2026.09.29 2026.11.02

シラバスと公式例題を AI に取り込ませて教材にする — Gemini Notebook（旧 NotebookLM）と Claude Projects で作る G検定の知識ベース

ゲンキ

※本記事にはアフィリエイト広告（PR）が含まれます。

G検定の公式テキストは 1 冊で全範囲を扱う分厚い本で、シラバスは 55 の中項目に分かれている。全部を読んでから問題を解く順序で進めると、40日の半分が「読む」だけで消える。そこで AI に聞く。ところが、大項目の名前だけを渡して「重要用語を挙げて」と頼むと、AI はシラバスに無い用語を熱心に並べる。当サイトが Claude で試したところ、シラバスを渡さずに作らせた用語集は 495 のキーワードのうち 169 しか含まず、代わりにシラバスに無い用語を 438 個も返した。

本記事はその対策である「取込」を扱う。シラバスと公式例題を AI に取り込ませ、取り込んだ資料の範囲でだけ、出典つきで答える知識ベースを作る。ツールは NotebookLM 改め Gemini Notebook と Claude Projects を軸に、ChatGPT Projects と Gemini Gems を比較する。上限はすべて 2026年9月21日に各社の公式ヘルプから取得した値だ。後半に、当サイトが実際に取込の有無で用語集を作らせて測った結果を載せる。

「取込」とは何か — 範囲を固定してから聞く
NotebookLM は Gemini Notebook になった
4つのツールを同じ軸で比べる
何を取り込むか — 公開資料と、購入した本の扱い
手順 — 取込から確認質問まで
実測 — シラバスを渡した場合と渡さない場合
落とし穴 — 出典が付かない回答と、目標文の語
Claude Projects で同じことをする場合
用語集を次の工程へ渡す
取込が効く資格と、効きにくい資格
まとめ
出典・参考

忍者AdMax

「取込」とは何か — 範囲を固定してから聞く

一般的な AI チャットは、質問に対して自分の学習データから答える。範囲の指定が無いので、G検定について聞けば「AI に関する一般的な知識」が返ってくる。それは間違いではないが、試験範囲とは一致しない。

取込は、この前提を変える。シラバスや例題をファイルとして渡し、「この資料に基づいて答えよ」という関係を作る。資料の扱い方はツールで違う。Gemini Notebook は資料の該当箇所を根拠として引用し、回答に出典番号が付いてクリックすれば原文に戻れる。Claude Projects は資料を会話の文脈にそのまま入れ、有料プランでは文脈の上限に近づくと検索型（RAG）に切り替わる。

この仕組みの利点は、答えの根拠が資料の中に無いときに、それが分かることにある。Gemini Notebook は公式 FAQ で「答えがソースの中に無ければ回答を返さない」と明記しており、範囲外の質問には答えないことで範囲外だと教えてくれる。Projects 系では、出典番号の代わりに「シラバスの何番の項目か」を答えさせ、番号が付かない部分を範囲外として捨てる、という運用が成り立つ。

なぜ AI は試験範囲を知らないのか、という点も押さえておきたい。大規模言語モデルは公開されている膨大な文章から学習しているが、G検定のシラバスは JDLA が「この試験で問う」と決めたキーワードの集合であって、世の中での重要度の順位とは一致しない。たとえば ENIAC や第五世代コンピュータは AI の歴史を語る文章に頻繁に登場するため、AI はそれらを「重要語」として扱いがちだが、シラバス 2024 では削除されている。逆に「限定提供データ」や「カメラ画像利活用ガイドブック」のような語は、一般の文章では稀でもシラバスにはある。AI の知識の重み付けと試験の重み付けは別物で、その差を埋めるのが取込である。

NotebookLM は Gemini Notebook になった

まず名前の整理から始める。Google は 2026年7月16日に NotebookLM を Gemini Notebook に改称した。発表文には「同じ単独製品」であり、Google のエコシステム全体でより多くのことができるようになったと書かれている。合わせて、コードを書いて実行できる「セキュアなクラウドコンピュータ」が加わり、Ultra と一部の Workspace 利用者から順に Pro へ展開されている。

当サイトは以前に Notebooks in Gemini × NotebookLM 実践（2026-05-20 公開）で旧称のまま機能を解説した。本記事では、検索する人の多くがまだ「NotebookLM」で探すことを踏まえて両方の名前を併記する。機能の説明は前の記事に譲り、ここでは資格学習に必要な部分だけを扱う。

プランごとの上限は次のとおりだ（公式ヘルプ「Upgrade Gemini Notebook」、2026年9月21日取得）。

プラン	ノートブック数	ソース数／冊	チャット／日	Audio Overview／日
Standard（無料）	100	50	50	3
Google AI Plus	200	100	200	6
Google AI Pro	500	300	500	20
Google AI Ultra	500	500〜600	2,500〜5,000	100〜200

Ultra の範囲表記は、公式表が 20TB プランと 30TB プランを分けて示しているためで、前者が小さいほうの値、後者が大きいほうの値に当たる。

G検定の勉強に必要なソースは、シラバス PDF、公式例題、紹介資料、公式テキストの目次、自分のメモ程度で、10 を超えることはまずない。無料枠の 50 ソースで足りる。ただし利用量の数え方が 2026年9月2日から変わった。Google の発表（8月28日）によれば、チャットと Studio 機能の利用量は「プロンプトの複雑さ、チャットの長さ、ソース数、使う機能」を加味した計算量ベースになり、上限は日次ではなく 5時間ごとに回復する（ただし週の上限に達するまで。設定の「Usage」で残量を確認できる）。1日 50 回という表の数字は、複雑な質問を長いチャットで続けると早く尽きる可能性がある。短い質問を独立したチャットで投げる使い方のほうが、枠を長持ちさせやすい。

4つのツールを同じ軸で比べる

取込ができるツールは Gemini Notebook だけではない。Claude・ChatGPT・Gemini にはそれぞれ、ファイルを紐づけた作業空間がある。2026年9月21日時点の公式ヘルプの記述を一つの表にする。

項目	Gemini Notebook	Claude Projects	ChatGPT Projects	Gemini Gems
無料で使えるか	使える（Standard）	使える（プロジェクト最大5個）	使える（5ファイル／プロジェクト）	使える（作成条件はヘルプに明記なし）
取込の上限	50 ソース／冊（無料）	文脈上限まで。有料は RAG で最大10倍に拡張	Free 5、Go・Plus 25、Pro・Business・Enterprise・Edu 40 ファイル	ファイルを添付できる（Gem ごとの上限は公式ヘルプに明記なし）
出典の表示	既定で付く	ヘルプに明記なし	ヘルプに明記なし	既定で付く（設定で非表示にできる）
共有	ノートブック単位	Team・Enterprise のみ	Free を含む全プランで可	Gem を共有
同時アップロード	—	—	10 ファイルまで	1プロンプト 10 ファイルまで

出典表示の行が、資格学習では決定的だ。Gemini Notebook と Gems は、回答に「どの資料のどこ」を示す引用が既定で付く。Claude Projects と ChatGPT Projects は、資料を参照した回答を返すが、引用を明示する機能を公式ヘルプが謳っていない。自分で「シラバスの何番の項目か」を答えさせる指示を書けば近いことはできるが、ツールが保証しているわけではない。

一方で Claude Projects には別の利点がある。無料でも 5 個まで作れ、有料プランでは資料が文脈の上限に近づくと自動で検索型（RAG）に切り替わり、容量が最大10倍に広がる。公式テキストの目次や自分のメモを大量に入れる使い方なら、こちらが向く。ChatGPT Projects は Free でも共有ができるので、勉強仲間と一つの空間を使う場合に選択肢になる。

どれを使うかは、「出典を自動で付けたい」なら Gemini Notebook、「普段使っている AI をそのまま使いたい」なら各社の Projects、と切り分ければよい。以下の手順は Gemini Notebook を前提に書くが、Projects でも同じ順序で進められる。

何を取り込むか — 公開資料と、購入した本の扱い

取り込む資料は、公開されているものと購入したものに分けて考える。

公開資料は三つある。JDLA のサイトから取れる「G検定の試験出題範囲（シラバス）」の PDF（現行は 2024年11月試験から適用の第1.4版、2026年5月11日改訂）、公式例題 20問のページ、そして「G検定紹介資料」の PDF（2026年8月版）だ。シラバスには大項目・中項目ごとに「目標」と「キーワード」が列挙されており、これが知識ベースの背骨になる。例題は問題の型を教え、紹介資料は試験制度と学習時間の目安を含む。

購入した公式テキストを取り込むかどうかは、著作権の観点で線を引く。自分で買った本を AI に読ませることについて、文化庁「AI と著作権に関する考え方について」は、生成 AI への著作物の入力に伴う複製には第 30 条の 4 の適用が考えられる一方、入力した著作物と類似する生成物を生成させる目的なら適用されないと考えられる、と整理している（37〜38 頁）。そのノートブックを他人と共有したり、生成した要約を公開したりするのは避けたい。本記事の手順は公開資料だけで実演し、公式テキストを取り込む場合は共有機能を使わない、と決めておけば迷わない。

もう一つの注意は版の混線だ。2024年11月より前の試験に向けて作られた教材やまとめ記事は、旧シラバス（2021年版）に基づいている。旧版には ENIAC、第五世代コンピュータ、深層信念ネットワークなど、現行版で削除されたキーワードが含まれる。新旧を同じノートブックに入れると、AI はどちらが現行か区別できない。取り込むのは現行版だけにし、古い資料はそもそも入れない。

取り込む対象として最初に挙がるのが、JDLA 監修の公式テキストである。自分の学習に使う前提なら、手元に紙の1冊があると取込の材料にも原文の確認先にもなる。

深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト第3版

¥3,080 （2026/09/21 22:48時点 | Amazon調べ）

Amazon

楽天市場

ポチップ

手順 — 取込から確認質問まで

ステップ1: ソースを入れる

Gemini Notebook で新しいノートブックを作り、シラバス PDF と紹介資料 PDF をアップロードする。公式例題のページは URL で追加できる。この時点でソースは 3 つで、無料枠の 50 に対して十分に余裕がある。

ノートブックの名前には版を入れておく。「G検定シラバス2024 v1.4」のように書いておけば、シラバスが改訂されたときに古いノートブックを間違えて使い続けることを防げる。シラバスは 2024年5月の新規作成から 2026年5月までに4回改訂されており、年に1〜2回は動く前提でいたほうがよい。

ステップ2: 大項目ごとに要約を出す

「大項目『機械学習の概要』の中項目と目標を、シラバスの記述だけを使って箇条書きにして」と聞く。ここで出典番号が付くことを確認する。付かない箇所があれば、その部分は AI が補った内容なので削る。

ステップ3: 用語集を作る

「大項目『機械学習の概要』のキーワードを全て、用語・一文の定義・該当する中項目の番号と名称の形で用語集にして。シラバスに無い用語は加えないで」と指示する。この「シラバスに無い用語は加えないで」の一文が、範囲の固定を効かせる要になる。出てきた用語集は、次の記事で扱う相互説明の題材になる。

ステップ4: 確認質問を出させる

用語集ができたら、「この大項目について、公式例題の形式で確認質問を 5 つ作って」と頼む。ここで作った質問は、答えを覚えるためのものではなく、要約と用語集の理解を確かめるためのものだ。問題を本格的に作らせる方法は別の記事で扱う。

ステップ5: 出典で本文へ戻る

回答の出典番号をクリックして、シラバスのどの記述が根拠になったかを見る。この往復が、AI の要約を読むだけの勉強と、資料を読む勉強の間をつなぐ。要約で分かった気になった箇所ほど、原文に戻ると目標の記述が思ったより具体的だったりする。

たとえば「モデルの選択・評価」の目標には、単に評価指標を知ることではなく「目的に応じて適切な評価指標を選べる」という趣旨の記述がある。要約では「評価指標を理解する」と丸められがちだが、原文を見れば、問われるのは指標の定義ではなく選び方だと分かる。出典に戻る習慣は、こうした「問われ方」の情報を拾うためにある。

1日の学習時間が 45分なら、序盤の配分は取込と要約の確認に 20分、用語集の読み込みに 15分、確認質問に 10分程度でよい。取込は最初の数日で終わり、以後は用語集と確認質問を大項目ごとに繰り返す。

実測 — シラバスを渡した場合と渡さない場合

手順の効果を確かめるため、当サイトは Claude（claude-sonnet-5、ツールもプロジェクト設定も無い素の状態）で、10 の大項目すべてについて用語集を2条件で作らせた。条件 A は当該大項目のシラバス本文（目標とキーワード）を渡し、「載っているキーワードを全て、無い用語は加えない」と指示した。条件 B は大項目名だけを渡し、「思いつく限り」と指示した。評価は、シラバス第1.4版の全キーワード 495 語（中項目ごとの延べ数）に対して、生成用語がいくつ一致したか（網羅）、一致しなかった用語がいくつあったか（範囲外）、一致した用語に付いた中項目の番号・名称が正しかったか（帰属）で行った。

条件	生成用語数	網羅（495語中）	範囲外の用語	中項目の帰属が正しい割合
A: シラバスあり	498	490（99.0%）	0	97.4%
B: シラバスなし	620	169（34.1%）	438	50.0%

この実測にかかったのは、20 回の呼び出しで約 18 分、出力は約 11 万トークン、費用は 1.2 ドル弱だった。10 大項目分の用語集を人手で作れば数時間はかかる作業なので、取込の有無にかかわらず AI に作らせる価値はある。問題は、その用語集が試験範囲と一致しているかどうかだ。

差は明白だった。シラバスを渡すと、495 語のうち 490 語が用語集に入り、範囲外の用語は一つも無く、中項目への帰属も 97% が正しかった。渡さないと、AI は 620 語を並べたが、そのうちシラバスのキーワードは 169 語だけで、残り 438 語はシラバスに無い用語だった。用語の定義そのものは概ね正しいので、読んでいる本人には範囲外だと分からない。

大項目別に見ると、渡さない場合の網羅率は「AI 倫理・AI ガバナンス」が最も低く、45 語中 8 語（18%）しか含まれなかった。「ディープラーニングの応用例」も 131 語中 31 語（24%）にとどまる。逆に「人工知能とは」は 18 語中 11 語（61%）、「AI に関する法律と契約」は 39 語中 23 語（59%）と高い。AI の一般知識が試験の用語体系と重なる分野と重ならない分野がある、ということだ。帰属については、渡さない場合に「要素技術」で 22 語中 0、「数理・統計」で 11 語中 0 と、中項目の名前と番号を自前で作ってしまい、一つも一致しなかった大項目があった。

帰属が揃わないことは、後の工程に効いてくる。誤答を貯めて弱点を分析するとき、集計の軸は中項目になる。AI が自前の体系で用語を分類していると、その軸が試験の体系とずれ、どの中項目が弱いのかを正しく数えられない。取込は用語の範囲を固定するだけでなく、以後の学習記録の座標系を試験と揃える工程でもある。

落とし穴 — 出典が付かない回答と、目標文の語

実測で見えた落とし穴も書いておく。

第一に、評価する側の落とし穴だ。当サイトは最初、シラバス PDF から抜き出した本文を「目標の行」と「キーワードの行」に機械的に分けて採点した。ところが PDF の抽出では、10 の中項目でキーワード列が目標の行の末尾に連結しており、36 語を目標文の一部として数え落としていた。その状態で採点すると、シラバスを渡した条件で「範囲外の用語が 33 ある」という結果になり、実際にはそれらがシラバスのキーワードそのものだった。独立したファクトチェックで見つかり、上の表は分離し直して再計算した値である。AI に渡す資料は、渡す前に人が目で見て構造が壊れていないかを確かめる。表と数式は崩れやすい。

第二に、範囲外の質問への返し方がツールで違う。Gemini Notebook は答えがソースに無ければ回答を返さないと公式 FAQ が明記している。Projects 系は一般知識で補って答えることがあり、その部分には資料の裏付けが無い。どちらも「ツールの弱点」と捉えるより、「範囲外の検出器」として使うほうが得だ。Notebook が答えなかった質問、Projects で中項目番号が付かなかった部分は覚えない、と決めておく。

第三に、上限の当たり方が 2026年9月から変わった点は繰り返しておく。長いチャットで次々に聞くより、大項目ごとに新しいチャットを立てて短く聞くほうが、5時間の枠を使い切りにくい。

第四に、公式例題の 20問を「解答つきで」取り込むと、確認質問を作らせたときに例題そのものが混ざることがある。例題は形式を学ぶための資料なので、取り込むのは構わないが、生成された問題が例題の焼き直しになっていないかは見ておきたい。

Claude Projects で同じことをする場合

普段 Claude を使っている人は、Projects で同じ手順を組める。プロジェクトを一つ作り、シラバス PDF と紹介資料を「プロジェクトの知識」に入れる。指示欄には「回答は必ずシラバスの中項目番号を添えること。シラバスに無い内容は『範囲外』と明記すること」と書いておく。出典の自動表示は無いが、この指示で帰属を答えさせれば中項目が付く。当サイトの実測はプロンプトにシラバス本文を直接渡した条件で帰属 97% だったもので、Projects の知識として入れた場合の再現は測っていない。

無料アカウントでもプロジェクトは 5 個まで作れるので、G検定用に 1 個使っても他の用途に困らない。有料プランなら、公式テキストの目次や自分のノートを足していっても、文脈の上限に近づいた時点で自動的に検索型に切り替わる。プロンプトの書き方は Gemini プロンプトの設計術（2026-05-19 公開）で扱った原則がそのまま使え、「範囲を明示し、範囲外の扱いを先に決める」だけで出力が安定する。

用語集を次の工程へ渡す

取込で得られるのは、シラバスに沿った要約と、中項目つきの用語集だ。これ自体は暗記の材料ではなく、以後の工程の入力になる。

用語集は、用語を自分の言葉で AI に説明して穴を指摘させる相互説明の題材になる。混同しやすい対（教師あり学習と教師なし学習、相関係数と偏相関係数、匿名加工情報と仮名加工情報）を用語集から拾い、一対ずつ潰していく。問題を AI に作らせる工程では、この用語集を渡すことで、範囲外の問題が作られるのを防ぐ。そして誤答を貯めて弱点を数える工程では、用語集の中項目番号が集計の軸になる。

つまり取込は、40日の最初の1〜2週で済ませておくべき土台作りである。全体の配置は G検定とは何を証明する資格なのか（2026-09-28 公開）の計画表に示した。

取込が効く資格と、効きにくい資格

この方法は G検定に限らない。効くかどうかは、主催団体が「範囲の定義」を公開しているかで決まる。G検定はシラバスに目標とキーワードが列挙され、公式例題が 20問公開されているので、取込の材料が揃っている。基本情報技術者試験にも IPA のシラバスと公開問題があり、日商簿記にも出題区分表がある。こうした資格では、同じ手順がそのまま使える。

一方、範囲が「テキストの全部」としか定義されていない資格や、公式の例題が無い資格では、取込の材料が購入書籍に偏る。その場合は、書籍の目次と章末の確認問題だけを取り込み、本文は自分で読む配分にすると、著作権の線を越えずに範囲の固定だけを AI に任せられる。

もう一つ、取込で失われるものを知っておく。PDF を AI に渡すと、本文は正確に読まれるが、表と数式は崩れることがある。G検定のシラバスは表形式で、大項目の見出しと中項目の番号が同じ列に並んでいる。当サイトが PDF から本文を抜き出したときも、一部の見出しが前の行の末尾と連結して読まれた。要約や用語集で中項目の番号がおかしい箇所があれば、原文の表を見て直す。出典に戻る習慣は、ここでも効く。

まとめ

AI に G検定の教材を作らせるなら、最初にシラバスを取り込ませる。それだけで用語集の網羅率は 34% から 99% に、中項目の帰属は 50% から 97% に上がった。シラバスに無い用語は 438 から 0 に減った。取込は「読む量を減らす」工夫であると同時に、AI が知らない試験範囲を AI に教える工程であり、以後の学習記録の座標系を試験と揃える工程でもある。

ツールは、出典を自動で付けたいなら Gemini Notebook（旧 NotebookLM、無料枠の 50 ソースで足りる）、普段の AI を使いたいなら Claude Projects（無料でも 5 個）や ChatGPT Projects（Free は 5 ファイル）でよい。取り込むのは現行のシラバス第1.4版・公式例題・紹介資料の三つに絞り、旧版の資料と購入書籍の共有は避ける。用語集ができたら、次は自分の言葉で AI に説明する番だ。

そもそも生成 AI の仕組みから整理したい場合は、図解中心の入門書を1冊はさんでおくと、シラバスの技術分野を読む速度が変わる。