大学教員のための生成AI講座 -2025年12月版-

教職員の方が、文科省ガイドラインだけじゃなく、未来に向かっている学生たちのために、教育という場で何が出来るのか? Microsoft Copilot を題材にして、教員自らが実践を行うためのプレゼンテーション資料です。

Workshop 用のURL:
https://qiita.com/dahatake
https://github.com/dahatake/GenerativeAI-Prompt-Sample-Japanese

Transcript

1. 大学教員のための生成 AI 実践講座 - Copilot 活用の 2025 年最新版 - 畠山 大有 | Daiyu Hatakeyama Principal Technical Architect, Microsoft Innovation Hub 佐賀大学客員教授 /dahatake @dahatake /in/dahatake /dahatake /dahatake /dahatake https://speakerdeck.com/dahatake
2. メモと 情報共有 してますか?
3. 漠 然 と し た 不 安 生 成 初 め の 一 歩 AI 特 化 Deep Research - Batch - 同 僚 と し て の 生 成 と 仕 事 を す る た め の コ ツ AI ど う い う 事 ? さ い ご に
4. 漠然とした不安
5. 新しいテクノロジーに対する 漠然とした不安、恐怖 新しいテクノロジーに対する 漠然とした不安、恐怖 生徒たちは、そもそも全てが新しい この話は、 先生向けなんです
6. • 機密情報の入力 • サービスによっては、学習に使われる可能性がある • 出力文字列の妥当性 • 何の根拠もなく正しいと判断すること • 知識としての情報を表示しているわけではない • 知財の扱い • サービスによって利用許諾や 出力データの知財などが異なる 留意事項 - 個人的な見解 - 汎化・抽象化 1次情報の確認 | 学び続ける 自社の法務担当に 相談
7. Microsoft のAIの保護 お客様のデータは お客様のもの お客様のデータはAIモデルのファインチューニングには利用されません お客様のデータとAIモデルは全ての段階で保護されます 新たな Copilot Copyright Commitment
8. • レポート作成に使用したプロンプト • 生成AIに作成させたレポート • 生成AIに作成させたレポートを学生自身が 添削した修正レポート • どのような理由・観点・論点で添削したのかのレポート 生徒に、以下も提出してもらう
9. 生成AI 初めの一歩
10. • OpenAI「o1」は、複雑な 問題解決能力に特化したモデル • より深く考えて結果の生成をする • 1月18,19日実施の大学入学 共通テストで、得点率は91％ • これは東大文１合格ライン以上 2025年 大学入学共通テストで 東大文１合格レベル ※https://news.yahoo.co.jp/articles/f6d0f823bd132948fa218be7c1b932a94c714453
11. 初めの一歩 Copilot 文字 文字 - 微分の詳細な解説 - 読書感想文の構成案 - Web画面 (HTML) やプログラムコード - などなど…
12. 文字以外の入出力も Copilot 文字 文字 画像や動画など
13. Data を参照したり API を呼び出したり Data | API Copilot インターネット 社内 デバイス 文字 文字
14. 安心・安全 に使いたい Data | API Copilot データアクセス、ガバナンス、エージェント管理、成果測定 インターネット 社内 デバイス 文字 文字
15. Prompt> Tools
16. • 一問一答ではなく連続した会話の文脈を維持す るため、複雑な質問への対応や追加情報の確 認に向いている • タスク • 要件の明確化と修正: ユーザーの意図が最初は曖昧でも、 AIが質問を重ねることで要求を具体化できる。 「どの程度詳しく書くか」や「優先順位は何か」といった点を対話で 詰めるため、ユーザーの望むアウトプット像に近づけることができる • 段階的な品質向上: 初回出力に対し「ここを改善して」 「この部分を詳しく」とフィードバックを与え再生成させることで、 欠点を補い精度や完成度を高めらる。例えばプログラミングでは、 生成コードを実行・検証しながら誤りを直していくような 反復による洗練が可能 • 柔軟な応答とアイデア出し: ユーザーとの対話によって AIが文脈やトーンを逐次学習するため、人間のブレインストーミングに 近い柔軟さがあります。新たな質問や方向転換にも対応しやすく、 創造的なタスクでは対話を通じて独創的なアイデアを引き出すことも できる • 使用例 • Copilotなどの対話型AIに「まず方針を考えてもらい→次にコードを 書いてもらい→出力をテストし→不具合があれば修正する」という 対話を行うと、一度で大きなプログラムを生成させるよりも信頼性の 高いコードを得やすい インタラクティブ (Interactive) と バッチ (Batch) • ユーザーからの介入は最小限で、複雑な処理で あってもAIが自律的に多段階の推論や検索を 行い、包括的な回答や成果物を生成 • タスク • 明確に定義されたタスク: ゴールや条件が初めからはっきりしており、 追加の相談が不要な場合、1回のプロンプトで完結できる。 例えば「与えられた仕様書どおりにプログラムコードを書いて」といった タスクでは、詳細な仕様をすべて含めてプロンプトを作成すれば 対話なしでコード生成が可能 • 大規模な情報処理: 人間では調査に何時間もかかるような 大規模データの分析や包括的レポート作成も、バッチ型なら短時間 で遂行できる。OpenAIのDeep Research機能はその代表例で、 ユーザーが投げかけた複雑な質問に対してAIがネット上の数百もの 情報源を自動調査・統合し、リサーチ報告書レベルの回答 を返す • 処理の自動化: ユーザーが逐一指示せずとも、AIエージェントが ツールを駆使して自律的にタスクを進行できるケースでは バッチ処理が有効。例えばスプレッドシートの大量データを読み込んで 分析しグラフ化するといった一連の処理を、ワンプロンプトで完了 • 使用例 • 「製品XYZの市場分析レポートを作成して」という指示を Deep Researchに一度投げれば、AIが数十分かけて関連データを 検索・精査し、出典付きの詳細なレポートを生成させる
17. 困ったときの Microsoft Copilot での鉄板 Prompt https://copilot.microsoft.com/ 特定のExcelのファイルを開くのが凄く遅いです。 考えられる原因の詳細な説明と、その測定方法と、 詳細な解決策をリストアップしてください。 スマホのアプリのダウンロード数が少ないです。 考えられる原因の詳細な説明と、その測定方法と、 詳細な解決策をリストアップしてください。 製品の使い方: ビジネス問題の整理: ネット上の情報が必ず正しいとは限らないため、 可能な限り1次情報 (元となったWebサイト) を確認する事
18. Workshop : Promptの作成 - 30分 • Microsoft 365 Copilot に以下のPromptを入力 私は大学の教員です。コンピューターの操作に慣れていません。私はMicrosoft 365 Copilot Chatを初めて使います。 私の業務に適した最適なPromptを作成して、ステップバイステップで進められる詳細かつ具体的なチュートリアルを作成し てください。 学びたいのは3つの種類の使い方です。 1) 小さなタスクを3-5回Copilotとやり取りしながら進めるタスク。 2) 一度のPromptで長文の項目も定義した報告書の種類の作成のタスク。これにはResearcherを使います。 3) 1か月分の業務データの分析。これにはAnalystを使います。 最初に取り組むべきポイントについて、3～7項目程度の簡潔なチェックリストを作成してください。各項目は概念レベルで まとめ、実装詳細には踏み込みません。 このPrompt 業務で使えるPrompt例 業務で使えるPrompt例 業務で使えるPrompt例 成果物 成果物 成果物
19. Deep Research - Batch 特化 -
20. Deep Research が来た! Introducing Researcher and Analyst in Microsoft 365 Copilot | Microsoft 365 Blog • 社内とインターネットが情報源 • Reasoning Modelベース • Agent用にサーチ最小限 • ファイルのチャンク化不要 • 検証最小限 • システムのシンプル化 • 更新頻度によっては 人のメンテナンスの価値高し
21. 社内 システム • 多くの社内業務シナリオの成果物作成をカバー • 初回Prompt後に、ゴール達成のための 詳細を確認してくれる Researcher 降臨! 調査 検討 プラン立案 報告書 参照情報 (Retrieve) メール 会議 チャット インターネット 文書 データベース Researcher Export 技術Q&A, 事例調査、RFI 複数メーカーの製品比較検討 営業戦略 人事考課用の業務成果, 商談レポート 会議させる 自分のデータ チームのデータ
22. 社内 システム Analyst から Researcher の最強タッグ 参照情報 (Retrieve) メール 会議 チャット インターネット 文書 データベース Researcher • データソースから、必要なデータだけエクスポート • Analyst にて解析・分析して、Wordなどの文書に • Researcher の参照情報に Analyst Export Upload 自分のデータ チームのデータ 分析・解析 Code Gen/Exec
23. End of Service になった 私の業務を支えてくれた Agent 君たち
24. 現役最強 Researcher 手間だったPrompt作業の量を減らしと質を劇的に向上 会議(ディスカッション)をさせる 議論のたたき台作成と、議論自身と、その議事録や検討結果の作成 GenerativeAI-Prompt-Sample-Japanese/会議/ディスカッションをさせる.md at main · dahatake/GenerativeAI-Prompt-Sample-Japanese
25. 現役最強 Researcher 私作成のAgentに圧勝 戦略ビジネスコンサルタント 情報の収集と整理と解析とプラン作成と….
26. 現役最強 Researcher 手間だったPrompt作業の量を減らしと質を劇的に向上 RFI 情報の収集と整理と解析とプラン作成と…. RFI(Request for Information)の結果の詳細なドキュメントを作成してく ださい。 {業務背景}を基にして、{要求定義}を定義しました。 {要求定義}から、詳細かつ具体的かつ明瞭な、機能要件と非機能要件 を作成してください。 機能要件と非機能要件の各項目を実装できるツールをリストアップしてく ださい。 ツールの種類には、アプリケーション、クラウドサービスなどがあります。入手 経路もオープンソースだったり、企業が提供している場合もあります。 ドキュメントには{項目}の詳細な情報を含めてください。 # 業務背景 - ユーザーが迷わないように、膨大な商品情報から、その都度のユーザーの 知りたい事に合わせた情報を提供したい。 - MVPの最初のフェーズは、外部ベンダーに発注するのではなく、自分たち で開発する - 自社の開発環境: AzureもしくはAWS。C#とJava。Web開発可能。 データベースはSQL/NoSQLのどちらでも良い # 要求定義 - チャットで、都度ユーザーのやりたい事の言語化を手伝う - そのやりたい事を、商品情報から要約した文章を作成する - 個人ユーザー向けにはECサイトとLINEに対応する - 分析機能は、最小限でいい。具体的には、利用状況・不正な入力(威 圧的なコメントなど)状況・応答速度のみ # 対象範囲 - 既存のECサイトは除く - 市場は日本市場。日本語のみ - 多言語対応は必須ではないが、出来ればよい # 項目 ### A. 会社情報 - 会社名・所在地 - 設立年・従業員数 - 主要取引先・業界実績 - 財務状況（直近3年の売上・利益など） ### B. 製品・サービス情報 - 提供可能な製品・サービスの概要 - 特徴・競合優位性 - カスタマイズの可否 - サポート体制（対応時間、言語、拠点） ### C. 技術仕様・要件 - システム構成図（あれば） - 対応OS・ブラウザ・デバイス - セキュリティ対策（認証、暗号化、監査ログなど） - インテグレーション実績（API、他システム連携） ### D. 導入・運用 - 導入実績（業界・規模別） - 導入プロセスと期間 - トレーニング・マニュアルの提供有無 - 保守・運用体制 ###E. コスト情報（概算） - 初期費用（ライセンス、導入支援など） - 月額・年額費用（サブスクリプション型の場合） - オプション費用（追加機能、サポートなど） 次に、{ツール}の比較評価を、以下の{比較評価の項目}で1-5で評価をし てランク付けしてください。 総合点も算出してください。 評価結果は表形式で作成してください。 # 比較評価の項目 - 将来性: 提供企業の財務状況や、そのツールの分野(セキュリティ、イン フラ、AIなど)への投資状況 - 信頼性: 提供企業は情報管理やサポートの対応など信頼が出来るの か? - 時間: どれだけカスタマイズなどせずに、早期に導入ができるのか? - コスト: 金額としての費用 - 開発環境: 自社プロダクトマネージャーとソフトウェアエンジニアが使い慣 れた環境なのか?新しく学ぶことは歓迎だが、時間がかかりすぎるのは避け たい 最後に、それらの根拠を裏付ける補足情報や総合的な分析・解析の情 報も作成してください。分析・解析はSWOT分析とRisk分析など適切な 分析手法を考えて選択して実行してください。 Prompt
27. 現役最強 Researcher 手間だったPrompt作業の量を減らしと質を劇的に向上 RFI 情報の収集と整理と解析とプラン作成と….
28. 同僚としての生成AI と 仕事をするためのコツ
29. 同僚としての生成AIと仕事をするためのコツ 変換 抽出 参照情報
30. メールから案件情報を抽出 抽出
31. メールから案件情報を抽出 抽出 作成すべき ドキュメントの項目ともいえる ご自身の会社・組織の アプリケーションの 入力画面の項目ともいえる APIとして呼び出したい
32. データ にしておけば、 生成AI 君が、何とかしてくれる メール 会議 チャット 予定表 文書 音声 動画 コード 生成AI Researcher 調査+ファイル生成エンジン 議事録 議事録 変換 抽出 Data 要約 小学生にも分かるように 300文字程度で要約して 校正 誤字/脱字/タイプミスを 見つけて コード作成 OpenAIのAPIを実行する コードを書いて 翻訳 次の文章をフォーマルな 日本語に翻訳して 参照情報 参照情報 参照情報 参照情報 成果物 .docx .xlsx .pptx .pbix メール/スケジュール リソース 自分の データ チームの データ コード
33. つまり… メール 会議 チャット 予定表 文書 音声 動画 コード 要約 小学生にも分かるように 300文字程度で要約して 校正 誤字/脱字/タイプミスを 見つけて コード作成 OpenAIのAPIを実行する コードを書いて 翻訳 次の文章をフォーマルな 日本語に翻訳して 参照情報 参照情報 参照情報 参照情報 成果物 .docx .xlsx .pptx .pbix メール/スケジュール リソース コード 何のデータ? Data 結果として、何が必要? Prompt = どう変換したいの? (Transformer + Attention) 生成AI 変換 抽出 自分の データ チームの データ
34. どういう事?
35. データ にしておけば、 生成AI 君が、何とかしてくれる メール 会議 チャット 予定表 文書 音声 動画 コード 生成AI Researcher 調査+ファイル生成エンジン 議事録 議事録 変換 抽出 Data 要約 小学生にも分かるように 300文字程度で要約して 校正 誤字/脱字/タイプミスを 見つけて コード作成 OpenAIのAPIを実行する コードを書いて 翻訳 次の文章をフォーマルな 日本語に翻訳して 参照情報 参照情報 参照情報 参照情報 成果物 .docx .xlsx .pptx .pbix メール/スケジュール リソース 自分の データ チームの データ コード
36. セキュリティチェック.docx OR API 呼び出し 生成AIありきでのお仕事の仕方 変換 抽出 Data 項目1.1. 項目1.2. 生成AI 成果物 メール 会議 チャット インターネット データベース 文書 1.成果物の項目のリストアップ 不明な場合は、別のPromptで項目をリストアップさせる “業務分析の項目をリストアップしてください” 2.項目の作成の視点・観点・論点やルールのリストアップ 不明な場合は、別のPromptで過去のものから、推論させる “想定リスクについて「xxx」と説明しています。その視点・観点・論点を説明してください” 3.項目毎に参照情報の在処のリストアップ 4.Promptの作成と試行錯誤。 生成AIに自分の上司になってもらうのがお勧め 入力 自分の データ チームの データ 引数1 引数2
37. Task. 1 セキュリティチェック.docx OR API 呼び出し 生成AIありきでのお仕事の仕方 変換 抽出 Data 項目1.1. 項目1.2. 成果物 メール 会議 チャット インターネット データベース 文書 入力 Task. 2 品質チェック.docx OR API 呼び出し 変換 抽出 Data メール 会議 チャット インターネット データベース 文書 Task. 3 報告書.docx OR API 呼び出し 変換 抽出 Data メール 会議 チャット インターネット データベース 文書 自分の データ チームの データ 自分の データ チームの データ 自分の データ チームの データ 引数1 引数2 項目1.1. 項目1.2. 引数1 引数2 項目1.1. 項目1.2. 引数1 引数2 生成AI
38. 成果物 入力 生成AI Task. 1 セキュリティチェック.docx OR API 呼び出し 生成AIありきでのお仕事の仕方 変換 抽出 参照情報 項目1.1. 項目1.2. メール 会議 チャット インターネット データベース 文書 Task. 2 品質チェック.docx OR API 呼び出し 変換 抽出 参照情報 メール 会議 チャット インターネット データベース 文書 Task. 3 報告書.docx OR API 呼び出し 変換 抽出 参照情報 メール 会議 チャット インターネット データベース 文書 自分の データ チームの データ 自分の データ チームの データ 自分の データ チームの データ 引数1 引数2 項目1.1. 項目1.2. 引数1 引数2 項目1.1. 項目1.2. 引数1 引数2 定型業務にメッチャ効く! 総務・人事部門 - 勤怠管理・給与計算 - 社会保険・雇用保険の手続き - 入退社手続き - 社内文書の作成・配布 - 備品管理・発注 - 慶弔対応（祝電・香典など） 経理・財務部門 - 請求書・領収書の発行・処理 - 仕訳入力・帳簿記帳 - 月次・年次決算処理 - 支払処理・入金確認 - 税務申告書の作成補助 営業・販売部門 - 顧客情報の入力・更新 - 見積書・契約書の作成 - 売上データの集計・報告 - 商品在庫の確認・発注 - 定期的な営業報告書の作成 IT・情報システム部門 - アカウント発行・権限設定 - システム稼働状況の監視 - バックアップの実施 - セキュリティログの確認 - ソフトウェアのアップデート管理 物流・運輸業 - 配送スケジュールの作成 - 荷物追跡情報の更新 - 請求書の発行 医療・介護業界 - 患者情報の入力・更新（電子カルテ） - 診療報酬請求（レセプト作成） - 予約受付・スケジュール管理 - 処方箋の発行・管理 - 介護記録の作成・提出 - 衛生用品・医薬品の在庫管理 製造業 - 生産計画の立案・更新 - 品質検査結果の記録 - 作業日報の入力 - 部品・資材の在庫管理 - 製品出荷指示書の作成 - 設備点検の定期実施と記録 小売・流通業 - 商品の棚卸・在庫管理 - 発注書の作成・送付 - 売上データの集計・報告 - レジ締め作業 - 顧客ポイント管理 - キャンペーン情報の更新 金融・保険業 - 口座開設・解約手続き - 保険契約の更新通知 - 顧客情報のKYC（本人確認）処理 - 定期的なリスク評価レポート作成 - 請求書・領収書の発行 - 金融商品説明資料の作成 教育機関 - 出欠管理・成績入力 - 授業スケジュールの作成 - 試験問題の印刷・配布 - 保護者への通知文作成 - 学籍情報の管理 - 奨学金申請の受付・処理 建設・不動産業 - 工事進捗報告書の作成 - 見積書・契約書の作成 - 物件情報の登録・更新 - 定期点検スケジュールの管理 - 入居者対応履歴の記録 - 建築確認申請書類の作成 その他 - 定期的な社内報の作成 - アンケート集計・分析 - 顧客満足度調査の実施 - マニュアルの更新・配布 - 運転日報の記録 - 車両点検記録の管理 - 配送ルートの最適化（定型化されたルールに基づく）
39. 成果物 = そのタスクのゴール = (情報とその構造 + ファイル形式) Promptで指示 Promptで ドラフト作成 別でもいいんじゃね?
40. 現場のタスク 管理職 => 内容確認・適切なアクション 管理職 => 自分で情報を見る 現場のタスク => 情報の作成と共有 日報・週報・月報・議事録・出張報告書・事故報告書・研修報告書・顧客対応報告書など Prompt オペレーション系の作成を最小限にする 変換 抽出 生成AI 成果物 入力 Today 音声 動画 コード 文書 メール 会議 チャット 予定表 インターネット データベース 自分のデータ チームのデータ Data 変換 抽出 項目1.1. 項目1.2. • 時間 • 定期的 • 代替作業者が不在 • 透明性 • リアルタイム • 誰でも 生成AI
41. 現場のタスク 管理職 => 内容確認・適切なアクション 管理職 => 自分で情報を見る 現場のタスク => 情報の作成と共有 Prompt オペレーション系の作成を最小限にする 変換 抽出 成果物 入力 Today 変換 抽出 • 時間 • 定期的 • 代替作業者が不在 音声 動画 コード 文書 メール 会議 チャット 予定表 インターネット データベース Data 日報・週報・月報・議事録・出張報告書・事故報告書・研修報告書・顧客対応報告書など 項目1.1. 項目1.2. 透明性 リアルタイム 誰でも 生成AI 情報管理 重要なのはファイルじゃなくて情報 自分のデータ チームのデータ
42. 成果物 入力 生成AI 現場のタスク 管理職 => 内容確認・適切なアクション 管理職 => 自分で情報を見る 現場のタスク => 情報の作成と共有 Prompt オペレーション系の作成を最小限にする 変換 抽出 成果物 入力 Today 変換 抽出 • 時間 • 定期的 • 代替作業者が不在 音声 動画 コード 文書 メール 会議 チャット 予定表 インターネット データベース 参照情報 日報・週報・月報・議事録・出張報告書・事故報告書・研修報告書・顧客対応報告書など 項目1.1. 項目1.2. 透明性 リアルタイム 誰でも 生成AI 情報管理 重要なのはファイルじゃなくて情報 自分のデータ チームのデータ 日常業務の安定と効率化 にメッチャ効く! 業務プロセスの管理 日常業務の進捗管理（例：製造ライン、カスタマーサポート、 物流など） 業務フローの最適化と標準化（SOPの整備など） 業務のボトルネックや非効率の特定と改善 リソースの最適配分 人員配置の調整（シフト管理、繁閑対応） 設備・資材・在庫の管理 外注やベンダーとの連携・調整 品質・安全・コンプライアンスの管理 品質基準の維持と改善（QC活動など） 安全衛生管理（特に製造・物流・建設など） 法令遵守や内部統制の徹底 KPI・業績指標のモニタリング 生産性、稼働率、納期遵守率、コストなどの指標管理 データに基づく業務改善提案 定期的なレポート作成と報告 現場との密接な連携 現場スタッフとのコミュニケーション トラブル対応やクレーム処理 現場からのフィードバックを経営層に伝達
43. Promptは ご自分でやってくださいね
44. AI First と AI Adoption
45. AI First と AI Adoption AI First AI Adoption 既存業務フローを維持し、AI等を部分導入して 効率化 「人ありき。既存の一部をAIで自動化を目指す」 メリット - 迅速な価値創出（バックログ圧縮、処理時間短縮、誤差減少） - 既存KPIへ直結（コスト／スループット／品質） - 変革リスク・政治的摩擦が小さい - 学習曲線を踏みやすい（反復・学習） デメリット - 局所最適の罠（全体スループットは伸びない） - ポイントツールのスプロール→統制・運用コスト増 - データの断片化→再利用・説明可能性が弱い - 差別化の天井が低い 組織・人材・チェンジ プロダクト主導のオペレーティングモデル（Domain Owner/Platform Owner）、RACI刷新、OKR再設定、インセンティブ整合が不可欠。Kotter の8段階のようなチェンジマネジメントを並走。 目的に立ち返り、ゼロベースで業務を再設計し AI中心に構築 「AIありき。AIと人への伝えやすさ」 メリット - コスト構造の刷新（変動費化、自動化率大） - 体験の再定義（待ち時間ゼロ、パーソナライズ） - プラットフォーム化で後続の拡張が速い - 非連続な競争優位獲得の可能性 デメリット - 初期投資・不確実性・チェンジ負荷が大きい - 法務／倫理／説明責任の設計を怠ると逆風 - 不可逆な設計判断が増える（巻き戻しコスト高） - 立ち上がり期のKPI悪化（学習・移行コスト）リスク 組織・人材・チェンジ 現行の権限構造で運用可能。現場主導のKaizenが効く。 双方メリットがある。両方を利用するHybridの戦略がおススメ
46. 今のまま業務・組織にAIを適用する? vs 生成AIありきで仕事・組織を組む
47. さいごに
48. AIの成果物を 読む か 読まないか
49. これまで以上に メモと 情報共有 してね チャットに書く 会議の録音 ファイルのURLを チャットに貼る メールは 取っておく グループチャットに 入れる Teamのチームに 招待する メールの転送 情報量は 増える どう処理していくか? 個人として。 組織として。 会議 の”Follow”
50. Prompt のサンプル dahatake - Qiita dahatake/GenerativeAI-Prompt-Sample-Japanese: ChatGPTや Copilotなど各種生成AI用の「日本語]の Prompt のサンプル https://github.com/dahatake/GenerativeAI-Prompt-Sample-Japanese https://qiita.com/dahatake
51. デジタル庁公開の Prompt サンプルなど 2023年度 デジタル庁・行政における生成AIの適切な利活用に向けた技術検証を実 施しました(最終更新日:)
52. © Copyright Microsoft Corporation. All rights reserved. Invent with purpose.