Google Cloud Generative AI Leader 教科書

Google Cloud Generative AI Leader は、Google Cloud 認定の Foundational レベル に位置付けられた生成 AI 入門認定。Cloud Digital Leader の生成 AI 特化版として 2025 年にリリースされ、ビジネスサイド ・ コンサルタント ・ 経営層 が想定対象です。

• 主催: Google Cloud
• 形式: オンライン監督受験 or テストセンター
• 問題数 / 時間: 50 〜 60 問 / 90 分(参考)
• 回答方式: 選択式(単一 / 複数)
• 合格スコア: Google Cloud 公開なし(参考: 70%)
• 有効期限: 3 年(再認定が必要)
• 受験料: 99 USD(参考)
• 言語: 英語(日本語は順次対応)

Google Cloud 認定の階層

• Foundational: Cloud Digital Leader / Generative AI Leader(本資格)
• Associate: Associate Cloud Engineer / Associate Data Practitioner
• Professional: Cloud Architect / Data Engineer / ML Engineer / Cloud Developer / Cloud Security Engineer など

三大クラウド AI 入門認定の比較

• Google Cloud Generative AI Leader: Google Cloud に特化、Gemini ・ Vertex AI 中心
• AWS Certified AI Practitioner(AIF-C01): AWS に特化、Bedrock ・ SageMaker 中心
• Microsoft Azure AI Fundamentals(AI-900): Azure に特化、Azure OpenAI ・ Copilot 中心
• 3 つは競合せず、いずれも生成 AI 入門として有効

出題ドメイン(公式試験ガイド ベース)

1. Domain 1: 生成 AI の基礎(約 25%): LLM ・ Transformer ・ プロンプト ・ RAG ・ ハルシネーション
2. Domain 2: Google Cloud の生成 AI ポートフォリオ(約 30%): Gemini ・ Vertex AI ・ Imagen ・ Veo ・ Workspace 統合
3. Domain 3: 生成 AI による業務変革(約 20%): ユースケース ・ ROI ・ 組織導入戦略
4. Domain 4: 責任ある AI とコンプライアンス(約 15%): バイアス ・ 透明性 ・ プライバシー ・ Gemini Safety
5. Domain 5: モデル評価とコスト最適化(約 10%): メトリクス ・ コスト見積

40 〜 80 時間プラン

1. Week 1: 生成 AI / LLM の基礎(本サイトの[生成 AI パスポート 教科書](/certs/genai-passport/textbook)で土台)
2. Week 2: Google Cloud の AI / ML サービス全体像(Vertex AI / Gemini / Imagen)
3. Week 3: ユースケースと業務変革(ヘルスケア ・ 金融 ・ 小売の事例)
4. Week 4: 責任ある AI + コンプライアンス + コスト
5. Week 5: 模擬試験 + 過去問演習

AI ⊃ ML ⊃ DL ⊃ 生成 AI という入れ子は他のクラウド認定と共通。3 つの学習方式(教師あり / なし / 強化)+ 自己教師あり学習(LLM 事前学習)を押さえれば前提は整います。

• LLM(大規模言語モデル): 数十億〜数兆パラメータの言語モデル
• Transformer: 2017 年論文。Self-Attention で並列処理可能
• 事前学習 → SFT → RLHF: 3 段階の学習パイプライン
• コンテキストウィンドウ: Gemini 1.5 Pro は最大 200 万トークン(1 〜 2 時間の動画 / 数百 PDF を一度に処理可能)
• マルチモーダル: テキスト + 画像 + 音声 + 動画を統合

• プロンプトの 5 要素: 役割 / 文脈 / タスク / 出力形式 / 制約
• Zero-shot / Few-shot: 例なし / 少数例提示
• Chain-of-Thought(CoT): 中間推論を出させる
• Self-Consistency: 多回試行で多数決
• ReAct: 推論 + 行動の交互
• Function Calling / Tool Use: モデルに関数を呼ばせる

RAG(Retrieval Augmented Generation) は外部知識を検索 → プロンプトに含めて回答させる手法。ハルシネーション(事実誤りの生成) への代表的な対策で、Google Cloud では Vertex AI Search + Gemini が標準パターンです。

• 埋め込みモデル: テキストをベクトルに変換
• ベクトル DB: 類似検索の高速化
• チャンク戦略: 文書の適切な分割
• ハイブリッド検索: ベクトル + キーワード + リランキング
• Grounding: 回答に出典を明示し、ハルシネーションを抑制

Vertex AI は Google Cloud の AI / ML プラットフォーム。SageMaker(AWS)・ Azure ML(Microsoft) に対応し、学習 ・ 推論 ・ チューニング ・ デプロイ ・ モニタリング を統合的に扱えます。生成 AI 機能も Vertex AI Studio / Model Garden / Agent Builder として統合されています。

• Vertex AI Studio: 生成 AI のプロンプト ・ チューニング ・ 評価 IDE
• Vertex AI Workbench: Jupyter ベースの開発環境
• Vertex AI Pipelines: Kubeflow ベースの ML パイプライン
• Vertex AI Model Garden: Google / オープンソース / サードパーティの基盤モデルカタログ
• Vertex AI Agent Builder: ノーコード / ローコードのエージェント / RAG ビルダー
• Vertex AI Search: RAG 用エンタープライズ検索
• Vertex AI AutoML: ノーコード ML 構築
• Vertex AI Feature Store: 特徴量管理
• Vertex AI Endpoints: 推論デプロイ
• Vertex AI Model Monitoring: ドリフト検出

Gemini は Google が開発した マルチモーダル基盤モデル ファミリ。テキスト + 画像 + 音声 + 動画 + コードを統合的に扱える点と、長コンテキスト(最大 200 万トークン)が特徴です。

• Gemini 2.0 Flash: 高速 ・ 低コスト、リアルタイム応答向け
• Gemini 2.5 Pro: 最高性能の汎用モデル、200 万トークン
• Gemini Nano: オンデバイス(Pixel ・ Android)向け
• Code Gemini: コード生成特化
• Imagen: 画像生成モデル
• Veo: 動画生成モデル
• Lyria: 音楽生成モデル
• Chirp: 音声認識 ・ 音声合成

• Cloud Vision API: 画像分析(物体検出 ・ OCR ・ 顔属性)
• Cloud Video Intelligence: 動画解析
• Cloud Natural Language API: 感情 ・ エンティティ ・ 構文解析
• Cloud Translation: 機械翻訳
• Cloud Speech-to-Text / Text-to-Speech
• Document AI: 請求書 ・ レシート ・ ID の OCR + 構造化
• Contact Center AI: コールセンター AI
• Recommendations AI: レコメンド
• Healthcare API + Healthcare NL API: 医療データ

Gemini for Workspace(旧 Duet AI for Workspace)は Google Workspace(Gmail / Docs / Sheets / Slides / Meet)に統合された AI アシスタント。Microsoft 365 Copilot に対応する位置付けです。

• Gmail での AI: メール下書き ・ 要約 ・ 返信案
• Docs での AI: 文書作成 ・ 要約 ・ 改善提案
• Sheets での AI: 数式生成 ・ データ分析 ・ 表の自動作成
• Slides での AI: スライド生成 ・ 画像生成(Imagen)
• Meet での AI: ノイズキャンセリング ・ 議事録 ・ 翻訳
• Side panel(Gemini): Workspace 内のサイドパネル AI

• Gemini Code Assist: VS Code / IntelliJ / Cloud Shell 向けのコード補完 ・ 説明 ・ テスト生成(GitHub Copilot に対応)
• Gemini Cloud Assist: Google Cloud 運用 ・ アーキテクチャ提案
• Vertex AI Agent Builder: ノーコードのエージェント / 検索ボット
• NotebookLM: 特定ドキュメントを学習させたパーソナル AI ノート
• Project Astra: 次世代マルチモーダルアシスタント(研究プレビュー)

• Prompt design: プロンプトの試作 ・ 比較
• Multi-turn chat: 会話形式の試行
• Model selection: Gemini Pro / Flash / Imagen などの選択
• Tuning: 教師ありファインチューニング ・ RLHF
• Distillation: 大モデルから小モデルへの蒸留
• Evaluation: 自動評価 ・ Human-in-the-loop

• 社内 FAQ チャットボット: Vertex AI Search + Gemini(RAG パターン)
• コールセンター音声分析: Speech-to-Text → Natural Language API → BigQuery + Looker
• 請求書 / 領収書の OCR + 自動仕訳: Document AI + Workflows
• 異常検知: Vertex AI(AutoML)+ BigQuery ML
• 需要予測: BigQuery ML(時系列モデル)or Vertex AI Forecast
• 翻訳付き多言語チャット: Translation + Speech
• 画像内容モデレーション: Cloud Vision SafeSearch + Vertex AI Guardrails
• コードアシスタント: Gemini Code Assist
• Workspace 内での業務支援: Gemini for Workspace
• ノーコード社内 Bot: Vertex AI Agent Builder
• 動画生成: Veo via Vertex AI
• 画像生成: Imagen via Vertex AI

BigQuery ML(BQML) は SQL のみで機械学習モデルを構築 ・ 推論できる Google Cloud 独自の機能。Vertex AI との統合 で生成 AI を SQL から呼べる点が大きな強み。データウェアハウスから直接 AI を扱える業務分析者向けの差別化ポイントです。

• ML.PREDICT: 学習済モデルでの推論
• ML.GENERATE_TEXT: BigQuery から Gemini を呼び出して文章生成
• ML.GENERATE_EMBEDDING: 埋め込みベクトル生成
• ML.UNDERSTAND_TEXT: NLP 機能の呼び出し
• ML.TRANSLATE: 翻訳

Google の AI 原則 は 2018 年に公開された AI 開発の基本指針。AI-Leader 試験で必出のフレームワークです。

• Safety Filters: 有害コンテンツの自動遮断(ハラスメント / 危険なコンテンツ等)
• Citation metadata: 生成物の引用元メタデータ
• Grounding: Google 検索 / Vertex AI Search のソースに基づいた回答
• Adversarial testing: プロンプトインジェクション対策
• Model cards: モデルの透明性 ・ 限界の文書化
• SynthID: AI 生成画像 ・ 動画への透かし
• Watermark for text: 生成テキストの識別

• データ常駐(Data residency): リージョン指定で物理的な保管場所を制御
• VPC Service Controls: AI サービスをプライベートに
• CMEK(Customer-Managed Encryption Keys): 顧客管理の暗号鍵
• Cloud DLP: 個人情報の自動検出 ・ マスキング
• Privileged Access Management: 細かい権限管理
• No data used for training contract: 入力データを学習に使わない契約

• On-Demand: 入力 / 出力トークン課金。試験 ・ PoC 向き
• Provisioned Throughput: スループットを事前確保。本番大規模で割安
• Batch Prediction: 大量データの一括処理で低コスト
• Context Caching: 長コンテキストの繰返し利用でコスト削減
• Free Tier: Vertex AI の一部機能 / 月次無料枠
• Committed Use Discounts(CUD): 1 / 3 年コミットで割引

• モデル選択: Flash(高速 ・ 低コスト)vs Pro(最高性能)を要件に応じて使い分け
• プロンプト圧縮: 不要な指示 / 冗長な例示を削減
• Context Caching: 繰り返し使うシステムプロンプトをキャッシュ
• Distillation: 本番では小型モデルへ蒸留
• Vertex AI Cost Estimator: 使用前にコスト見積
• Cloud Billing アラート: 予算超過の検知

• Strategic alignment: 経営戦略との整合
• Operating model: 中央集権 / 分散 / ハブ&スポークの選択
• Center of Excellence(CoE): AI 専門部門の設立
• MLOps / LLMOps: 本番運用の標準化
• Change management: 従業員の AI リテラシー教育
• ROI 測定: 効率化 ・ 売上 ・ 顧客満足度
• Ethics committee: AI 倫理委員会

• 金融: 不正検知 ・ 与信 ・ 投資レポート自動化 ・ KYC
• ヘルスケア: 診断補助 ・ 創薬 ・ 医療文書要約 ・ 患者対応
• 小売 / EC: 商品レコメンド ・ 在庫予測 ・ チャットボット
• 製造: 不良品検出 ・ 予知保全 ・ 設計支援
• 教育: パーソナライズ学習 ・ 採点 ・ 教材生成
• メディア: コンテンツ生成 ・ 翻訳 ・ 字幕生成
• 法律: 契約書レビュー補助 ・ リーガルリサーチ

1. 第 2 章: AI ⊃ ML ⊃ DL ⊃ Gen AI / LLM / Transformer / プロンプト / RAG / ハルシネーション
2. 第 3 章: Vertex AI のサブサービス + Gemini ファミリ + Imagen / Veo
3. 第 4 章: Gemini for Workspace / Code Assist / Cloud Assist の使い分け
4. 第 5 章: Vertex AI Studio + 3 段階のカスタマイズ(プロンプト / RAG / Fine-tuning)
5. 第 6 章: ユースケース → サービス選択の即答パターン + BigQuery ML
6. 第 7 章: Google の 7 つの AI 原則 + Grounding + SynthID
7. 第 8 章: モデル選択(Flash vs Pro)+ Context Caching + Provisioned Throughput
8. 第 9 章: 組織導入(CoE / MLOps / Change management)+ 業界別ユースケース

試験当日のコツ

• 50 〜 60 問 / 90 分 = 1 問 約 1.5 分
• サービス名のスペル: 英語版受験で正確なサービス名選択が必須
• 新旧サービス名: Duet AI → Gemini など改称が頻出
• Google の 7 原則 は順序ではなく内容で覚える
• 消去法: AWS / Azure のサービス名が混じる選択肢は誤答

Generative AI Leader 合格 → Associate Cloud Engineer または Professional ML Engineer / Professional Data Engineer が王道。三大クラウドを揃えたい場合は本サイトの[AWS AI Practitioner](/certs/aws-ai-practitioner) ・ [Azure AI-900](/certs/azure-ai-900)も。