触ってわかる AIリテラシー & トークン触って覚える
AIに任せられる仕事と、任せてはいけない仕事の「線」を、現場の誰もが同じ言葉で語れるようにする叩き台です。すべての出発点であるトークンから、コスト・コンテキスト・ハルシネーションまでをスライダーとボタンで体感できます。7つの大項目それぞれに小項目があり、触ると数字や挙動が変わります。
3分で全体像をつかむ
そもそも、なぜ"トークン"から始めるのか
「AIってよく分からない」の多くは、中で何が起きているかが見えないことが原因です。実はAIの料金・速さ・賢さ・間違いやすさは、ほぼ全部トークンという1つの単位で説明できます。難しい数式は要りません。まず右上のタブ「② トークン」から、文章を打って触ってみてください。
| よくある疑問 | どのタブで体感できるか |
|---|---|
| 「AIの料金ってなぜ高くなる?」 | ② トークン → ④ コスト |
| 「長い会話だと前のことを忘れるのは?」 | ③ 文脈窓 |
| 「なぜAIは平気で嘘をつくの?」 | ⑤ なぜ間違う |
| 「結局どこまで任せていい?」 | ⑥ 信頼の線 → ⑦ 現場の型 |
2-1. 文章をトークンに分解してみる 小項目
人間は「文・単語」で読みますが、AIは文章をトークンという破片に分けて処理します。下の枠に好きな文章を打つと、AIから見た区切り(概算)が色分けで見えます。
※ 実トークナイザ(BPE)の挙動を再現した概算です。実際の数値は前後しますが「日本語は英語よりトークンを食いやすい」傾向は共通です。
2-2. 同じ意味でも、言語で量が変わる 小項目
同じ内容を日本語と英語で書くと、トークン数がどう変わるか比べてみましょう。
3-1. 会話を長くして、窓を溢れさせてみる 小項目
スライダーで会話のやり取りを増やすと、AIの「記憶の窓」がどう埋まるか見えます。窓を超えると、一番古いメッセージから灰色に落ちていきます——これが「長い会話で最初の指示を忘れる」現象の正体です。
3-2. 「忘れさせない」3つの実務テク 小項目
| テク | やること | 効果 |
|---|---|---|
| 要約して渡す | 長い履歴を短い要点に圧縮して再投入 | トークンを節約しつつ文脈維持 |
| 外部に置く | 資料はファイル/DBに置き、必要分だけ引く | 窓を消費せず大量情報を扱える |
| 大事な指示は最後に | 守ってほしいルールを直近に再掲 | "近い記憶"ほど効きやすい |
4-1. 規模を動かしてコストを見る 小項目
利用料・速度・一度に扱える量はすべてトークンで決まります。スライダーを動かして、規模が変わると何が起きるか見てください。
※ 単価は説明用の概算例です。実際はモデル・契約で変わります。
4-2. このタスク、どの階層? 振り分けクイズ 小項目
タスクを選ぶと、おすすめのモデル階層と理由が出ます。「全部高性能」が無駄になる感覚を掴んでください。
5-1. AIの頭の中:次の一語を予測してみる 小項目
AIは文章を「次に来るトークンの確率」で選びます。文を選ぶと、AIが次に出しそうな候補と確率(概算イメージ)が見えます。
5-2. ハルシネーションが生まれる流れ 小項目
トークン列
確率分布
続きを選ぶ
(真偽は保証外)
知識として確率の高い続きがあればそれを、無ければ"ありそうな形"を作って出します。これが、存在しない出典URLや、実在しない数字が"堂々と"出てくる理由です。
6-1. この質問、AIに任せていい? 判定クイズ 小項目
質問タイプを選ぶと、信頼度の目安と「現場でどう扱うか」が出ます。"渡した情報を加工する系"は強く、"知らない事実を答えさせる系"は危ない——この線を体で覚えます。
6-2. 任せてよい / 裏取り必須 の早見 小項目
任せてよい(渡した情報の加工)
- 要約・言い換え・整形
- たたき台・アイデア出し
- 翻訳の下訳・文章校正
裏取り必須(知らない事実の生成)
- 社内の正確な数字・実績
- 最新の法令・価格・人物
- 出典URL・引用元
7-1. 個人の勘 → 組織の型 小項目
| 観点 | 個人の勘(属人) | 組織の型(再現可能) |
|---|---|---|
| モデル選定 | なんとなく一番賢いのを使う | 難所=高性能 / 量=軽量 の基準を明文化 |
| 事実の扱い | 出力をそのまま貼る | 事実・数字は必ずソース裏取り(品質ゲート) |
| プロンプト | 毎回ゼロから書く | 役割・前提・出力形式のテンプレを共有資産化 |
| 品質 | 担当者の感覚 | 評価指標で合否 → 相互レビュー → 横展開 |
7-2. AIワーキングの5ステップ(着地点) 小項目
実課題
試作
レビュー
メトリクス
(資産化)
この教材自体が、ジョブチェンジ組も含めた全員のAIリテラシーの底上げと、"人が替わっても回る型"づくりの入口になります。まずは既存のAX本部の進め方を学んだ上で、その型化に貢献するイメージです。