Reports — INKRIM
児童生徒1人当たり1.1台——端末は600台減り、児童生徒は13万7783人減った
文科省調査から、公立学校の学習者用コンピュータ台数と児童生徒数、普通教室の通信環境、教員のICT活用指導力と研修の受講状況を確認する。「1人1台」が何を数えた比率なのかも整理する。
REPORTいじめ認知件数76万9022件、過去最多——認知した学校は83.9%、残り16.1%は0件だった
文科省調査から、いじめの認知件数と1,000人当たり件数の推移、学年別の分布、認知した学校の割合、重大事態の内訳を確認する。認知件数が何を数えた数字なのかも整理する。
REPORT高校卒業後の進路はどこへ向かっているか——大学・専門学校・就職の現在地
文部科学省の令和7年度学校基本統計から、高等学校等卒業者の大学・短大、専門学校、就職の割合と10年間の変化を確認する。
REPORT通信制高校の生徒が30万人を超えた——入学者の57%は中学3年で不登校だった
通信制課程の生徒数が令和7年度に30万人を超えた。学校基本調査の推移と、文科省が2026年4月に公表した通信制高等学校実態調査（速報版）から現在地を確認する。
REPORT教員の在校等時間は平日で約30分減、それでも最多層は週50時間台——文科省勤務実態調査
文科省「教員勤務実態調査（令和4年度）」確定値から在校等時間の変化と内訳を確認し、改正給特法に基づく計画の策定状況とあわせて働き方改革の現在地を見る。
REPORT中3の54.6%・高3の52.4%がCEFR目標水準に到達、政府目標6割にはなお届かず——英語教育実施状況調査
文科省「令和7年度英語教育実施状況調査」から、中3のCEFR A1相当以上54.6%・高3のA2相当以上52.4%という達成率と、その数字が何を測っているのかを確認する。
REPORT教員不足は4年で約1.9倍に、不足率は特別支援学校が最も高い——文科省実態調査
文科省「令和7年度『教師不足』に関する実態調査」から、学校種別の不足人数・不足率と、過去最低を更新した教員採用試験倍率を確認する。
REPORT生成AIで事務職の求人環境は悪化しているのか——有効求人倍率の14年を確認する
厚生労働省の職業別有効求人倍率を2012年度から追うと、事務職の低さ自体は生成AI登場前からの構造。直近月の前年同月比較では事務職全体の倍率が職業計より大きく低下しているが、一般事務に絞ると低下幅は職業計に近い。
REPORT子どもの体力はコロナ前に戻ったのか——回復したのは中学校男子だけ
スポーツ庁の全国体力・運動能力調査から、体力合計点の推移とコロナ前水準への回復度合いを学年・男女別に確認する。
REPORT不登校35万3970人、過去最多——12年連続の増加でも、増加率は鈍化した
文科省調査から、小・中学校の不登校児童生徒数の推移、新規・継続の内訳、学校が把握した要因を確認する。
REPORT日本のAI法は何を決めたのか——規制より「推進とリスク対応」の法律
2025年公布・施行のAI法について、内閣府資料から位置づけを確認する。
REPORTAI事業者ガイドラインは何を求めているか——禁止ではなく、リスクに応じた運用
総務省・経産省のAI事業者ガイドライン第1.0版から、企業や自治体がAIを使うときの基本線を確認する。
REPORTモデル供給網をどう守るか——重み・データ・APIを資産として扱う
NCSCのAI/MLセキュリティ原則から、モデル供給網とAI関連資産の管理を整理する。
REPORTAIレッドチーミングは何を試すのか——AISI手法ガイドの読み方
AISIのAIセーフティに関するレッドチーミング手法ガイドから、攻撃者視点の評価を整理する。
REPORTAIセーフティ評価は何を見ようとしているか——AISI系ガイドを地図にする
内閣府のAI指針ページに並ぶAISI関連文書から、AI安全性評価の実務化を確認する。
REPORT不登校特例校から「学びの多様化学校」へ——令和7年指定まで26校
文科省の設置者一覧から、不登校児童生徒向けの特別な教育課程を持つ学校がどれくらい増えたかを確認する。
REPORTMEXCBTは2.8万校・890万アカウントへ——公的CBT基盤の現在地
文部科学省CBTシステム（MEXCBT）の登録校数・アカウント数から、学力調査と学習基盤のデジタル化を確認する。
REPORTAI事故を数える仕組みが必要になる——OECD AIMの見方
OECDのAI Incidents and Hazards Monitorから、AIインシデント監視が政策と企業実務に与える意味を整理する。
REPORT安全なAIシステム開発はどこから始めるか——NCSC共同ガイドの4段階
NCSCのGuidelines for secure AI system developmentから、設計・開発・展開・運用の見方を整理する。
REPORT新卒3年以内離職率——高卒38.4%、大卒34.9%、小規模事業所ほど高い
厚生労働省の新規学卒就職者の離職状況から、就職後3年以内にどれくらい離職しているかを確認する。
REPORT私立大学の定員割れは316校——改善しても、なお過半数
私学事業団の入学志願動向から、私立大学の入学定員充足率と未充足校の割合を確認する。
REPORT夜間中学は69校——「義務教育をもう一度」の受け皿は広がっている
文科省の夜間中学ページから、公立夜間中学の設置状況と制度の狙いを確認する。
REPORT国のAI関連予算はどれくらい増えたのか——令和8年度当初で約5,027億円
内閣府のAI関連予算資料から、AI政策がどの程度の予算規模になっているかを確認する。
REPORTLLMアプリの危険は何から始まるか——OWASP Top 10を見る
OWASP Top 10 for Large Language Model Applicationsから、生成AIアプリ特有のセキュリティリスクを確認する。
REPORT大学のAI教育は専門学部だけのものではなくなった——MDASH認定制度を見る
文科省の数理・データサイエンス・AI教育プログラム認定制度から、大学教育にAI基礎が広がる構造を確認する。
REPORTAIは電気をどれくらい使うのか——データセンター需要は2030年に2倍超へ
IEAの「Energy and AI」から、AIデータセンターと電力需要の現在地を確認する。
REPORT国産生成AI開発は何に投資しているか——GENIACを見る
経産省・NEDOのGENIACから、日本の生成AI開発支援がどこへ向かっているかを確認する。
REPORT行政は生成AIをどう調達するのか——利活用とリスク管理を同時に進める
内閣府のガイドライン一覧から、デジタル庁の政府向け生成AI調達・利活用ガイドラインの位置づけを確認する。
REPORTAI導入契約で何を確認するべきか——契約チェックリストが必要な理由
経産省のAI契約チェックリストの位置づけから、生成AI導入で契約上見るべき論点を整理する。
REPORT生成AIに個人情報を入れてよいのか——個人情報保護委員会の注意喚起を読む
個人情報保護委員会の注意喚起から、生成AI利用で最初に線を引くべき情報を確認する。
REPORTAIのルールは一つではない——政府ガイドライン一覧から見る分野別の広がり
内閣府のAI指針ページに掲載された各府省庁ガイドライン一覧から、AIルールの全体像を確認する。
REPORTコンテンツ制作で生成AIを使う前に見るべきこと——制作現場のAI利用ガイド
経産省のコンテンツ制作向け生成AIガイドブックの位置づけから、制作現場でのAI利用の論点を整理する。
REPORT自治体AI導入は何から始めるのか——先行事例ではなく業務選定が先
総務省の自治体AI活用・導入ガイドブックの位置づけから、自治体AI導入の入口を整理する。
REPORT子どもの生成AI利用——高校生46%、中学生31%、小学生9%
こども家庭庁の最新速報とベネッセ調査から、子どもたちとAIの距離を確認する。
REPORT医療データをAI開発に使うとはどういうことか——仮名加工情報が鍵になる
厚労省の医療デジタルデータAI利活用ガイドラインの位置づけから、医療AI開発のデータ論点を確認する。
REPORT就活生の生成AI利用率、2年で14.5%から7割へ——調査データで追う
リクルート・マイナビ・日経報道など公開調査を横断し、新卒採用で実際に何が起きているかを数字で確認する。
REPORT農業AIは誰のデータで動くのか——農業データ契約の問題
農水省の農業AI・データ契約ガイドラインの位置づけから、スマート農業のデータ所有と利用を考える。
REPORTプラント保安AIはなぜ信頼性評価が先に来るのか——止まると危ないAI
プラント保安分野のAI信頼性評価ガイドラインから、産業AIで安全性が重くなる理由を確認する。
REPORT人工知能基本計画はどこへ向かうのか——2026年6月時点では素案段階
内閣府AI戦略ページから、AI政策が法律・基本計画・指針の三層で動き始めたことを確認する。
REPORT広島AIプロセスとは何だったのか——生成AIの国際ルールの入口
内閣府の国際規範一覧から、広島AIプロセス包括的政策枠組みの位置づけを確認する。
REPORTOECDのAI勧告はなぜ重要か——責任あるAIの政府間スタンダード
OECD AI勧告の位置づけを、内閣府の国際規範一覧から確認する。
REPORTAIマネジメントシステムとは何か——ISO/IEC 42001が求める組織運用
ISO/IEC 42001の位置づけから、AIを組織として管理する考え方を確認する。
REPORT日本人の生成AI利用率は26.7%——1年で3倍、それでも米国の半分以下
総務省の情報通信白書から、個人・企業の生成AI利用の現在地を確認する。市場は年率36%で拡大している。
REPORT国連はAIをどう見ているか——安全で信頼できるAIを開発機会として扱う
国連総会決議の位置づけから、AIが国際開発と安全保障の論点になっていることを確認する。
REPORTUNESCOのAI倫理勧告は何を扱うのか——教育だけではないAI倫理
UNESCOのAI倫理勧告の位置づけから、AI倫理が教育・文化・人権に広がることを確認する。
REPORTAIセキュリティは何を守るのか——モデルを止める攻撃まで考える
総務省のAIセキュリティ技術的対策ガイドラインの位置づけから、AI固有の脅威を整理する。
REPORT機械学習品質マネジメントとは何か——AIは作って終わりではない
AISTの機械学習品質マネジメントガイドラインの位置づけから、AIシステムの品質管理を確認する。
REPORT生成AIの品質管理は何が違うのか——正解が一つではない出力をどう扱うか
AISTの生成AI品質マネジメントガイドラインの位置づけから、生成AIの評価の難しさを整理する。
REPORT生成AIの初心者向け資料が必要な理由——使う前に知るべき注意点
総務省の「生成AIはじめの一歩」から、国民向けAIリテラシー資料の意味を確認する。
REPORT広島AIプロセス報告枠組みとは何か——開発者が自ら報告する透明性
OECDの広島AIプロセス報告枠組みの位置づけから、AI開発者の透明性と説明責任を確認する。
REPORTNISA口座2,700万、現預金比率は18年ぶりに5割割れ——家計のお金が動き出した
金融庁と日銀の統計で、新NISA開始後の家計の変化を確認する。「こどもNISA」の制度化も動き出した。
REPORTAI時代の知的財産は何が揺れているか——発明と著作権の境界
内閣府知財事務局のAI時代の知的財産権検討会中間とりまとめから、生成AIと知財の論点を整理する。
REPORTAIと著作権はどこでぶつかるのか——文化庁の考え方を見る
文化庁「AIと著作権に関する考え方について」の位置づけから、生成AI利用時の著作権論点を確認する。
REPORT学校はAIをどう受け入れているか——ガイドライン、パイロット校、校務利用のいま
文科省ガイドラインVer.2.0と各種調査から、学校側の生成AI対応の現在地を確認する。
REPORT子ども・子育て分野で生成AIを使うとはどういうことか——自治体業務の実践ハンドブック
こども家庭庁の生成AI導入・活用ハンドブックの位置づけから、子育て行政でAIを使う難しさを確認する。
REPORT大学・高専は生成AIをどう扱うのか——教学面のルールが先に必要になる
文科省の大学・高専向け生成AI資料の位置づけから、高等教育でAI利用ルールが必要になる理由を確認する。
REPORT軍事領域のAIはなぜ別枠で議論されるのか——国連決議の位置づけ
軍事領域におけるAIと国際の平和・安全に関する国連文書の位置づけから、AI安全保障の論点を確認する。
REPORTAIと半導体はなぜ同じ政策テーブルに乗るのか——AI・半導体ワーキンググループを見る
内閣府AI戦略ページに置かれたAI・半導体ワーキンググループから、AI政策が計算資源政策でもあることを確認する。
REPORT日本AISIとOpenAIのMOCは何を意味するか——AI安全性は国際連携になる
内閣府AI戦略ページのトピックから、日本AISIとOpenAIのMOC締結の位置づけを確認する。
REPORT「IT人材79万人不足」の中身——2030年予測を読み直す
よく引用される「79万人」の一次ソースに当たると、あまり紹介されない但し書きが付いていた。
REPORTEU AI Actは誰が支えるのか——AI BoardとScientific Panel
European AI Officeの説明から、AI Board、Scientific Panel、Advisory ForumがAI Act実装で担う役割を整理する。
REPORT大規模言語モデル研究開発センターは何を支えるのか——国内LLM研究の基盤
内閣府AI戦略ページの関連リンクから、国立情報学研究所のLLM研究開発センターの位置づけを確認する。
REPORTAI研究開発ネットワークはなぜ必要か——研究機関をつなぐ政策インフラ
内閣府AI戦略ページの関連リンクから、AI研究開発ネットワークの意味を整理する。
REPORTAI政策はどの会議体で動いているか——戦略本部・専門調査会・推進会議の見方
内閣府AI戦略ページから、AI政策を追うための会議体の地図を整理する。
REPORTAI学習データの相談窓口はなぜ必要か——学習データをめぐる不安の受け皿
内閣府AI戦略ページにあるAI学習データに関するコミュニケーション窓口から、学習データ問題の入口を整理する。
REPORTAISI関係府省庁等連絡会議は何をつなぐのか——AI安全性の省庁横断
内閣府AI戦略ページのAISI関係府省庁等連絡会議から、AIセーフティが省庁横断課題であることを確認する。
REPORTEuropean AI Officeは何をする機関か——EU AI Act実装の中核
European AI Officeの役割から、EU AI Actを運用するための評価・執行・国際連携の仕組みを整理する。
REPORT人間中心のAI社会原則はなぜ残り続けるのか——生成AI以前からの土台
内閣府AI戦略ページの人間中心のAI社会原則会議から、生成AI時代にも残る基本原則を確認する。
REPORTAI RMFを実務に落とすには——NIST AI RMF Playbookの使い方
NIST AI RMF Playbookから、AIリスク管理をチェックリストではなく運用資源として使う方法を整理する。
REPORTEU AI Actは何をリスクで分けているか——禁止・高リスク・透明性・最小リスク
欧州委員会のAI Act解説から、EUのAI規制がリスクベースで設計されていることを確認する。
REPORT教育費の実額——全公立で614万円、全私立で1,969万円
文科省「子供の学習費調査」から、幼稚園から高校までの実額を確認する。塾代には意外な逆転現象がある。
REPORT汎用AIモデルはEU AI Actでどう扱われるか——GPAI義務の入口
欧州委員会のAI Act解説から、General-Purpose AIモデルに課される透明性・著作権・安全性義務を確認する。
REPORTAI生成コンテンツは表示が必要になるのか——EU AI Actの透明性義務
欧州委員会のAI Act解説から、チャットボットやAI生成コンテンツに関する透明性義務を確認する。
REPORTNIST AI Risk Management Frameworkは何をする道具か——AIリスク管理の共通語
NISTのAI Risk Management Frameworkから、AIリスクを組織的に扱うための枠組みを確認する。
REPORTUNESCO AI倫理勧告の10原則——人権・透明性・人間の監督をどう読むか
UNESCO公式ページから、AI倫理勧告が掲げる10原則と政策実装の方向を確認する。
REPORT中学受験は「少子化なのに高止まり」——受験率18.1%の意味
首都圏の中学受験者数と受験率、私立中の実費を数字で確認する。
REPORT学歴と賃金の実数——生涯賃金の差は4,000万円を超える
感情論を離れて、公的統計が示す学歴間の賃金差を確認する。
REPORT世界トップの学力、減り続ける家庭学習——2つの統計のあいだ
PISAで世界最上位に立つ日本の子どもたち。その足元で、家庭学習の時間は10年で確実に減っている。
REPORT米CAISIは何を担うのか——AI評価と標準化の政府窓口
NISTのCenter for AI Standards and Innovationから、米国のAI評価・標準化体制を整理する。
REPORTAIエージェント標準化はなぜ必要か——NIST AI Agent Standards Initiative
NISTのAI Agent Standards Initiativeから、エージェントの相互運用性、認証、権限管理の論点を整理する。
REPORT重要インフラにAIを入れる前に読むべきこと——NISTのAI RMFプロファイル構想
NISTの重要インフラ向けAI RMFプロファイル構想から、高リスク環境でのAI導入条件を整理する。
REPORTAIは出した後に壊れる——NIST AI 800-4の配備後モニタリング
NIST AI 800-4の概要から、AIシステムを公開・導入した後に何を監視すべきかを整理する。
REPORTAI調達にも評価科学が入る——CAISIとGSAのMOUを読む
CAISIとGSAのMOUから、連邦政府のAI調達・導入で評価がどの段階に入るのかを整理する。
REPORTAnthropic Responsible Scaling Policy v3.0は何を変えたか
AnthropicのResponsible Scaling Policy v3.0から、企業単独の安全コミットメントと業界全体の安全勧告の分離を整理する。
REPORTAI出力に何を添付すべきか——Output Content Credentialの実務論点
C2PA AI/MLガイダンスのOutput Content Credentialから、生成物にモデル・入力・権利情報を結びつける意味を整理する。
REPORTLoRAと微調整モデルの来歴をどう残すか——Fine-tuningの説明責任
C2PA AI/MLガイダンスのModel Fine-tuningから、基盤モデルと追加データの関係を記録する意味を整理する。
REPORTAIモデルの版管理はなぜ難しいか——Model VersioningとReleaseの論点
C2PA AI/MLガイダンスから、モデルのバージョン、派生、チェックポイントを追跡する必要性を整理する。
REPORT学習データ汚染をどう検知するか——Data Poisoningと来歴管理
C2PA AI/MLガイダンスから、学習データ汚染に対してハッシュと来歴が果たす役割を整理する。
REPORTAIモデルにも「来歴」が必要になる——C2PA AI/ML Guidanceを読む
C2PAのAI/MLガイダンスから、モデル・データ・ソフトウェアの来歴管理がなぜ重要になるかを整理する。
REPORTAI生成物のラベルは万能ではない——C2PA Content Credentialsの役割
C2PA仕様から、AI生成コンテンツの来歴表示が何を解決し、何を解決しないのかを整理する。
REPORTMicrosoft Responsible AIは何を原則にしているか——6つの価値と実装課題
MicrosoftのResponsible AIページから、企業AI運用における公平性、安全性、プライバシー、透明性、説明責任、包摂性を整理する。
REPORTAI安全はリリース前だけではない——OpenAIのTeach・Test・Share
OpenAIのSafetyページから、AI安全を学習、評価、フィードバックの継続サイクルとして見る考え方を整理する。
REPORTフロンティアAIはどこまで自律化しているか——UK AISI Trends Reportの読み方
UK AI Security InstituteのFrontier AI Trends Reportから、AI能力評価の見方と限界を整理する。
REPORTGPAI Code of Practiceは何を具体化するか——EU AI Actの汎用AIルール
General-Purpose AI Code of Practiceから、汎用AIモデル事業者の透明性・著作権・システミックリスク対応を整理する。
REPORTEU AI Actの禁止AI実務は何を示すか——Prohibited Practices Guidelines
欧州委員会の禁止AI practicesガイドラインから、AI Actが最初に止める用途の位置づけを整理する。
REPORTAIインフラ政策は電力だけではない——米Action Planの事故対応とセキュリティ
America's AI Action Planのインフラ柱から、データセンター、重要インフラサイバー、AIインシデント対応の関係を整理する。
REPORT米国AI Action Planは何を優先したか——革新・インフラ・国際安全保障
2025年7月のAmerica's AI Action Planから、米国AI政策の優先順位を整理する。
REPORTOpenAI Preparedness Frameworkは何を測るのか——HighとCriticalの考え方
OpenAIの2025年版Preparedness Frameworkから、 frontier AIの高リスク能力をどう評価・統治するかを整理する。
REPORTAIコストはセキュリティ問題になる——Unbounded Consumptionを読む
OWASPのUnbounded Consumptionから、LLMアプリでコスト暴走とサービス停止を防ぐ設計を整理する。
REPORTRAGの弱点は検索にもある——ベクトルDBとEmbeddingリスク
OWASP Top 10 for LLM Applications 2025のVector and Embedding Weaknessesから、RAG構成の注意点を整理する。
REPORTAIエージェントに権限を渡しすぎる危険——Excessive Agencyを読む
OWASPのExcessive Agencyから、AIエージェント設計で権限を最小化すべき理由を整理する。
REPORTLLMの出力をそのまま信じてはいけない——Improper Output Handlingの実務
OWASP Top 10 for LLM Applications 2025のImproper Output Handlingから、AIアプリで出力検証が必要な理由を整理する。
REPORTEU AI Pactはなぜ必要だったか——AI Act移行期間の準備装置
EU AI Pactから、AI Actの本格適用前に企業が何を準備するのかを整理する。
REPORT人はAIを信じすぎる——NISTのHuman-AI Configurationリスク
NIST AI 600-1のHuman-AI Configurationから、過信・擬人化・依存を防ぐUIと運用の論点を整理する。
REPORT生成AIの環境負荷は運用設計の問題になる——NISTのEnvironmental Impacts
NIST AI 600-1のEnvironmental Impactsから、生成AIの計算資源と運用コストを整理する。
REPORT生成AIの知的財産リスクはどこで起きるか——NISTのIPリスク整理
NIST AI 600-1のIntellectual Propertyリスクから、学習データ、出力、営業秘密の論点を整理する。
REPORT生成AIはサイバー攻撃面を広げる——NISTのInformation Securityリスク
NIST AI 600-1のInformation Securityリスクから、生成AIが攻撃と防御の両方に与える影響を整理する。
REPORT生成AIのハルシネーションをどう扱うか——NISTがいうConfabulation
NIST AI 600-1のConfabulationリスクから、生成AIの誤情報を運用で扱う考え方を整理する。
REPORTNIST生成AIプロファイルは何を足したか——AI RMFをLLM時代に使う
NIST AI 600-1から、生成AIのリスク管理が従来のAI管理とどこで違うのかを整理する。
REPORTGoogle DeepMind Frontier Safety Frameworkは何を早期警戒するか
Google DeepMindのFrontier Safety Frameworkから、Critical Capability Levelsとearly warning evaluationsの考え方を整理する。