章や画像などを数値ベクトルとして保存し、その類似度に基づいて高速に検索できるデータベースである。RAGでは質問文のベクトルと近いベクトルを持つチャンクを取得し、生成AIの回答の根拠として利用する。大規模データから必要情報を効率抽出する基盤技術である。

AIエージェント

AIエージェントとは、ユーザーの目的に合わせて情報収集・分析・実行を自律的にこなすAI。
GenSpark や Manus、Skywork AI は、このようなAIエージェントを使って調査や資料作成などのタスクを自動化するサービス。
MCP は、AIエージェントが外部のツールやデータベースと連携しやすくするための共通プロトコル。

GenSpark

GenSparkは、「スーパーエージェント」と呼ばれる自律型AIエージェントを提供するサービス。
ユーザーの指示をもとに情報収集・分析・要約・レポート作成・予約などを連続的に実行し、Mixture-of-Agents技術で複数のAIモデルやツールを組み合わせて高精度なタスク自動化を実現する。

Manus

Manusは、ユーザーの指示や目標を理解し、情報収集・分析・文書作成・Web操作などのタスクを自律的かつ継続的に実行する汎用AIエージェントである。業務や日常作業を任せることで、人はより創造的な仕事に集中できる。

Skywork AI

Skywork AIは、クラウド型のAIワークスペース兼AIエージェントプラットフォーム。
文書・スライド・表・音声・Webページなどを、Deep Researchによる調査と階層型エージェント構造を用いて自動生成し、資料作成やリサーチ業務を大幅に効率化することを特徴とする。

MCP

MCP（Model Context Protocol）とは、AIエージェントや生成AIが外部のツール・API・データベースなどと、安全かつ統一的な方法で接続するための標準プロトコル。
これにより、異なるサービス間の連携や機能拡張が容易になる。
「AIとツールをつなぐUSB Type-C的な存在」といった比喩で説明されることが多い。

第４章情報リテラシー・基本理念とAI社会原則

AI新法

AI新法（人工知能関連技術の研究開発及び活用の推進に関する法律）は、国内のAI開発の遅れや国民の不安に対応するためのAI新法の必要性から制定された、イノベーションとリスク対応を両立させる基本法である。
AI新法の基本構造は、内閣のAI戦略本部とAI基本計画を中心に、研究開発と活用を総合的・計画的に進める枠組みとなっている。
AI新法の内容として、国・地方公共団体・事業者などの責務、情報提供要請や指導・助言などの措置が規定され、AIを「活用しやすく、かつ安全に」使う環境整備を目指している。
同時に、プライバシー侵害や著作権侵害、偽情報の拡散などの注意すべき具体的なリスクを念頭に、既存法やガイドラインと組み合わせて対策を進める考え方が示されている。
AI事業者ガイドラインとの関連では、この法律はEU型の厳しい規制法ではなく、事業者の自主的な取組を尊重しつつ、ガイドライン等と連動して適正なAI利用を促す「土台（基本法）」として位置づけられている。

AI新法の必要性

AI新法の必要性は、生成AIを含むAI技術が生活・経済に役立つ一方で、日本のAI開発・活用の遅れや、プライバシー侵害・偽情報などのリスクへの国民の不安が高まっているため、イノベーション促進とリスク対応のルールを整える点にある。

AI新法の基本構造

AI新法の基本構造は、国がAI戦略本部とAI基本計画を中心に方針を定め、国・自治体・事業者などの責務と、研究開発・利活用促進、リスク対応のための支援・要請・指導等の仕組みを定めた骨格である。

AI新法の内容注意すべき具体的なリスク

注意すべき具体的なリスクとは、AIによるプライバシー侵害や差別・偏見の助長、著作権侵害、偽情報・なりすましの拡散、サイバー攻撃などがもたらす個人・社会への被害であり、事業者はこれらを想定した安全策と説明責任を徹底する必要がある。

AI事業者ガイドラインとの関連

AI新法はAI分野の“基本法”として大枠や方向性を示し、AI事業者ガイドラインはそれを受けて、事業者が具体的に守るべきルールやリスク対策の実務指針を示す関係にある。

まとめ

2026年2月試験から新シラバス（2026年版）に切り替わるため、2025年版との比較結果を整理した。
GPT各種モデルや主要サービス（ChatGPT, Gemini, Claude, Copilot など）が追加された。
RAG・チャンク・ベクトルDB・AIエージェント・Veo3など最新技術、AI新法とAI事業者ガイドライン1.1等が追加された。

よくある質問（FAQ）

Q1. GUGA生成AIパスポート試験とは何ですか？
A. GUGA生成AIパスポート試験は、生成AIに関する基礎知識から最新動向、社会的なリスクや法制度までを幅広く問う資格試験です。ビジネスパーソンやエンジニアが、生成AIを安全かつ有効に活用するためのリテラシーを証明することを目的としています。

Q2. 2026年版シラバスはいつの試験から適用されますか？
A. 本記事では、2026年2月に実施される生成AIパスポート試験から、新しい2026年版シラバスに切り替わることを前提に比較しています。受験時期によっては2025年版シラバスが適用される場合もあるため、公式サイトで最新情報を確認してください。

Q3. 2025年版と2026年版シラバスの主な違いは何ですか？
A. 2026年版では、第2章でGPT-o1/3/4/4.1/5やOperator、Codex、Gemini、Claude、Copilotなどの主要生成AIモデル・サービスが追加されました。第3章ではRAG・チャンク・ベクトルデータベース、AIエージェント、Veo3、GenSpark、Manus、Skywork AI、MCPなど最新の技術・サービスが追加されています。第4章ではAI新法とAI事業者ガイドライン1.1版に関する内容が新たに盛り込まれています。

Q4. どの章の変更が試験対策上、特に重要ですか？
A. 実務での生成AI活用と直結しやすいのは、第2章と第3章の追加内容です。ChatGPTやGemini、Claudeなどの代表的サービスに加え、RAG・AIエージェント・ベクトルデータベースなどは実務問題でも問われやすいテーマです。法制度やリスク対策という観点では、第4章のAI新法とAI事業者ガイドラインも重要な改定ポイントです。

Q5. RAGやチャンク、ベクトルデータベースはどのような関係がありますか？
A. RAG（Retrieval-Augmented Generation）は、文書をチャンクという小さなまとまりに分割し、それらをベクトルデータベースに保存して検索（Retrieval）したうえで、生成AIが回答（Generation）を行う仕組みです。チャンクは検索単位、ベクトルデータベースは意味的な類似度で検索するためのインフラという位置づけになります。

Q6. AI新法とAI事業者ガイドラインは何が違うのですか？
A. AI新法は、AIの研究開発・利活用とリスク対応を総合的に進めるための「基本法」に近い位置づけで、国・自治体・事業者の責務など大枠の方向性を示します。一方、AI事業者ガイドラインは、その枠組みを踏まえて事業者が具体的にどのようなルールやリスク対策を行うべきかを示した実務的な指針です。

Q7. 2025年版のテキストや問題集は、2026年版シラバスの勉強にも使えますか？
A. 基本的な考え方や多くの用語は共通しているため、2025年版テキストや問題集も十分に活用できます。ただし、GPT-oシリーズ、RAG・AIエージェント、AI新法など2026年版で追加されたトピックはカバーされていない場合があるため、本記事の比較表や最新シラバスを補助的に利用して学習範囲を補うことをおすすめします。

生成AIパスポート公式テキスト