シラバス Syllabus

授業名 Data Science & AI for Leaders
Course Title Data Science & AI for Leaders
担当教員 Instructor Name 北原　康富（Yasutomi Kitahara）
科目ナンバリングコード Course Numbering Code
授業形態 Class Type 講義 Regular course
授業形式 Class Format On Campus
単位 Credits 2
言語 Language JP
科目区分 Course Category 発展科目300系 / Advanced & Specialized
学位 Degree Exed
開講情報 Terms / Location 2026 GSM Osaka Fall
コード Course Code CLD201_G26O
メジャー Major

授業の概要　Course Overview

Mission Statementとの関係性 / Connection to our Mission Statement

本学の以下の教育ミッションを具現化する形で設定されています。

LG1 Critical Thinking
LG3 Ethical Decision Making
LG6 Innovative Leadership

　

授業の目的（意義） / Importance of this course

本授業は、ビジネスマネジャーがビジネスにおけるAI導入に際し、必要な基本知識を身につけ、優れた意思決定とリーダーシップを発揮するためのスキルを磨くことを目的としています。マネジメントレベルで求められるAIの技術的な基礎を理解することで、導入機会を見極め、組織全体に与えるインパクトを正しく評価できるようになります。さらに、AI活用によるビジネスの変革や競争優位の確立に向けた戦略を検討するとともに、導入に伴う課題やリスク、そして倫理的な問題への対応方法を探ります。AIの可能性を最大限に引き出し、組織を革新へと導くマネジャーの力を育成するための、実践的かつ先進的な学びの場とします。
This class is designed to provide business managers with the basic knowledge they need to develop good decision-making and leadership skills when implementing AI in their businesses. By understanding the technical fundamentals of AI required at the management level, participants will be able to identify implementation opportunities and correctly assess the impact on the organization as a whole. This is a practical and advanced learning opportunity to develop the ability of managers to maximize the potential of AI and lead their organizations to innovation. The program is a practical and advanced learning opportunity to develop managers' ability to maximize the potential of AI and lead their organizations to innovation.

学修到達目標 / Achievement Goal

　

LG1 Critical Thinking
LG3 Ethical Decision Making
LG4 Effective Communication

本授業の該当ラーニングゴール　Learning Goals

*本学の教育ミッションを具現化する形で設定されています。

LG1 Critical Thinking
LG3 Ethical Decision Making
LG6 Innovative Leadership (MBA)

受講後得られる具体的スキルや知識　Learning Outcomes

①生成AIのリテラシー: 大規模言語モデル（LLM）の可能性と限界、および効果と副作用を理解し、適切に活用する能力
②導入と定着のマネジメント: 現場レベルでの「AIの民主化」を推進し、組織的な抵抗を乗り越えて定着させるための変革管理力
③スケーリング戦略: AI応用モデルを構築し、企業戦略に適合させながらビジネス全体に拡大する組織的推進力
④AIガバナンスと倫理: AI特有のリスクに対するガバナンス体制の構築と倫理的意思決定力

① Generative AI Literacy: The ability to understand the potential and limitations of large language models (LLMs), as well as their benefits and side effects, and to utilize them appropriately
② Management of Adoption and Embedding: Change management capabilities to promote the “democratization of AI” at the operational level and overcome organizational resistance to ensure its adoption
③ Scaling Strategy: Organizational drive to build AI application models and scale them across the entire business while aligning them with corporate strategy
④ AI Governance and Ethics: The ability to establish governance frameworks for AI-specific risks and make ethical decisions

SDGsとの関連性　Relevance to Sustainable Development Goals

Goal 4 質の高い教育をみんなに（Quality Education）

教育手法　Teaching Method

教育手法 Teaching Method % of Course Time
インプット型 Traditional 25 %
参加者中心型 Participant-Centered Learning ケースメソッド Case Method 75 %
フィールドメソッド Field Method 0 %
合計 Total 100 %

事前学修と事後学修の内容、レポート、課題に対するフィードバック方法　Pre- and Post-Course Learning, Report, Feedback methods

授業中、発言や成果について適時フィードバックします。

授業スケジュール　Course Schedule

第1日（Day1）

AIを用いたハンズオン課題を通じて、認識AIおよび生成AIの利用体験その効果や課題を考察したうえで、データサイエンスにAIを応用する方法や効果について討議します。続いて、個人の仕事の効果や効率に関するAIの作用について考察したうえで、その副作用と対応について討議します。

●使用するケース
①事前予習課題：吉宗の苦悩（講師作成）
②Lexoo：長期的に持続するプラットフォームの構築（簡約版）
③バリュークラウドーー生成AIの機会とリスク2025
④２つのエッセイ

第2日（Day2）

AIの導入に際し、組織や個人心理などにおいて起こる様々な課題や抵抗について考察します。その上で、どのようにしたらそれらを乗り越え、組織に定着させられるかについて討議します。

●使用するケース
①アイワークス 2024
②モデルナ：人工知能の民主化
③ピッタロッソ: 人工知能主導の価格設定とプロモーション

第3日（Day3）

医療サービスに関するAIの戦略的利用について考察したうえで、その事業の拡張機会とそのリスクについて討議します。続いて、AIをコアとしたサービスの現状分析および拡張機会について討議します。

●使用するケース
①Kヘルス：AI医療クリニックの規模拡大
②Kヘルス：AI医師モデルの構築
③GROW: 人工知能を用いて人間知能をスクリーニングする

第4日（Day4）

社内AIを企業の外部に拡張する際の課題を考察し、あるべきガバナンスについて考察します。続いて、AIを応用したビジネスの顧客倫理、AIを使った公共サービスについての社会正義につじて討議します。

●使用するケース
①JPモルガン・チェース：生成AI時代におけるリーダーシップ
②ザ・クルーレス：倫理的AIマーケティングのジレンマを乗り越える
③Programming a “Fairer” System: Assessing Bias in Enterprise AI Products

第5日（Day5）



第6日（Day6）



第7日（Day7）



成績評価方法　Evaluation Criteria

*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
講師用内規準拠 Method of Assessment Weights
コールドコール Cold Call 10 %
授業内での挙手発言 Class Contribution 60 %
クラス貢献度合計 Class Contribution Total 70 %
予習レポート Preparation Report 15 %
小テスト Quizzes / Tests 0 %
シミュレーション成績 Simulation 0 %
ケース試験 Case Exam 15 %
最終レポート Final Report 0 %
期末試験 Final Exam 0 %
参加者による相互評価 Peer Assessment 0 %
合計 Total 100 %

評価の留意事項　Notes on Evaluation Criteria

ケース試験の評価は、予習レポートの評価に替える場合があります。

配布教材と教室における電子機器の利用マナーについて Guidelines for Classroom Technology and Proper Use of Course Materials

  1. ケースメソッド教育の中核は、積極的な参加と知識の共有です。この教育を支えるため参加者は授業中の電子機器（例：スマートフォン、ノートパソコン）の使用を制限するよう求められます。許可を得た場合でも、教室内では電子機器は、ケース討議に資する目的でのみ使用してください。授業中は、たとえケース討議に関連していても、検索エンジンや生成AIの使用は避けて下さい。
  2. 配布教材（ケースを含む）は指定された授業への参加以外の目的で利用しないで下さい。著者の権利、著作権、特定情報の機密性を保護するため、許可なく教材を個人や組織（生成AI を含む）に提供することはできません。このルールは、印刷物・電子教材のいずれにも適用されます。
  1. Active participation and shared learning is at the core of the case method learning. Participants are asked to limit their use of electronic devices (e.g., laptops, smartphones) during classroom sessions in support of this model. Even with permission granted, devices should only be used in the classroom in service to the case discussion. Online searches and generative AI tools, even if related to the case discussion, are discouraged while class is in session.
  2. Students are prohibited from using the course materials (including cases) distributed by the university for any purpose other than participation in the designated class. Students must not input, process or test course materials with any artificial intelligence (AI) tools, bots, software, or platforms without the author's permission. These actions violate the terms of use for the course materials and may also constitute copyright infringement.

教科書　Textbook

  • 配布資料

参考文献・資料　Additional Readings and Resource

TBD

授業調査に対するコメント　Comment on Course Evaluation

新規科目につき該当なし

担当教員のプロフィール　About the Instructor　

●主な職歴
1993 ~ 2006 日本インテグラート（株）
2006 ~ 2010 インテグラート（株）
2009 ~ 　　サイボウズ（株）
2010 ~ 　　インテグラート・リサーチ（株）
2012 ~ 　　名古屋商科大学経営学部、大学院マネジメント研究科 教授

●学位と取得大学
博士（学術）早稲田大学

●研究分野
意思決定、イノベーション、アントレプレナーシップ

●主な論文
1　博士論文：「財務モデルの視覚的・対 話的な操作の意思決定への効果」
2　「 財務モデルの動的かつ対話型表現を用いた意思決定支援システムの研究」
3　Design and implementation of visual interactive financial model manipulation and its empirical test effect on the quality of decision making
4　学会発表「 財務モデルの動的かつ対話型表現を用いた意思決定支援システムの研究」
5　学会発表“Visual Interactive Financial Model Manipulation and its Effects in Improving Decision Quality”
●主な著書
1「儲けの戦略」第6章（ 95貢）～ 第10章（218貢）
2「 リアルオプションと経営戦略」日 本リアルオプション学会編第10章（225貢～252貢）
3　研究開発テーマの評価法～公平で透明性ある評価の仕組みづくりと運用ノウハウ～　第7節（ 241頁～252頁）

Refereed Articles

  • (2026) Beyond Proximity: Multidimensional Analysis of Ecosystem Architecture in the Knowledge Economy. Journal of Knowledge Economy
  • (2024) Harnessing Ordinary User Creativity in New Product Development ―Experiments and Discussion of Idea Interaction between Ordinary Users and Experts―. Business model association journal 2432-1850 / 2185-2480
  • (2019) Effectiveness of non-expert idea creation activities for product development. Development Engineering 39 (1):
  • (2017) How can business schools teach innovation?. Development Engineering 37 (1):
  • (2010) A Design and Empirical Test of a Decision Support System with Dynamic and Interactive Representation of Financial Models. Real options and Strategy

Refereed Proceedings

  • (2023). Management Theory and Practice for Decision Making in the Diagnostic Process. 26th annual meeting of Japan society of hospital general medicine. Web Proceeding site.. Japan society of hospital general medicine.. 3. 2. LightCube Utsunomiya

ページ上部へ戻る