生成AIパスポートの次に取る資格（既習範囲と業務成果物で比較）

業務成果物から選ぶ結論

最初に「次の資格で何を知りたいか」ではなく、「仕事で何を1つ作るか」を決めます。成果物が決まると、必要な未学習領域と資格の範囲を照合できます。

この表は合格可能性を判定するものではありません。成果物の完成に必要な知識と公式範囲を結び付ける編集部の判定表です。複数の成果物を同時に選ばず、現在の業務で使うものを1つに絞ります。

生成AIパスポートで既に学んだ範囲

生成AIパスポートの公式範囲は、どちらの版も第1章から第5章です。ただし、第3章から第5章の構成は版によって異なります。次資格との重複を判断する前に、合格した試験回の版を確認します。

1. 01

   AIの基礎

   AIの定義・歴史・種類、機械学習、ディープラーニングを含む領域です。G検定とDS検定にも重なる項目があります。

2. 02

   生成AIの仕組み

   生成AI、大規模言語モデル、生成AIの誕生までの流れを扱います。G検定とDS検定にも生成AIに関する項目があります。

3. 03

   リスク・法律・倫理

   個人情報保護、著作権、セキュリティ、プライバシー、AIの理念・原則・ガイドラインを扱います。章番号は版によって異なります。

4. 04

   プロンプト制作

   テキスト生成AIに指示を出す方法と実例を扱います。Pythonのプログラムを書く文法とは別の領域です。

次資格の価値は、重なる分野の数ではなく、既習範囲の外側にある領域が次の業務に必要かで判断します。分野ごとの公式範囲は、資格別の出題範囲の重なりでも確認できます。

G検定・DS検定・Python3基礎の未学習領域

次の表は、公式範囲に同じ分野名があるものを「重なる領域」、生成AIパスポートの公式範囲に同じ領域が見当たらないものを「新しく学ぶ主な領域」として編集部が整理したものです。重なる領域でも、扱う深さや試験での問い方が同じという意味ではありません。

小さな業務課題による判定

受験を決める前に、実際の仕事を持ち出さなくても試せる小さな課題を1つ選びます。機密情報や個人情報は使わず、架空の題材で構いません。

最も難しそうな資格ではなく、成果物の完成を妨げた最初の未学習領域に近い資格を選びます。これなら、合格後に知識を使う場面を先に確保できます。

迷いやすい場合の切り分け

同じ資格でも、既習領域は復習、未学習領域は新規学習として扱います。たとえばG検定を選ぶ場合、AI基礎の全項目を最初から同じ密度でやり直すのではなく、公式シラバスを見て説明できない項目を先に印付けします。ただし、試験対策では重なる領域も出題範囲から外れるわけではありません。

次資格を決める手順

1. 1

   業務成果物の選択

   AI導入案、データ活用の分析計画、小さなPythonスクリプトのうち、現在の仕事に最も近いものを選びます。

2. 2

   生成AIパスポートの既習範囲の確認

   AI基礎、生成AI、法律・倫理、プロンプトなど、既に説明できる項目を候補資格のシラバス上で印付けします。

3. 3

   最初に止まった未学習領域の特定

   AIの仕組み、データの準備と評価、Python文法のどこで成果物が止まったかを1つ記録します。

4. 4

   候補資格の公式範囲との照合

   未学習領域が公式範囲に含まれるかを確認します。含まれなければ、資格名の印象だけで選ばず候補を変えます。

5. 5

   学習後の成果物の作り直し

   合格だけを終了条件にせず、最初の成果物を説明できる状態へ直し、学んだ範囲を業務行動につなげます。

よくある質問

次に確認するページ

業務成果物で候補を1つに絞ったら、次はその資格の公式範囲を細かく確認します。二資格の試験方式や費用まで比べたい場合だけ、比較記事へ進みます。