「20年PMがG検定を取ろうと決めた理由——AI時代のリスキリング、正直に話します」

プロローグ

正直に言う。G検定を受けようと決めたのは、焦りからだ。

20年間、ITコンサルタントとしてプロジェクトマネジメントをやってきた。PMPも持っている。でもAIの話が当たり前のように飛び交うようになった現場で、「自分はAIを使っているが、AIを説明できるのか」という問いが頭から離れなくなった。

Claudeで議事録を整理して、ChatGPTで報告書のドラフトを作って、SunoでAI作曲もした。「使う」ことはできている。でも「なぜこのAIはこう動くのか」「機械学習とディープラーニングの違いは何か」「生成AIのリスクをどう説明するか」——これを体系的に語れるかというと、自信がない。

G検定（ジェネラリスト検定）は、AIやディープラーニングの基礎知識を問う資格だ。難関資格ではない。でも「AIを体系的に理解している」ことの証明になる。

PMPを取ったとき、「資格より大事なことがある」と書いた。今も思っている。でも同時に、「知識を体系化するために資格を使う」という使い方もある。G検定はそのために取る。

これはまだ受験前の、これから挑戦する人間が書いた記事だ。合格したらまた書く。

第1章｜G検定とは何か——出題範囲と難易度の全体像

G検定は、一般社団法人日本ディープラーニング協会（JDLA）が実施するAI・ディープラーニングの資格試験だ。

試験の概要：

オンライン受験（自宅可）で、年3回程度実施される。試験時間は120分、問題数は約200問の多肢選択式だ。合格率は60〜65%前後とされており、しっかり準備すれば合格できる難易度だ。

出題範囲：

大きく分けると「AIの歴史・哲学」「機械学習・ディープラーニングの基礎」「数学・統計の基礎」「実装技術」「法律・倫理・社会」の5領域になる。

特に「数学・統計」は、文系出身者や数学から離れていた人にとって一番の壁になる。行列演算・確率・微分の基礎が問われる。「深く理解する」必要はないが「用語と概念を把握している」レベルは必要だ。

難易度の正直な評価：

IT業界経験者であれば、知っている概念が多く出てくる。「これ、現場で聞いたことある」という用語が随所に登場する。完全未経験よりは有利だ。

ただし「なんとなく知っている」と「試験で正確に答えられる」は別物だ。特に数学・統計と、最新のAI技術動向（生成AI・LLM・倫理）は、意識的に学習しないと得点しにくい。

第2章｜20年PMが「AI資格」を取る理由——PMPだけでは足りなくなってきた

PMPを持っていれば、プロジェクト管理の専門家として一定の信頼は得られる。

でも最近、クライアントとの会話が変わってきた。「AI導入のプロジェクトをPMしてほしい」「生成AIを使った業務改革を推進したい」——これらの依頼で、PMとしての管理スキルだけでなく、AIそのものへの理解を求められる場面が増えている。

「AIのことは専門家に任せる。自分はマネジメントをする」——この分業は今も成立する。でも「AIを理解しているPM」と「理解していないPM」では、クライアントからの信頼度が変わってきている実感がある。

具体的にはこういう場面だ。AIベンダーが技術的な提案をしてくるとき、内容を適切に評価できるか。AIを使った業務改革のリスクを、ステークホルダーに正確に説明できるか。AIプロジェクトのスコープを、技術的な現実に合わせて設計できるか——これらは「AIを理解しているPM」でないとできない。

G検定はその基礎知識を体系化するために、最も効率的な手段だと判断した。

第3章｜PMPとG検定の相乗効果——知識が「使える形」でつながる

PMPの勉強で学んだことと、G検定の知識は、思いのほかつながる部分がある。

リスク管理×AIリスク

PMBOKのリスク管理の考え方——リスクの特定・評価・対応策——は、AIプロジェクトのリスク管理にそのまま使える。G検定ではAIの倫理・リスク・バイアスが出題される。PMPで学んだリスク管理の枠組みで整理すると、頭に入りやすい。

ステークホルダー管理×AI説明責任

PMBOKのステークホルダー管理は「誰に何をどう伝えるか」の技術だ。G検定で問われるAI倫理・説明可能AI（XAI）の概念は、「AIの判断をステークホルダーにどう説明するか」という問題意識と直結する。

プロジェクトフェーズ×AIの開発サイクル

PMBOKのプロジェクトフェーズと、機械学習モデルの開発サイクル（データ収集→前処理→学習→評価→デプロイ）は、構造として似ている。フェーズごとの成果物・品質管理・変更管理——PMの視点でAI開発を見ると、理解が深まりやすい。

PMPを持っている人は、G検定の学習で「知識が体系化されていく感覚」を特に強く感じやすいと思っている。

第4章｜私が試している学習法——弱点発見から始める逆算勉強術

G検定の学習で、私が最初にやったのは「無料の模擬テスト」だった。

テキストを最初から読み始めると、得意な部分に時間をかけすぎて、苦手な部分が後回しになる。それより先に「自分の弱点はどこか」を把握する方が効率的だ。

ステップ1：無料模擬テストで弱点を特定する

JDLAの公式サイトや学習サイトに無料の模擬問題がある。まず一通りやってみて、正答率が低いカテゴリを洗い出す。「数学・統計が弱い」「最新のLLM関連が分からない」——これが明確になれば、学習の優先順位が決まる。

ステップ2：YouTube・Podcastで「聞き流し学習」

通勤・家事・移動中にAI関連のYouTubeやPodcastを流す。「3Blue1Brown」（英語だが視覚的に分かりやすい）や、日本語のAI解説チャンネルは数多くある。「完全に理解しなくていい」——まず用語と概念に耳を慣らすことが目的だ。

ステップ3：弱点領域を集中的にテキストで学ぶ

聞き流しでなんとなく掴めてきたら、テキストで弱点領域を集中的に学ぶ。おすすめは「ディープラーニングG検定(ジェネラリスト) 最強の合格テキスト」（翔泳社）だ。出題範囲に対応していて、解説が丁寧だ。

ステップ4：IT・PM経験を「体系化のフック」として使う

20年の現場経験で、AIやデータ分析の話は断片的に知っている。「あのプロジェクトで使っていたあれが、この技術だったのか」——現場経験と教科書の知識がつながる瞬間が、学習の加速ポイントだ。経験がある人は、教科書を「新しく覚える」のではなく「整理して名前をつける」感覚で読むと入りやすい。

第5章｜AI時代にPMがG検定を取る意味——「ベーススキル」になる時代が来る

G検定は今、「持っていれば差別化になる資格」だ。

でも5年後はどうか。AIリテラシーはビジネスパーソンの基礎スキルになっていく可能性が高い。英語やPC操作が「できて当たり前」になったように、AIの基礎知識も「持っていて当たり前」の時代が来るかもしれない。

だとすれば、今取るのが最も差別化効果が高い。「持っていれば差別化」から「持っていないと不利」になる前に動く——これはキャリア戦略としても正しいと思っている。

PMとして特に感じるのは、「AIを恐れるのでも盲信するのでもなく、正確に評価できる目を持つこと」の価値だ。 G検定の知識はそのための基礎になる。

簡単ではないリスキリングだと思っている。数学は苦手だし、最新技術のキャッチアップは体力がいる。でも「やってみた」と書けることが、次の記事の説得力になる。まず動く。

エピローグ

PMPを取ったとき、「資格より大事なことがある」と書いた。

今も思っている。G検定を取っても、AIが使えるようになるわけではない。でも「AIを体系的に理解している」という土台は、これからのPMとしての仕事に確実に影響する。

合格したら、また正直に報告する。不合格だったら、それも書く。

リスキリングに挑戦しているすべての人に、エールを送りたい。「遅すぎる」はない。動いた人から変わる。