G検定（ジェネラリスト検定）

G検定（ジェネラリスト検定）は、ディープラーニングを中心とするAIの基礎知識、技術動向、法律・倫理、社会実装の判断力を問うJDLAの民間資格です。2026年第5回はオンライン試験が9月5日、会場試験が9月4日〜6日に実施され、オンラインは100分で145問程度、会場は120分で145問程度です。受験資格の制限はありません。問題数が多いため、単に用語を知るだけではなく、短時間で選択肢の論点を見抜く速度と、技術・法務・活用を横断して判断する力が必要です。

このページでは、2026年時点の公式試験制度、難易度、勉強時間、教材選び、独学と講座の使い分け、シラバスの読み方、問題演習、弱点の立て直し、直前期の時間配分までをG検定に特化して整理します。生成AIの利用が広がった今は、モデル名や用語を暗記するだけでなく、AIを業務へ導入するときに何を確認し、どのリスクを管理し、どの技術を選ぶかという「ジェネラリストとしての判断」に結び付けて学ぶことが重要です。

30秒で判断するG検定

• 向いている人：AIを企画・営業・コンサル・開発管理で扱う会社員、生成AI導入を担当する人、エンジニアではないがAIの共通言語を身につけたい人、E資格へ進む前に全体像を整理したい人。
• 公式試験制度：知識問題の多肢選択式。2026年はオンライン6回、会場3回の実施が案内されています。
• 試験時間：オンライン100分、会場120分。いずれも145問程度です。
• 受験資格：制限なし。
• 受験料：一般13,200円、学生5,500円（税込）。
• 直近合格率：2026年第4回は受験者9,241人、合格者7,677人、合格率83.08%でした。

公式試験制度：2026年第5回は9月、オンラインと会場で時間が違う

JDLAの2026年第5回案内では、オンライン試験は2026年9月5日13時から14時40分、会場試験は9月4日から6日に実施されます。オンラインは100分、会場は120分で、問題数はいずれも145問程度です。オンライン個人申込は7月10日13時から8月28日23時59分までと案内されています。

試験の目的は、ディープラーニングの基礎知識を持ち、適切な活用方針を決定して事業活用する能力や知識を有しているかを検定することです。したがって、数学や実装だけを深掘りする資格ではありません。技術の原理、機械学習・深層学習の手法、AIの歴史、法律・倫理、社会実装などを横断します。

難易度：合格率だけを見ると高くないが、範囲と処理速度が壁になる

2026年第4回の合格率は83.08%で、数字だけを見ると高い水準です。ただし、受験者にはAI学習経験者や企業研修受講者も含まれます。また145問程度をオンラインなら100分で解くため、1問に使える平均時間は約40秒です。分からない用語を毎回調べながら進める余裕はありません。

難しいのは、ニューラルネットワークの技術論点と、個人情報、著作権、AI倫理、ガバナンス、社会実装の論点が同じ試験に現れることです。Transformerの仕組みを理解していても法律・倫理を落とし続ければ安定しません。逆に概念だけ覚えても、教師あり・教師なし、評価指標、過学習、正則化などの違いを具体例で判断できなければ選択肢に迷います。

勉強時間：初学者40〜80時間、IT・AI経験者20〜50時間を目安にする

JDLAは標準学習時間を定めていません。本サイトではAIを初めて体系的に学ぶ人を40〜80時間、機械学習・生成AI・データ分析に仕事や学習で触れている人を20〜50時間の編集目安とします。平日1時間、休日2時間ずつなら週9時間ほどなので、初学者でも1〜2か月で十分な演習量を確保できます。

学習順は、最初の1週間でシラバス全体を眺め、次の2〜3週間で分野ごとの基礎を学び、後半を問題演習へ振ります。最初から細かな研究者名やモデル名を完璧にするのではなく、「AIの歴史」「機械学習」「深層学習」「法律・倫理」「活用」の大分類を先に作り、知識をそこへ配置します。

教材選びと独学・講座：シラバスへの対応状況を最優先にする

教材は最新版の公式シラバスに対応しているかを最優先で確認します。AI分野は技術・制度・社会動向の更新が速く、古い参考書だけでは生成AIや最新の法務・ガバナンス論点に追いつかない可能性があります。基本テキスト1冊、問題集1冊、JDLA公式シラバス・公式情報を組み合わせる構成が扱いやすいです。

独学で十分合格を狙えますが、機械学習の用語が初見で関連付けられない人や、会社の期限までに短期間で取る必要がある人は講座を使う選択肢があります。講座は動画本数ではなく、シラバスとの対応表、演習問題、法務・倫理の更新頻度、模擬試験の有無で比較してください。

資格固有の勉強法1：145問程度を100分で処理する速度設計

145問程度を100分で処理する速度設計を学習段階から作ります。オンライン試験では平均約40秒/問なので、知っている問題を即答し、迷う問題を後回しにする判断が必要です。問題演習の1周目から、正答率だけでなく解答時間も記録します。

おすすめは「20秒以内で確信」「40秒で二択」「60秒を超えたら保留」の3分類です。模試では最初の一巡を全体時間の70%以内に収め、残り30%で保留問題を確認します。検索や資料参照が可能な環境であっても、検索に数分かける前提では全問を処理できません。

資格固有の勉強法2：シラバスをAI技術・法律倫理・活用判断の三層で整理する

シラバスをAI技術・法律倫理・活用判断の三層で整理すると、広い範囲をつなげやすくなります。AI技術では学習手法・モデル・評価、法律倫理では個人情報・著作権・公平性・説明責任、活用判断ではプロジェクト設計・データ・リスク・運用を置きます。

新しい用語を覚えるときは、どの層に属し、他の二層とどう関係するかを1行で書きます。たとえば生成AIなら、技術としてTransformerや事前学習、法律倫理として著作権・個人情報・ハルシネーション、活用判断として人による確認や利用ルールをつなげます。単語帳を横断知識へ変える方法です。

資格固有の勉強法3：オンライン試験では検索に依存しない即答力を作る

オンライン試験では検索に依存しない即答力を作ることが重要です。問題文を読んだ瞬間に「これは過学習対策」「これは評価指標」「これは個人情報」「これは説明可能性」というカテゴリを特定できる状態を目指します。

検索で確認するのは、二択まで絞った後の最終確認に限定します。演習時に「検索しなければ解けなかった問題」を別集計し、翌日に資料なしで解き直します。検索できることと、時間内に解けることは別です。模試は必ず資料を閉じた状態でも実施し、即答率を測ります。

機械学習・深層学習：手法名ではなく「目的・入力・出力・評価」で覚える

教師あり学習、教師なし学習、強化学習、CNN、RNN、Transformerなどは名称だけでなく、何を入力し、何を出力し、どんな問題を解き、どの評価指標を見るかで整理します。分類ならprecision・recall・F値、回帰なら誤差、生成なら別の観点が必要になる、と具体的な利用場面へ結び付けます。

深層学習の仕組みは、活性化関数、損失関数、勾配降下、誤差逆伝播、正則化といった要素を学習の流れに沿って説明できるようにします。選択肢の一語だけが入れ替わった問題に強くなるには、用語同士の因果関係を理解する方が有効です。

法律・倫理・ガバナンス：技術問題と別科目にしない

法律・倫理は最後に暗記する付録ではありません。AIを実際に使う場面を想定し、収集するデータ、学習時の権利、出力の扱い、バイアス、説明責任、事故時の対応まで一連で整理します。生成AIの社内利用なら、入力してよい情報、出力をそのまま使ってよいか、誰が確認するかという実務判断へ落とします。

問題集で間違えたら、法律名だけを覚え直すのではなく、「このケースの何がリスクなのか」「誰の権利や利益に関係するか」「どんな管理策があるか」を説明します。技術・法律・業務の境界にある問題ほど、G検定らしい判断問題として扱います。

過去問代替の問題演習：分野別→混合→時間制限の順に進める

G検定では公式の過去問一式が常時公開されている形式ではないため、市販問題集や模擬問題、公式シラバスを使って演習します。最初は分野別に知識を固め、正答率70%を超えた分野から混合問題へ移します。最後は145問規模を想定して時間制限付きで解きます。

誤答は「知識不足」「用語混同」「問題文読み違い」「時間不足」の4種類に分けます。知識不足だけを復習しても、時間不足や読み違いは減りません。模試後に正答率と平均解答時間をセットで見ることで、合格率の高い試験でも取りこぼしを減らせます。

苦手・弱点の立て直し：正答率を大分類で可視化する

弱点管理は、AIの歴史、機械学習、深層学習、法律・倫理、社会実装など大分類で正答率を出します。100問解いて全体80%でも、法律・倫理が45%なら安定しません。次の学習時間は低い分類に集中的に振ります。

誤答ノートには長い解説を転載せず、「何と何を混同したか」「正しい判断軸は何か」を一行で残します。CNNとRNN、precisionとrecall、著作権と個人情報など、混同ペアを並べると復習速度が上がります。3回連続で正解した論点は弱点リストから外します。

直前期：新しいAIニュースよりシラバスと誤答を優先する

直前期は最新AIニュースを追い続けるより、シラバス、問題集の誤答、法律・倫理、モデルの違いを優先します。AI分野は話題が多いため、新情報を無制限に追うと学習範囲が拡散します。公式シラバスを基準に「試験で必要な知識」と「興味として読む情報」を分けます。

本番1週間前に、100分で145問程度を処理する模擬試験を最低1回実施します。当日は序盤の難問に時間を使いすぎず、一巡してから保留へ戻ります。体感で時間を管理せず、25分、50分、75分時点の到達問題数を決めておくと遅れを修正できます。

取得後の次の資格・キャリア

G検定取得後は、AIの共通知識を仕事へ接続するのが重要です。企画職ならAI導入の要件・リスク整理、営業なら顧客課題とAI適用可能性の説明、エンジニアならモデル選択やデータ設計の会話へ使います。実装・数理をさらに深めたい場合はE資格が次の資格候補になります。

プログラミング基礎が弱い場合はPython3エンジニア認定基礎試験などでコードを読む力を補う方法もあります。G検定は業務独占・名称独占の国家資格ではないため、取得数そのものより、AI案件で「何を判断できるようになったか」を説明できる状態を目指します。

よくある質問（FAQ）

数学が苦手でも合格できますか？

高度な計算問題だけで構成される試験ではありません。数式の意味を完全に避けるのではなく、損失関数や勾配、確率・評価指標が何を表すかを概念として説明できる状態を目指すと学びやすくなります。

オンライン試験なら検索しながら受ければ十分ですか？

145問程度を100分で処理するため、検索依存は危険です。即答できる問題を増やし、どうしても迷う問題の確認に限って時間を使える状態が必要です。

G検定の次は必ずE資格ですか？

必須ではありません。AI企画や業務活用を深めるなら実務案件で知識を使い、実装・数理を深めたい人がE資格やPython学習へ進むのが自然です。

確認した公式情報

• JDLA「G検定とは」：資格の目的、受験資格、試験形式、受験料、年間実施方針。
• JDLA「2026年第5回G検定」：2026年9月の試験日、申込期間、オンライン100分・会場120分、145問程度。
• JDLA「2026年第4回G検定結果」：受験者9,241人、合格者7,677人、合格率83.08%。

本番の見直し手順：保留問題を「知識確認」と「読解」に分ける

一巡後の保留問題は、用語や制度を確認すれば決まる「知識確認」と、選択肢の条件を読み比べる「読解」に分けます。検索や資料確認を使う場合も知識確認に限定し、長い調査を始めないことが重要です。読解問題は主語、前提条件、否定表現を再確認し、最初の判断を変える根拠があるときだけ修正します。

模擬試験では、保留にした問題数と、そのうち見直しで正答へ変えられた割合を記録します。保留が多すぎるなら即答知識が不足し、見直しで逆に誤答へ変えることが多いなら判断基準が曖昧です。この数字を使うと、直前期に追加暗記と読解練習のどちらを優先すべきか判断できます。