勉強法2027年試験対応
生成AIパスポートの問題例10問|新シラバス5章の練習問題と解説【2027年試験対応】

2027年の試験に対応した解説です。試験情報の確認日と出典は、本文・出典の記載をご確認ください。
生成AIパスポートの問題がどんなものか、申し込む前に一度解いて確かめたい人は多いはずです。実施団体の GUGA の試験ページやよくある質問には試験問題を公開する案内が無く、あるのは「4つの選択肢から選ぶ」という出題の形の説明だけです。そこでこの記事では、2027年2月試験からの新シラバスの5章から、合トレのオリジナルの例題を2問ずつ、計10問載せました。本試験の問題ではありませんが、4択の形で、答えと選択肢ごとの解説まで読めば、自分がどの章から勉強を始めればよいかが決まります。
- 公開日
- 2026年11月21日
- 更新日
- 2026年11月21日
- 読了目安
- 約22分
- 情報確認日
- 2026年11月21日
先に結論
生成AIパスポートの試験問題は、GUGA の試験ページ・よくある質問に公開の案内がありません(2026年11月21日確認)。試験は60問・60分で、4つの選択肢から適切または不適切なものを選ぶ形です。この記事の10問は合トレのオリジナルの例題で、正答が7問以下なら章ごとの○×から、8問以上なら60問の模擬試験から始めます。
迷いやすい判断を、具体的な行動に変えます
- GUGA の試験ページ・よくある質問に試験問題を公開する案内は無い。この記事の10問は合トレのオリジナル
- 本試験は60問・60分。4つの選択肢から「適切なもの」または「不適切なもの」を選ぶ
- 新シラバスの5章から2問ずつ。答えだけでなく、誤りの選択肢のどこが入れ替わっているかを解説で確かめる
- 正答数で次の一手を決める。8問以上なら60問の模擬試験、7問以下なら間違えた章の○×から
01結論:生成AIパスポートの試験問題は公開の案内が無い。例題は合トレのオリジナル
生成AIパスポートの試験問題は、公開の案内がありません。2026年11月21日に、GUGA(一般社団法人生成AI活用普及協会)の試験ページとよくある質問を読みましたが、試験問題や例題、正解を公開するという案内は見当たりませんでした。
この記事の10問は、合トレが新シラバスに沿って書き下ろした予想模試から、章ごとに2問ずつ選んだものです。GUGA とは関係のない独自の教材で、本試験の問題を写したものでも、本試験に出ると予想したものでもありません。それでも、4つの選択肢から選ぶ形と、問われる論点の種類は、シラバスと試験ページの説明に合わせています。
解く前に、試験の規模を確かめておきます。GUGA の発表では、2026年10月試験は受験者40,147名のうち32,815名が合格し、合格率は81.74%でした。多くの人が合格する試験なので、例題で「どの章の知識が足りないか」を早めに見つけ、そこに時間を回すのが効率のよい準備です。
02生成AIパスポートの問題の形:4つの選択肢から選ぶ60問・60分
例題を解く前に、本試験の問題の形を押さえます。GUGA の試験ページによると、試験は自宅などから受けるオンライン(IBT方式)で、60分間に60問を解きます。
出題の形について、GUGA の書き方は2つあります。試験ページの「出題イメージ」は「4つの選択肢から、適切あるいは不適切な解答を1つ又は複数選ぶ出題形式」、同じページの AIクイズアプリの注記は「四肢択一式」です。選ぶ数は言い切れませんが、4つの選択肢があり、「適切なもの」と「不適切なもの」を選ぶ問いの両方がある点は共通しています。この記事の例題は、4つから1つを選ぶ形で作っています。
表の右の列は、この記事の例題でどう扱っているかです。この記事の例題は、4つの選択肢から選ぶ練習用の10問です。問題数・時間の目安・章ごとの配分は合トレ独自の設定で、本試験の難易度や採点基準を再現したものではありません。
表が画面幅より広い場合は、左右にスクロールして確認できます。
| 見るところ | GUGA の案内 | この記事の例題 |
|---|---|---|
| 問題数と時間 | 60問・60分間 | 10問。1問1分で10分を目安に解く |
| 選択肢 | 4つの選択肢から選ぶ | 4つの選択肢から選ぶ |
| 選ぶ数 | 出題イメージは「1つ又は複数」、アプリの注記は「四肢択一式」 | 1つを選ぶ |
| 問いの向き | 適切なものを選ぶ問いと、不適切なものを選ぶ問い | 適切を選ぶ問い6問、不適切を選ぶ問い4問 |
| 範囲 | シラバス。2027年2月試験から新しい版(5章) | 新シラバスの5章から2問ずつ |
| 合格基準 | 基準点や採点の詳細は開示していない | 正答数の目安は合トレの学習上の目安 |
| 問題の出どころ | 試験問題の公開の案内なし | 合トレのオリジナル(予想模試から選んだ) |
03例題の解き方:1問1分、問いの最後の「適切」「不適切」を先に読む
10問は、10分を計って続けて解いてください。本試験は60問を60分で解くので、1問に使えるのは平均1分です。GUGA のよくある質問によると、試験は途中で一時停止できず、時間を過ぎると自動で終わります。
4択で点を落とす原因は、知識の不足より読み違いのことがあります。「最も不適切なものはどれか」と聞かれているのに、正しい文を見つけた時点で選んでしまう、という間違いです。次の手順で解くと防げます。
- 1.問いの最後の「適切なもの」「不適切なもの」を先に読み、問題文の横に書き留める
- 2.選択肢を1つずつ読み、それぞれに「正しい」「誤り」の印を付ける
- 3.印が1つだけ違う選択肢を選ぶ。2つ以上で迷ったら、言い切りの言葉(必ず・完全に・一度も)を探す
- 4.答えたら、正解の番号だけでなく、誤りの選択肢のどこが入れ替えられていたかを解説で確かめる
04第1章 AIの基礎と歴史の例題(2問)
第1章は、AI の仕組みと歴史の章です。新シラバスでは26の学習項目があり、機械学習の種類、ニューラルネットワーク、AI ブームの流れ、識別系AIと生成系AIの違いなどを扱います。
4.1例題1(AIの歴史)
AIの歴史に関する次の記述のうち、最も不適切なものはどれか。
- 1 第一次AIブームでは、コンピューターによる推論や探索が可能になった。
- 2 第二次AIブームでは、知識を与えることで、多数のエキスパートシステムが生み出された。
- 3 第三次AIブームでは、まずビッグデータを用いた機械学習が実用化され、次いでディープラーニングが登場した。
- 4 AIの研究は1950年代から、冬の時代を一度も経ることなく発展を続けてきたとされる。
4.2例題1の答えと解説
**正解は4**です。平成28年版情報通信白書は、AI の研究ではブームと冬の時代(研究が下火になる時期)が交互に訪れてきたとしています。冬の時代は、第一次ブームのあとと、1995年ごろからの2回です。
1は正しい。第一次ブームは1950年代後半から1960年代で、推論や探索で迷路や定理の証明のような問題を解けるようになりました。2は正しい。第二次ブームは1980年代で、専門分野の知識を取り込んで推論するエキスパートシステムが多数生まれました。3も正しい。第三次ブームは2000年代からで、機械学習が先に実用化され、次いでディープラーニングが登場しました。
4.3例題2(識別系AIと生成系AI)
識別系AIと生成系AIに関する次の記述のうち、最も適切なものはどれか。
- 1 識別系AIは、文章や画像などの新しいデータを作り出すことを主な目的とする。
- 2 AI事業者ガイドラインは、生成AIを、文章・画像・プログラム等を生成できるAIモデルにもとづくAIの総称としている。
- 3 GANは識別器だけで構成されるため、識別系AIに分類される。
- 4 AIで作った偽の画像や動画(ディープフェイク)は、これまでに悪用の例が報告されていない。
4.4例題2の答えと解説
**正解は2**です。AI事業者ガイドライン(第1.2版)の本編は、生成AIを「文章、画像、プログラム等を生成できる AI モデルにもとづく AI の総称」と定義しています。
1は誤り。新しいデータを作り出すのは生成系AIです。識別系AIは、迷惑メールかどうかを見分けるように、入力が何に当たるかを判定します。3は誤り。GAN(敵対的生成ネットワーク)は、データを作る生成器と、本物かどうかを見分ける識別器の2つを同時に学習させる生成モデルです。4は誤り。ガイドラインの別添は、ディープフェイクは各国で悪用例が相次いでいるとしています。
05第2章 生成AIの例題(2問)
第2章は、生成AIがどう文章を作り、なぜ誤るのかを扱う章です。学習項目は31あり、Transformer、トークン、次トークン予測、ハルシネーション(もっともらしい誤り)などが入っています。
5.1例題3(ハルシネーション)
ハルシネーションに関する次の記述のうち、最も不適切なものはどれか。
- 1 RAG を導入すれば、生成AIは必ず検索した資料どおりに答えるので、ハルシネーションは起こらない。
- 2 ハルシネーションとは、生成AIが事実と異なることをもっともらしく回答する現象である。
- 3 生成AIは学習済みの知識で答えるため、社内規定のような学習していない情報はハルシネーションの原因になりうる。
- 4 米国では、弁護士が生成AIを使って作った資料で、実在しない判例を引用した事例がある。
5.2例題3の答えと解説
**正解は1**です。AI事業者ガイドラインの別添は、RAG(検索拡張生成)に期待される効果を、ハルシネーションの「抑制」としています。IPA の「AI利用者のためのセキュリティ豆知識」も、ハルシネーションを完全に防ぐ方法はまだ分かっていないとしています。「必ず」「起こらない」と言い切った1が誤りです。
2は正しい。ガイドラインの別添の説明どおりです。3は正しい。IPA の資料は、生成AIは学習済みの知識で答えるため、社内規定のような学習外の情報に基づく回答はできず、ハルシネーションの原因にもなると説明しています。4も正しい。ガイドラインの別添が、生成AIの出力をうのみにしたリスクの例として挙げています。
5.3例題4(文章を作る仕組み)
生成AIが文章を作る仕組みに関する次の記述のうち、最も適切なものはどれか。
- 1 トークンは必ず1つの単語と一致し、単語より細かい単位に区切られることはない。
- 2 埋め込みは、トークンを数値に変えずに、文字列のまま辞書と照らし合わせる処理である。
- 3 Transformer のデコーダは、出力をソフトマックス関数で次のトークンの予測確率に変える。
- 4 自己回帰型の言語モデルは、文章全体を先に一度に決めてから、各トークンの確率を計算する。
5.4例題4の答えと解説
**正解は3**です。Transformer を提案した論文は、ソフトマックス関数でデコーダの出力を次のトークンの予測確率に変えると書いています。候補の語ごとに「次に来そうな度合い」を割り振り、そこから次の語を選ぶ仕組みです。
1は誤り。トークンは単語と一致するとは限りません。同じ論文は、単語より細かいかけら(サブワード)に区切る方法を使っています。2は誤り。埋め込みは、トークンを数値の並び(ベクトル)に変える処理です。4は誤り。自己回帰型は、それまでに作った語を入力に加えて、次の語を1つずつ作ります。しりとりのように、前を見てから次を決めます。
06第3章 AIエージェントの例題(2問)
第3章は、新シラバスで独立した章になったAIエージェントの章です。学習項目は34あり、RAG、MCP、プロンプトインジェクションなど、AI が外の道具やデータを使う仕組みとその危険を扱います。
6.1例題5(RAG)
RAG(検索拡張生成)に関する次の記述のうち、最も不適切なものはどれか。
- 1 外部のデータベースから取得した知識をもとに、LLMに回答を生成させる手法である。
- 2 参照元を示せることなどから、出力の根拠の透明性の向上が期待されている。
- 3 参照するデータソースを追加するたびに、モデルの再トレーニングが必要になる。
- 4 検索の対象となる文書が事実にもとづくデータであるかにも、留意が必要である。
6.2例題5の答えと解説
**正解は3**です。AI事業者ガイドラインの別添は、RAG は通常のファインチューニングと違い、モデルの再トレーニングを行わずに参照するデータソースを追加でき、コストの低減が期待されるとしています。規程が変わっても、検索する文書を入れ替えれば済みます。
1は正しい。デジタル庁の生成AIの調達・利活用のガイドラインの説明どおりです。2は正しい。ガイドラインの別添は、参照元の明示などで出力の根拠の透明性が上がることを期待される効果に挙げています。4も正しい。AIセーフティ・インスティテュート(J-AISI)の評価観点ガイドは、検索対象の文書が事実に基づくデータかに留意が必要としています。古い料金表が残っていれば、AI は古い料金を案内してしまいます。
6.3例題6(MCP)
MCP(Model Context Protocol)の説明として、最も適切なものはどれか。
- 1 独立したAIエージェントどうしが、互いの能力を見つけてタスクを任せ合うための標準である。
- 2 モデルを追加学習させて、外部ツールの使い方をモデルのパラメータに覚えさせる手法である。
- 3 検索した文書をプロンプトに加えて回答させる、検索拡張生成の別名である。
- 4 AIアプリケーションを、データソースやツールなどの外部のシステムにつなぐためのオープンな標準である。
6.4例題6の答えと解説
**正解は4**です。MCP の公式の紹介ページは、MCP を AI アプリケーションを外部のシステムにつなぐためのオープンソースの標準とし、「AI アプリケーションの USB-C ポート」にたとえています。
1は誤り。これは A2A(Agent2Agent)の説明です。A2A の仕様は、エージェントどうしが互いの能力を見つけ、仕事を任せ合えるようにすることを目的に挙げています。2は誤り。MCP はつなぎ方の決まりで、モデルに学習させる仕組みではありません。3は誤り。検索した文書を材料に答えさせるのは RAG です。MCP は RAG が使うデータベースへの入り口にはなりえますが、同じものではありません。
07第4章 生成AIのリスク予防・AI倫理・ガバナンスの例題(2問)
第4章は、210の学習項目のうち81を占める、いちばん大きな章です。個人情報、著作権、シャドーAI、AIガバナンス、AI法などを扱い、法令の言葉をそのまま問う選択肢が出てきます。
7.1例題7(個人情報の定義)
個人情報保護法の定義に関する次の記述のうち、最も適切なものはどれか。
- 1 生きている人の情報を含まない、亡くなった人だけに関する情報も、「個人情報」に含まれる。
- 2 氏名が含まれていなくても、他の情報と容易に照合でき、それにより特定の個人を識別できる情報は、個人情報に当たる。
- 3 本人の病歴や犯罪の経歴が含まれる個人情報は、「個人識別符号」として定義されている。
- 4 「匿名加工情報」は、特定の個人を識別できないように加工した情報だが、元の個人情報に復元できるものも含まれる。
7.2例題7の答えと解説
**正解は2**です。個人情報保護法第2条第1項は、氏名などで特定の個人を識別できる情報に、「他の情報と容易に照合することができ、それにより特定の個人を識別することができることとなるもの」を含めています。社員番号と購買履歴だけの表でも、社内の名簿とすぐ照らし合わせて誰か分かるなら個人情報です。
1は誤り。同じ項は、個人情報を「生存する個人に関する情報」としています。3は誤り。病歴や犯罪の経歴が含まれるのは「要配慮個人情報」(第2条第3項)です。個人識別符号は、指紋のデータを変換した符号のように、第2条第2項の各号に当たる符号のうち政令で定められたものです。4は誤り。匿名加工情報は、元の個人情報を「復元することができないようにしたもの」です(第2条第6項)。
7.3例題8(AIの学習と著作権)
AI学習と著作権に関する次の記述のうち、最も適切なものはどれか。
- 1 AIの学習のための利用であれば、著作権者の利益を不当に害することとなる場合でも、第30条の4により許諾なく利用できる。
- 2 既存の著作物に似た画像を生成しても、利用者がその著作物を知らなければ、生成・利用が著作権侵害となることはない。
- 3 作品を味わう(享受する)目的を伴わないAIの学習のための情報解析は、必要と認められる限度で、原則として許諾なく行える。
- 4 AI生成物の利用が著作権侵害になるかは、既存の著作物との類似性だけで判断され、依拠性は問われない。
7.4例題8の答えと解説
**正解は3**です。著作権法第30条の4は、著作物に表された思想や感情を味わう(享受する)ことを目的としない利用を、必要と認められる限度で認めています。その例に、大量の情報から要素を取り出して解析する「情報解析」を挙げています。文化庁の「AIと著作権に関する考え方について」の概要は、主な目的が非享受でも、享受する目的が併存する場合は適用されないとしています。
1は誤り。第30条の4には、著作権者の利益を不当に害することとなる場合は除くという、ただし書があります。2は誤り。文化庁の「AIと著作権に関するチェックリスト&ガイダンス」は、生成AIでは利用者が既存の著作物を認識していなくても、生成・利用が著作権侵害となることがあるとしています。4は誤り。文化庁の「AIと著作権に関する考え方について」の概要は、類似性と依拠性の両方で判断するとしています。
08第5章 生成AIの実践と活用事例の例題(2問)
第5章は、生成AIを仕事でどう使うかの章です。学習項目は38あり、プロンプトの技法のほか、議事録・マーケティング・データ分析など業務の場面を設定した問いが入ります。
8.1例題9(議事録づくりの場面)
総務部の社員が、生成AIを使って会議の音声から議事録を作る。この場面での対応として、最も適切なものはどれか。
- 1 文字起こしで人名や社名などの固有名詞が誤っていないか、記録の意味内容が発言と違っていないかを確かめてから、議事録を確定する。
- 2 生成AIは音声をそのまま文字にするので、出席者による内容の確認を省いて、そのまま議事録として共有する。
- 3 出席者の発言から要点をAIが抜き出した部分は、AIの判断を尊重し、発言者に確かめずに決定事項として確定する。
- 4 文字起こしの誤りは生成AIの提供者の責任なので、議事録の案を業務に使ってよいかを利用者が判断する必要はない。
8.2例題9の答えと解説
**正解は1**です。デジタル庁の生成AIの調達・利活用のガイドラインは、音声文字起こしの固有名詞などの誤りに留意して、業務に使ってよいかを利用者が判断するとしています。「佐藤様」が「加藤様」と記録されたまま配られる、といった誤りを防ぎます。
2は誤り。同じガイドラインが引く内閣府の通知は、AI を使って作った議事録の原案なども、文書の正確性を確保するため必要な確認を経ることが重要としています。3は誤り。要点の抜き出しでも、AI は決定事項を取りこぼしたり意味を取り違えたりします。4は誤り。ガイドラインは、業務に使うかどうかを利用者が責任を持って判断し、迷う場合は使わないとしています。
8.3例題10(プロンプトの技法)
Zero-Shot・One-Shot・Chain-of-Thought に関する次の記述のうち、最も不適切なものはどれか。
- 1 Zero-Shot では例を示さず、タスクを説明する自然言語の指示だけをモデルに与える。
- 2 One-Shot では、タスクの説明に加えて例を1つだけ示す。
- 3 Chain-of-Thought プロンプティングでは、答えに至る中間の推論の過程を書いた例をプロンプトに示す。
- 4 Chain-of-Thought による推論の能力は、モデルが小さいほど現れやすいと報告されている。
8.4例題10の答えと解説
**正解は4**です。Chain-of-Thought(思考の連鎖)を示した論文は、推論の能力は十分に大きな言語モデルで自然に現れるとしています。小さいほど、ではありません。
1と2は正しい。GPT-3 の論文の定義どおりで、Zero-Shot は例を示さず指示だけを与え、One-Shot は例を1つだけ示します。例をいくつも示すのが Few-Shot です。3も正しい。途中の考えを書いた解答例を見せて、AI にも途中の考えを書かせるやり方です。
09答え合わせ:例題10問の章・論点・答えの一覧
10問を解き終えたら、表で答え合わせをします。正解した数を数えたら、間違えた問題の「論点」の列を書き出してください。これが、次に○×で解き直す論点のリストになります。
勘で当たった問題も、間違えた問題として数えます。正解が1つの4択で、4つから無作為に選んでも、1問の正解確率は25%あるからです。選択肢4つのすべてについて正しいか誤りかを言えた問題だけを、正解として数えると、自分の実力に近い数が出ます。
表が画面幅より広い場合は、左右にスクロールして確認できます。
| 例題 | 章 | 論点 | 問いの向き | 答え |
|---|---|---|---|---|
| 例題1 | 第1章 | AIブームと冬の時代 | 不適切なもの | 4 |
| 例題2 | 第1章 | 識別系AIと生成系AI | 適切なもの | 2 |
| 例題3 | 第2章 | ハルシネーションとRAG | 不適切なもの | 1 |
| 例題4 | 第2章 | トークンと次トークンの予測 | 適切なもの | 3 |
| 例題5 | 第3章 | RAGの仕組みと効果 | 不適切なもの | 3 |
| 例題6 | 第3章 | MCPとA2Aの違い | 適切なもの | 4 |
| 例題7 | 第4章 | 個人情報の定義 | 適切なもの | 2 |
| 例題8 | 第4章 | AIの学習と著作権 | 適切なもの | 3 |
| 例題9 | 第5章 | 議事録づくりの確認 | 適切なもの | 1 |
| 例題10 | 第5章 | Zero-ShotとChain-of-Thought | 不適切なもの | 4 |
1010問に入っていた引っかけの型:言い切り・入れ替え・条件の抜け
誤りの選択肢は、でたらめな文ではありません。正しい文の一部だけを変えて作られています。10問の誤りの選択肢を並べると、変え方は表の5つの型に分けられます。
表の左の列の型ごとに、右の列の見分け方を使ってください。いちばん多いのは「入れ替え」で、似た言葉どうし(識別系と生成系、MCP と A2A、要配慮個人情報と個人識別符号)を取り替える形です。入れ替えに弱い人は、似た言葉を2つ並べて違いを言う練習が効きます。
表が画面幅より広い場合は、左右にスクロールして確認できます。
| 型 | この記事の例 | 見分け方 |
|---|---|---|
| 言い切り | 例題1の4(一度も経ることなく)、例題3の1(必ず・起こらない) | 必ず・完全に・一度もという言葉があれば、例外が無いかを考える |
| 似た言葉の入れ替え | 例題2の1(識別系と生成系)、例題6の1(MCPとA2A)、例題7の3 | 主語の言葉を、似た言葉に置き換えても文が成り立たないかを確かめる |
| 条件の抜け | 例題8の1(ただし書が無い)、例題7の4(復元できない、が無い) | 法令の定義は、除く場合と付いている条件まで覚える |
| 向きの逆転 | 例題10の4(大きいほど、を小さいほどに) | 大小・前後・増減の向きを、根拠の文と照らし合わせる |
| 責任の付け替え | 例題9の4(提供者の責任)、例題9の3(AIの判断を尊重) | 最終的に判断するのは使う人、という原則に照らす |
114択の例題を○×に分けて解き直す
4択の問題は、4つの○×問題を1つにまとめたものです。間違えた例題は、選択肢を1つずつ取り出して、正しいか誤りかと、その理由を言えるかで解き直します。
表は、例題5(RAG)を4つに分けた例です。右の列の「理由」を自分の言葉で言えたら、その論点は身についています。言えなかった選択肢だけを、合トレの○×一問一答の同じ論点で解き直すと、時間をかけずに穴を埋められます。
表が画面幅より広い場合は、左右にスクロールして確認できます。
| 選択肢 | 正しいか誤りか | 理由 |
|---|---|---|
| 1 外部のデータベースから取得した知識で回答を作る | 正しい | RAG の定義そのもの |
| 2 根拠の透明性の向上が期待される | 正しい | 参照元を示せるため |
| 3 データソースを足すたびに再トレーニングが要る | 誤り | 再トレーニングなしで足せるのが RAG の特徴 |
| 4 検索対象の文書が事実に基づくかに留意する | 正しい | 古い・誤った文書があると答えも誤る |
1210問の正答数で決める次の一手
例題の正答数は、合格できるかどうかの予想には使えません。GUGA は合否の基準点を開示しておらず、10問では範囲の一部しか確かめられないからです。使い道は、次に何をするかを決めることです。
表の正答数は、合トレが決めた学習上の目安です。8問以上なら、この10問では正答が多かったので、解説を確かめてから60問・60分で時間配分を確かめる段階に進みます。7問以下なら、間違えた問題の章と論点を確かめ、その論点の○×から始めます。
表が画面幅より広い場合は、左右にスクロールして確認できます。
| 正答数 | 今の状態 | 次にやること |
|---|---|---|
| 8問から10問 | この10問では正答が多かった | 間違えた問題の解説を読んでから、予想模試の60問を60分で解く |
| 5問から7問 | 間違えた論点がいくつかある | 間違えた問題の章と論点を確かめ、その論点の○×を解いてから予想模試へ |
| 4問以下 | 範囲の全体がまだ見えていない | 論点の一覧で5章の中身を読み、間違えた章の○×から始める |
132026年までの試験向けの問題と、新シラバスの問題の違い
古い範囲で作られた練習問題だけでは、2027年2月試験の準備に足りません。GUGA は2026年10月1日に、2027年2月試験からシラバスを大幅に改訂すると発表しました。
改訂の中心は3つです。AIエージェントの内容を広げて章立てを組み直し、コンテキストエンジニアリングやプロンプトインジェクションを加えました。旧第4章の「情報リテラシー・基本理念とAI社会原則」は、リスク予防・AI倫理・ガバナンスの章に組み直され、シャドーAIや安全保障が入りました。第5章は、業務別・業種別の活用と、AI の出力の評価・検証まで広がりました。MCP は従来からの項目で、新シラバスでは内容が更新されています。例題6は外部連携の仕組み、例題9は実務での出力の確認を練習する問題です。
手元の問題集や問題サイトが、2026年10月試験までの章立てで作られていないかを確かめてください。旧範囲の問題は第1章・第2章の基礎には使えますが、第3章から第5章は新シラバスに沿った問題で補います。
14合トレの例題・予想模試について:GUGA とは関係のない独自の教材
この記事の例題と、合トレの○×一問一答・予想模試は、GUGA とは関係のない独自の教材です。GUGA の公認を受けたものでも、本試験の問題を集めたものでもありません。
新シラバスの学習項目ごとに、法令・政府のガイドライン・論文・各社の公式の発表などの一次資料で正誤を確かめる方針で作っています。合トレの予想模試は3回分あり、各回とも5つの章から12問ずつ、計60問です。章ごとの出題数は公表されていないので、本試験の配分を再現したものではありません。過去問の公開の状況と、過去問の代わりの練習の組み方は、過去問の記事にまとめています。
15次にやること:60問・60分の予想模試で時間配分を確かめる
例題で8問以上取れた人は、合トレの予想模試に進んでください。60問・60分の3回分を全問無料で解けて、全部の選択肢に解説を付ける方針で作っています。7問以下だった人は、○×一問一答で間違えた章を10問ずつ解き、章ごとの正答率を上げてから予想模試に進みます。
よくある質問
生成AIパスポートの試験問題は公開されていますか?
2026年11月21日に確認した GUGA の試験ページ・よくある質問には、試験問題や例題、正解を公開する案内がありません。試験ページにあるのは、4つの選択肢から選ぶという出題の形の説明(出題イメージ)です。
生成AIパスポートの問題はどんな形式ですか?
60分で60問、4つの選択肢から選ぶ形です。GUGA の試験ページには「適切あるいは不適切な解答を1つ又は複数選ぶ」と「四肢択一式」の2つの書き方があり、選ぶ数は言い切れません。適切なものを選ぶ問いと不適切なものを選ぶ問いの両方があります。
この記事の例題は本試験と同じ問題ですか?
違います。合トレが新シラバスに沿って書き下ろしたオリジナルの問題で、GUGA とは関係がありません。4つの選択肢から選ぶ形と、シラバスの5章の範囲に合わせて作っています。
生成AIパスポートの練習問題は何問解けばいいですか?
決まった数はありません。合トレの目安では、5つの章すべてで○×の正答率が80%以上になり、60問・60分の模擬試験を時間内に解けたら準備の段階を終えたと考えます。この80%は学習上の目安で、合格基準ではありません。
例題で何問正解すれば合格できますか?
例題の正答数から合否は分かりません。GUGA は合否に関する基準点や採点の詳細を開示していません。例題の正答数は、次に模擬試験に進むか、章ごとの○×に戻るかを決めるために使ってください。
2026年の試験向けの問題は2027年の試験の練習になりますか?
基礎の部分には使えますが、それだけでは足りません。2027年2月試験から新シラバスに変わり、AIエージェントが独立した章になり、リスク予防・AI倫理・ガバナンスの章も広がりました。新しい項目は新シラバスに沿った問題で補います。
GUGA が出している練習用の問題はありますか?
GUGA は試験ページで、LINE で使える○×形式の AIクイズアプリを案内しています。ただし GUGA 自身が、本試験の出題方法とは異なり、シラバスの網羅も保証していないと注記しています。
この記事の参照元
法令、制度、試験日程は変更される場合があります。受験・手続の前には、リンク先の最新案内も確認してください。
- GUGA「生成AIパスポート」試験ページ(試験概要・年間スケジュール)確認日 2026年11月20日別画面で開く
- GUGA「よくある質問」確認日 2026年11月20日別画面で開く
- GUGA「生成AIパスポート試験シラバス(2027年2月試験より適用)」確認日 2026年11月20日別画面で開く
- GUGA「2027年試験のシラバスを大幅改訂」(2026年10月1日)確認日 2026年11月20日別画面で開く
- GUGA「2026年10月試験の結果を発表」(2026年11月20日)確認日 2026年11月21日別画面で開く
- 総務省「平成28年版 情報通信白書」人工知能(AI)研究の歴史確認日 2026年11月21日別画面で開く
- 総務省・経済産業省「AI事業者ガイドライン(第1.2版)」本編・別添確認日 2026年11月21日別画面で開く
- IPA「AI利用者のためのセキュリティ豆知識(2025年12月版)」確認日 2026年11月21日別画面で開く
- デジタル庁「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン」(DS-920)確認日 2026年11月21日別画面で開く
- AIセーフティ・インスティテュート「AIセーフティに関する評価観点ガイド(第1.20版)」確認日 2026年11月21日別画面で開く
- Model Context Protocol「What is the Model Context Protocol (MCP)?」確認日 2026年11月21日別画面で開く
- A2A Project「Agent2Agent (A2A) Protocol Specification」確認日 2026年11月21日別画面で開く
- e-Gov 法令検索「個人情報の保護に関する法律」第2条確認日 2026年11月21日別画面で開く
- e-Gov 法令検索「著作権法」第30条の4確認日 2026年11月21日別画面で開く
- 文化庁「AIと著作権について」(考え方の概要・チェックリスト&ガイダンス)確認日 2026年11月21日別画面で開く
- arXiv(Goodfellow et al., 2014)「Generative Adversarial Networks」確認日 2026年11月21日別画面で開く
- arXiv(Vaswani et al., 2017)「Attention Is All You Need」確認日 2026年11月21日別画面で開く
- arXiv(Brown et al., 2020)「Language Models are Few-Shot Learners」確認日 2026年11月21日別画面で開く
- arXiv(Wei et al., 2022)「Chain-of-Thought Prompting Elicits Reasoning in Large Language Models」確認日 2026年11月21日別画面で開く