カテゴリー

  • プログラミング
  • 英語学習
  • 海外
  • キャリア
  • Kredo
Kredoオンラインキャンプ
KredoIT留学
無料カウンセリングはこちら
Kredoオンラインキャンプ体験談
KredoIT留学体験談
外貨を稼ぐ!海外フリーランス無料セミナー
未経験から即戦力ITグローバル人材 無料セミナー
Kredo Blog 英語・IT・AIで、人生の選択肢を広げる。
無料ウェビナー参加 ↗ 無料カウンセリング予約無料相談↗
MENU
EXPLORE KREDO BLOG

知りたいことから、世界が広がる。

ブログTOP ↗
留学・セブSTUDY & LIFE
留学・セブの記事をすべて読む ↗ 海外留学→海外移住→海外就職→
英語学習ENGLISH
英語学習の記事をすべて読む ↗ 英語学習法→英語フレーズ→
IT・AITECH & CREATIVITY
IT・AIの記事をすべて読む ↗ プログラミング学習→プログラミング知識→AI・テクノロジー→デザイン→
キャリアYOUR NEXT CHAPTER
キャリアの記事をすべて読む ↗ 転職情報→キャリアデザイン→
KredoOUR SCHOOL
Kredoの記事をすべて読む ↗ ニュース・キャンペーン→セブ島情報→インタビュー→
STUDENT DIARIES留学生のリアルな日記noteの体験記を読む ↗YouTube・Instagramで留学を知る ↗
記事を探す ブログTOP
留学・セブ
STUDY & LIFEセブで学ぶ。海外で暮らす。留学の準備から、現地の毎日まで。
留学・セブを知るすべての記事 ↗
海外留学費用・期間・学校選びを知る↗海外移住海外で暮らすためのヒント↗海外就職世界で働く選択肢を探す↗
FROM CEBU / note留学生の、
リアルな毎日。
写真とことばで読む留学日記日記を読む ↗
英語学習
ENGLISH英語が、世界を近くする。学び方と、今日から使える英語。
英語学習を知るすべての記事 ↗
英語学習法自分に合った学び方を見つける↗英語フレーズ会話で使える表現を読む↗
FROM CEBU / note留学生の、
リアルな毎日。
写真とことばで読む留学日記日記を読む ↗
IT・AI
TECH & CREATIVITYつくる力を、次の一歩に。プログラミングとAIをもっと身近に。
IT・AIを知るすべての記事 ↗
プログラミング学習はじめ方・学び方を知る↗プログラミング知識仕組みやスキルを深める↗AI・テクノロジーAIの活かし方と最新の話題↗デザイン伝わるものづくりのヒント↗
FROM CEBU / note留学生の、
リアルな毎日。
写真とことばで読む留学日記日記を読む ↗
キャリア
YOUR NEXT CHAPTER学びの先の、働き方。転職・海外就職・これからのキャリア。
キャリアを知るすべての記事 ↗
転職情報次の仕事へ向かう準備↗キャリアデザイン自分らしい働き方を考える↗
FROM CEBU / note留学生の、
リアルな毎日。
写真とことばで読む留学日記日記を読む ↗
Kredo
OUR SCHOOLKredoを、もっと知る。学校のこと、セブのこと、学ぶ人のこと。
Kredoを知るすべての記事 ↗
ニュース・キャンペーンKredoからのお知らせ↗セブ島情報現地の暮らしを知る↗インタビュー受講生・卒業生の声を読む↗
FROM CEBU / note留学生の、
リアルな毎日。
写真とことばで読む留学日記日記を読む ↗
留学日記 ↗

ENGLISH · IT · AI / STUDY IN CEBU

学ぶって、冒険だ。

英語・IT・AIで、人生の選択肢を広げよう。

留学の無料相談へ ↗Kredo Blogを読む →
JAPAN✈CEBU
Kredoで、講師と一緒に英語とITを学ぶ受講生
LEARN SOMETHING NEW.
セブの海を望む場所で学ぶ日常
HELLO, NEW WORLD.
  • TOP
  • プログラミング
  • AI・テクノロジー
  • ゲームAIの作り方|初心者が最初の1本を作る手順と手法5つの比較

ゲームAIの作り方|初心者が最初の1本を作る手順と手法5つの比較

アバター画像
Kredo編集部
公開日:2023.04.20
更新日:2026.10.03
AI・テクノロジー |
ゲームAIの作り方|初心者が最初の1本を作る手順と手法5つの比較

ゲームAIは、敵キャラやNPCの「判断」と「移動」をルールで組む仕組みです。最初の1本は、状態3つの有限状態機械(FSM)で作れます。

ChatGPTのような生成AIとは別物で、大量のデータや高性能なパソコンは要りません。条件分岐が書ければ、追いかけてくる敵は数十行で動きます。この記事では手法の比較、動作を確かめたサンプルコード、ゲームエンジンの公式機能、生成AIへの頼み方を順に説明します。

この記事でわかること

  1. ゲームAIと生成AIの違い
  2. 代表的な手法5つ(FSM・ビヘイビアツリー・A*・ユーティリティAI・強化学習)の難易度と向く場面
  3. 追いかけてくる敵AIを状態3つのFSMで作る手順とPythonコード
  4. Unity・Unreal Engine・Godotで使える公式の仕組み
  5. ChatGPT・Claude Code・Codexへの頼み方と、任せきりにできない部分

記事のもくじ

  • 先に結論:最初はFSM、次に経路探索の順で作る
  • ゲームAIとは?生成AIとの違い
    • ゲームAIが担当する3つの仕事
    • 生成AI(ChatGPTなど)との違い
  • ゲームAIの代表的な手法5つと選び方
    • 有限状態機械(FSM)
    • ビヘイビアツリー
    • ユーティリティAI
    • 強化学習
    • 経路探索(A*)
  • 最初の1本:追いかけてくる敵を状態3つのFSMで作る
    • 手順1〜4:紙に書いてからコードにする
    • サンプルコード(Python)
    • コードの読みどころ
  • 次の1本:経路探索A*で壁をよけて追いかけさせる
    • A*の考え方
    • サンプルコード(Python)
    • FSMと組み合わせる
  • Unity・Unreal Engine・Godotで使える公式の仕組み
    • Unity:NavMesh と ML-Agents
    • Unreal Engine:Behavior Tree と Blackboard
    • Godot:NavigationAgent と AStarGrid2D
  • 生成AI時代の作り方:ChatGPT・Claude Code・Codexへの頼み方
    • プロンプト例3つ
    • 任せきりにできない部分
  • 学ぶ順番と入門書、向く人・つまずく所
    • 学ぶ順番(5段階)
    • 入門書3冊(出版社の公式ページで確認)
    • 向く人・つまずく所
  • よくある質問
    • ゲームAIを作るのに数学や機械学習の知識は要りますか?
    • ChatGPTなどの生成AIだけでゲームAIは作れますか?
    • どのプログラミング言語で始めるのがよいですか?
    • 強化学習から始めてもよいですか?
  • まとめ:状態3つのFSMから始めて、少しずつ足していく
  • 参考にした公式情報

先に結論:最初はFSM、次に経路探索の順で作る

作りたい動きによって選ぶ手法が変わります。初心者はFSMで判断を作り、A*で移動を足す順が取り組みやすいです。下の表で、自分が作りたいものに近い行を探してください。

作りたい動き 選ぶ手法 難易度 最初の一歩
敵が見つけたら追いかけてくる 有限状態機械(FSM) やさしい 状態を3つ紙に書く
壁や障害物をよけて移動する 経路探索(A*) ふつう マス目のマップで試す
行動の種類が多いボスやNPC ビヘイビアツリー ふつう エンジンの公式機能を使う
状況に応じて行動を選び分ける ユーティリティAI ふつう〜難しい 行動ごとに点数の式を作る
動きをAI自身に学ばせたい 強化学習 難しい 公式のサンプル環境を動かす

ゲームAIとは?生成AIとの違い

ゲームAIとは?生成AIとの違い

ゲームAIは、ゲームの中でキャラクターを動かすためのルールと仕組みのことです。文章や画像を作る生成AIとは、目的も作り方も違います。

ゲームAIが担当する3つの仕事

仕事は大きく3つに分けられます。

  1. キャラクターの判断:巡回するか、追いかけるか、逃げるかを決める
  2. 経路探索:壁や段差をよけて、目的地までの道を見つける
  3. レベル調整:プレイヤーの状況に合わせて、敵の数や強さを変える

3つ目はメタAI(ゲーム全体の調整役)と呼ばれます。初心者が最初に作るのは、1つ目の「判断」と2つ目の「経路探索」です。

生成AI(ChatGPTなど)との違い

同じ「AI」でも中身は違います。

比べる点 ゲームAI 生成AI
主な役割 キャラクターの判断と移動 文章・画像・コードの生成
中身 人が書いたルールと計算手順 大量のデータで学習したモデル
動く速さ 1秒に何十回も判断する 返事に時間がかかる
結果の予測 同じ条件なら同じ動き 同じ質問でも答えが変わる

ゲームは1秒間に何十回も画面を描き直すため、敵の判断も一瞬で終わる必要があります。ルールで組んだAIは軽く、動きを予測しやすいので、今も多くの場面で使われています。

ゲームAIの代表的な手法5つと選び方

手法は5つ覚えれば、入門としては十分です。判断を作る手法が4つ、移動を作る手法が1つと分けて考えると混乱しません。

手法 役割 向く場面 弱点
有限状態機械(FSM) 判断 状態が少ない敵やギミック 状態が増えると線が絡む
ビヘイビアツリー 判断 行動の多いボスや仲間NPC 木の設計に慣れが要る
ユーティリティAI 判断 生活シミュレーションや戦術 点数の調整に時間がかかる
強化学習 判断 レースや物理を使う動き 学習の環境づくりが大変
経路探索(A*) 移動 迷路や建物の中の移動 広いマップでは工夫が要る

有限状態機械(FSM)

有限状態機械(FSM)は、キャラクターを「巡回中」「追跡中」などの状態で管理する方法です。状態と切り替わる条件だけを書くので、全体を見わたせます。

ビヘイビアツリー

ビヘイビアツリーは、行動を木の形に並べ、上から順に「できる行動」を探す方法です。行動の追加や並べ替えがしやすい点が強みです。

ユーティリティAI

ユーティリティAIは、行動ごとに「今どれだけやりたいか」を点数にして、高いものを選ぶ方法です。空腹なら食事の点数が上がる、といった自然な切り替えを作れます。

強化学習

強化学習は、よい結果に「報酬」という点数を与え、試行錯誤で動きを学ばせる方法です。学習に時間がかかり、思わぬ動きを覚えることがあるため、最初の1本には向きません。

経路探索(A*)

A*(エースター)は、スタートからゴールまでの近道を探す計算手順です。「ここまでの歩数」と「ゴールまでの予想」を足して、小さい順に調べます。

最初の1本:追いかけてくる敵を状態3つのFSMで作る

最初の1本:追いかけてくる敵を状態3つのFSMで作る

最初の1本は「巡回・追跡・攻撃」の3状態だけで作るのがおすすめです。画面のないPythonで考え方を確かめてから、ゲームエンジンに移すと迷いません。

手順1〜4:紙に書いてからコードにする

  1. 状態を決める:巡回(patrol)、追跡(chase)、攻撃(attack)の3つ
  2. 切り替わる条件を決める:距離5以内で追跡、距離1以内で攻撃
  3. 状態ごとの行動を決める:巡回は左へ歩く、追跡は近づく、攻撃は止まる
  4. 毎ターン「状態を決める→行動する」を繰り返すループを書く

手順1と2を表にしたものを「状態遷移表」と呼びます。コードを書く前に、この表を作るだけでバグが減ります。

今の状態 条件 次の状態
巡回 距離が5以内 追跡
追跡 距離が1以内 攻撃
追跡・攻撃 距離が7より遠い 巡回
攻撃 距離が2〜7 追跡

サンプルコード(Python)

下のコードは、1列のマス目の上で敵とプレイヤーを動かす例です。Python 3.13で実行し、動くことを確かめています。

# 敵AI:状態3つの有限状態機械(FSM)
SIGHT = 5    # この距離以内でプレイヤーに気づく
REACH = 1    # この距離以内で攻撃する

def next_state(state, dist):
    # 一度気づいたら、少し離れても追い続ける
    sight = SIGHT if state == "patrol" else SIGHT + 2
    if dist <= REACH:
        return "attack"
    if dist <= sight:
        return "chase"
    return "patrol"

def act(state, enemy, player):
    if state == "chase":            # プレイヤーへ1マス近づく
        enemy += 1 if player > enemy else -1
    elif state == "patrol":         # 巡回:左へ1マス
        enemy -= 1
    return enemy                    # attack は動かない

enemy, player, state = 10, 0, "patrol"
for turn in range(1, 9):
    player += 1                     # プレイヤーが右へ歩く
    state = next_state(state, abs(player - enemy))
    enemy = act(state, enemy, player)
    print(turn, state, "enemy =", enemy, "player =", player)

実行すると、3ターン目に追跡、5ターン目に攻撃へ切り替わる様子が表示されます。

コードの読みどころ

next_state が「判断」、act が「行動」です。この2つを分けておくと、状態を足す時に直す場所が1か所ですみます。

一度気づいた敵は、気づく距離を5から7に広げています。境目で追跡と巡回が何度も切り替わる動きを防ぐための工夫です。

  1. SIGHT を 3 に変える:敵が鈍くなり、近づくまで気づかない
  2. 「逃げる(flee)」を足す:体力が少ない時だけ遠ざかる
  3. 巡回を往復にする:端まで来たら向きを変える

次の1本:経路探索A*で壁をよけて追いかけさせる

FSMだけでは、敵は壁にぶつかって止まります。「追跡」状態の移動をA*に置きかえると、壁をよける敵になるので、2本目の題材に向いています。

A*の考え方

  1. 調べる候補のマスを、予想コストの小さい順に取り出す
  2. 上下左右のマスを見て、壁やマップの外なら飛ばす
  3. 今までより少ない歩数で行けるなら、歩数と「来た方向」を記録する
  4. ゴールに着いたら、「来た方向」を逆にたどって道を作る

予想コストは「ここまでの歩数+ゴールまでの縦横の距離」です。この予想があるので、ゴールと逆の方向を調べる回数が減ります。

サンプルコード(Python)

S がスタート、G がゴール、# が壁です。こちらも Python 3.13 で実行して確かめました。

# A*(エースター):壁をよけて近道を探す
import heapq

GRID = ["S..#....",
        ".#.#.##.",
        ".#...#..",
        ".####.#.",
        "......#G"]

def find(ch):
    for y, row in enumerate(GRID):
        if ch in row:
            return (row.index(ch), y)

def astar(start, goal):
    todo = [(0, start)]             # (予想コスト, マス)
    cost = {start: 0}
    came = {}
    while todo:
        _, cur = heapq.heappop(todo)
        if cur == goal:
            path = [cur]
            while cur in came:
                cur = came[cur]
                path.append(cur)
            return path[::-1]
        x, y = cur
        for nx, ny in ((x+1, y), (x-1, y), (x, y+1), (x, y-1)):
            if not (0 <= ny < len(GRID) and 0 <= nx < len(GRID[0])):
                continue
            if GRID[ny][nx] == "#":
                continue
            new = cost[cur] + 1
            if new < cost.get((nx, ny), 10**9):
                cost[(nx, ny)] = new
                came[(nx, ny)] = cur
                guess = abs(goal[0] - nx) + abs(goal[1] - ny)
                heapq.heappush(todo, (new + guess, (nx, ny)))
    return None

path = astar(find("S"), find("G"))
print("歩数:", len(path) - 1)
for y, row in enumerate(GRID):
    print("".join("*" if (x, y) in path and c == "." else c
                  for x, c in enumerate(row)))

実行すると「歩数: 15」と、通った道を * で示した地図が表示されます。地図の # を増やしたり減らしたりして、道が変わることを確かめてください。

FSMと組み合わせる

組み合わせ方は単純です。追跡状態の時に A* で道を求め、道の2番目のマスへ1歩進みます。毎ターン計算し直すと重くなるので、数ターンに1回にします。

Unity・Unreal Engine・Godotで使える公式の仕組み

Unity・Unreal Engine・Godotで使える公式の仕組み

実際のゲームでは、経路探索を自分で書く場面は多くありません。3つのエンジンとも、移動と判断の公式機能を用意しているからです。2026年10月時点の公式ドキュメントで確認した内容をまとめます。

エンジン 移動(経路探索) 判断・学習
Unity AI Navigation パッケージ(NavMesh、NavMesh Agent) ML-Agents(強化学習・模倣学習など)
Unreal Engine Navigation System(Navigation Mesh) Behavior Tree と Blackboard
Godot NavigationAgent2D/3D、AStarGrid2D 専用機能は未確認。FSMを自分で書く形が基本

Unity:NavMesh と ML-Agents

NavMesh(ナビメッシュ)は、キャラクターが歩ける範囲を面で表したデータです。Unity の AI Navigation パッケージは、シーンの地形から NavMesh を自動で作ります。NavMesh Agent を付けたキャラクターは、互いをよけながら移動します。

ML-Agents は、ゲームのシーンを学習の場として使うための公式ツールです。学習の計算はPython側のパッケージが受け持つため、Unity と Python の両方の準備が要ります。

Unreal Engine:Behavior Tree と Blackboard

Unreal Engine には、NPC の AI を作るための Behavior Tree が標準で入っています。Blackboard は、判断に使う情報を「キー」として置いておく場所です。

公式ドキュメントの例では、「明かりがついているか」というキーが真なら逃げ、偽ならランダムに動きます。移動は Navigation System が受け持ち、当たり判定の形から Navigation Mesh を作ります。

Godot:NavigationAgent と AStarGrid2D

Godot の NavigationAgent2D/3D は、経路探索・経路に沿った移動・ほかのキャラクターの回避をまとめた補助ノードです。マス目のゲームなら、A* を実装した AStarGrid2D クラスが使えます。

機能の名前や設定項目はバージョンで変わります。使う前に、自分のバージョンの公式ドキュメントを開いて確認してください。

生成AI時代の作り方:ChatGPT・Claude Code・Codexへの頼み方

ゲームAIのコードは、生成AIに下書きを頼めます。「状態・条件・エンジン名」の3点を先に渡すと、直しが少なくなるので、頼む前に状態遷移表を作っておきましょう。

プロンプト例3つ

  1. FSMを作る:「Unity(C#)で敵AIを作ります。状態は巡回・追跡・攻撃の3つ。距離5以内で追跡、1.5以内で攻撃、7より離れたら巡回に戻ります。状態の切り替えと行動を別のメソッドに分け、数値はInspectorで変えられるようにしてください。」
  2. 経路探索を足す:「上のコードの追跡を、NavMesh Agent を使った移動に変えてください。目的地の更新は0.3秒に1回にします。変えた行だけ、理由つきで示してください。」
  3. 不具合を直す:「敵が追跡と巡回を細かく行き来します。状態が切り替わるたびにログを出すコードを足し、考えられる原因を可能性の高い順に3つ挙げてください。」

任せきりにできない部分

生成AIが書いたコードは、動かすまで正しいか分かりません。古いバージョンの書き方や、存在しない機能名が混ざることがあるため、公式ドキュメントとの照合が欠かせません。

  1. 面白さの調整:気づく距離や攻撃の間隔は、遊んでみて人が決める
  2. 動作の確認:エラーが出なくても、意図した動きかは目で見て確かめる
  3. 全体の設計:どの手法を使うか、状態をいくつにするかは作る人が決める
  4. 重さの確認:敵を100体出した時に処理が遅くならないかを測る

学ぶ順番と入門書、向く人・つまずく所

学ぶ順番は「FSM→経路探索→エンジンの公式機能→発展的な手法」がおすすめです。前の段階で作ったものを、次の段階で作り直す形で進めます。

学ぶ順番(5段階)

  1. 条件分岐・ループ・関数を、PythonかC#で書けるようにする
  2. この記事のFSMを写して動かし、状態を1つ足す
  3. A*を動かし、FSMの追跡と組み合わせる
  4. ゲームエンジンの公式機能(NavMesh や Behavior Tree)で同じ敵を作り直す
  5. ユーティリティAIや強化学習を、小さな題材で試す

入門書3冊(出版社の公式ページで確認)

2026年10月時点で、出版社の公式ページに掲載があり、購入の案内が出ていた本だけを挙げます。在庫の最新は各ページで確認を。

書名 出版社 向く人
人工知能の作り方 ―「おもしろい」ゲームAIはいかにして動くのか(三宅陽一郎) 技術評論社 コードの前に、考え方を読み物でつかみたい人
ゲームAI技術入門 ──広大な人工知能の世界を体系的に学ぶ(三宅陽一郎) 技術評論社 意思決定・ナビゲーション・メタAIを体系的に学びたい人
実例で学ぶゲームAIプログラミング(Mat Buckland) オライリー・ジャパン FSMや経路プランニングをコードで学びたい人

向く人・つまずく所

つまずく所 起きること 対策
状態を増やしすぎる 切り替えの条件が追えなくなる 3〜5状態で止め、超えたらビヘイビアツリーへ
最初から強化学習に挑む 環境づくりで手が止まる FSMとA*で1本完成させてから
生成AIのコードをそのまま使う 直す場所が分からない 1行ずつ説明させ、数値を自分で変える
いきなり3Dで作る AI以外の作業に時間を取られる 2Dやマス目で動きを確かめる

向くのは、数字を少し変えては動かす試行錯誤を楽しめる人です。仕組みを知らないまま生成AIに任せると、直せなくなる点には注意してください。

あわせて読みたい記事

AIでアプリは作れる?ノーコードの作り方と初心者が最初の1本を作る手順
AIでアプリは作れる?ノーコードの作り方と初心者が最初の1本を作る手順
2026-10-01

AIの勉強は何から?社会人の独学ロードマップと目的別の練習課題
AIの勉強は何から?社会人の独学ロードマップと目的別の練習課題
2023-04-20

プログラマーの仕事はAIでなくなる?失業の不安と「仕事ない」理由・対策
プログラマーの仕事はAIでなくなる?失業の不安と「仕事ない」理由・対策
2023-04-20

よくある質問

ゲームAIを作るのに数学や機械学習の知識は要りますか?

最初の1本には要りません。FSMは「もし〜なら」の条件分岐、A*は足し算と距離の計算で書けます。強化学習に進む段階で、確率や学習の考え方を少しずつ足していけば間に合います。

ChatGPTなどの生成AIだけでゲームAIは作れますか?

コードの下書きは作れますが、任せきりにはできません。敵の強さや気づく距離といった「遊んで面白いか」の調整は、実際に動かして人が決める部分です。仕組みを理解したうえで生成AIに頼むと、直しの指示も出しやすくなります。

どのプログラミング言語で始めるのがよいですか?

使うゲームエンジンに合わせるのが近道です。UnityならC#、GodotならGDScript、Unreal EngineならブループリントかC++です。エンジンを決めていないなら、PythonやJavaScriptで考え方だけ先に試せます。

強化学習から始めてもよいですか?

おすすめしません。強化学習は学習用の環境づくりと報酬の設計が必要で、思った動きにならない時の原因も探しにくいからです。FSMと経路探索で1本動かしてから取り組むと、強化学習が向く場面も判断できます。

まとめ:状態3つのFSMから始めて、少しずつ足していく

ゲームAIは、キャラクターの判断と移動をルールで組む仕組みで、生成AIとは別の技術です。最初は状態3つのFSM、次にA*、その後にエンジンの公式機能という順で進めると、無理なく形になります。生成AIはコードの下書きに役立ちますが、面白さの調整と動作の確認は作る人の仕事です。

英語の公式ドキュメントを読む力と、AIツールの使い方をまとめて身につけたい人には、留学という選択肢もあります。セブ島のKredoのAI留学は1か月で、午前に英語マンツーマン、午後にChatGPT・Claude Code・Codexを使うAIのグループ授業があります。内容や費用はAI留学とは?留学でAI(人工知能)を学ぶ方法・費用・向く人で確認できます。

参考にした公式情報

2026年10月時点で確認した公式ページです。機能名や仕様は更新されるため、最新は各公式ページで確認してください。

  1. Unity AI Navigation パッケージ(NavMesh、NavMesh Agent)
  2. Unity ML-Agents パッケージ
  3. Unreal Engine Behavior Trees(Epic Games)
  4. Unreal Engine Navigation System(Epic Games)
  5. Godot Docs:Using NavigationAgents
  6. Godot Docs:AStarGrid2D
  7. 技術評論社『人工知能の作り方』
  8. 技術評論社『ゲームAI技術入門』
  9. オライリー・ジャパン『実例で学ぶゲームAIプログラミング』

英語でIT・AIを学べるKredo

英語×IT・AIのスキルを身につけてグローバルに活躍しませんか?

当メディアを運営しているKredoは、英語×ITをオンラインで学ぶ「Kredoオンラインキャンプ」と、フィリピンのセブ島で英語とIT・AIを学ぶ「KredoIT留学」「KredoAI留学」を提供しています。これまでの卒業生は3,000名以上。英語とITを学び、海外就職やキャリアチェンジを目指せます。これからの時代に必要な英語×IT・AIのスキルを身につけてグローバルに活躍しませんか?

\ セブ島で英語×AIを学ぶ /AI留学の無料相談をする
\ オンラインでIT✕英語を学ぶ / Kredoオンラインキャンプの詳細をみる >>
  • ツイート
  • シェア
  • はてな
  • ポケット
この記事を書いた人
アバター画像
Kredo編集部

Kredo編集部です!プログラミング、英語学習、キャリア、Kredo情報を発信していきます。

関連記事

  • 原メモと整理後のお知らせを照合する二人の担当者
    AI・テクノロジー

    社内通知をAIで直す方法|対象者・期限・行動の伝え方

    2026.11.02
  • 紙の商品資料とノートPCを見比べる担当者のイラスト
    AI・テクノロジー

    AIで商品資料の間違いを確認するには?公式仕様との照合・修正・保留の実践例

    2026.10.09
  • ノートPCと印刷した報告書を見比べる担当者のイメージ
    AI・テクノロジー

    AIで長い報告書を要約する方法|数字の条件を落とさない確認手順と完成例

  • 勉強会後にスマートフォンで設問を読み、回答を考える参加者のイラスト
    AI・テクノロジー

    アンケートで知りたいことを聞けている?AIで設問から集計の見方まで整える方法

新規CTA
KREDO JAPAN株式会社

\ SNSで留学の様子を更新中! /

  • Instagram
  • LINE
  • X
  • YouTube
©KREDO JAPAN Inc. 2024 All rights reserved.
Kredoのサービス
セブ島で学びたい方はこちら KredoIT留学
自宅で学びたい方はこちら Kredo Online 英語×アプリ開発コース
運営会社 会社概要 採用情報 お問い合わせ
利用規約 プライバシーポリシー 特定商品取引に基づく表示 資料請求