G検定は文系・非エンジニアでも合格できるか：合格者の職種データ、数学の最低ライン、8週間の勉強順

G検定は文系や非エンジニアでも合格できますか？

合格できます。2026年第5回の合格者11,475人のうち、職種が「営業・販売」の人は1,835人で、合格者の約16%でした。「その他」を除くと、「情報システム・システム企画」に次いで多い職種です（JDLA、2026年9月24日発表）。

G検定の出題は知識問題（多肢選択式）で、プログラムを書く問題はありません。受験資格は制限なしです。JDLAは、G検定を「ディープラーニングの基礎知識を有し、適切な活用方針を決定して、事業活用する能力や知識を有しているかを検定する」試験と説明しています（JDLA「G検定とは」）。

ただし、データを読むときに注意したい点が2つあります。

• JDLAが職種別に発表しているのは合格者の人数です。受験者全体の職種別の人数は発表されていないので、職種ごとの合格率はわかりません。
• 文系か理系かの区分は、JDLAの結果発表にもアンケートにもありません（2026年11月1日確認）。「営業・販売の人が多く合格している」とは言えても、「文系の合格率は何%」とは言えません。

準備なしで受かるという意味でもありません。AIもITも初めての人は、JDLAのアンケートで3番目に多かった50〜70時間（19.6%）の層か、それ以上の勉強時間を見込むのが当サイトの目安です。考え方は「G検定の勉強時間」にまとめています。

合格者の職種や役職はどうなっていますか？

営業や企画、管理部門の職種の人が、合格者の3分の1ほどを占めています（当サイトの集計）。2026年第5回の職種別の合格者数を、多い順に並べ直しました（割合は発表の人数から当サイトが計算し、小数第1位に丸めています）。

職種（JDLAの区分）	合格者数	割合
情報システム・システム企画	2,708人	23.6%
その他	2,276人	19.8%
営業・販売	1,835人	16.0%
研究・開発	1,584人	13.8%
企画・調査・マーケティング	912人	7.9%
総務・経理・人事	633人	5.5%
生産・製造	436人	3.8%
学生	425人	3.7%
経営企画	285人	2.5%
経営・社業全般	213人	1.9%
未回答	168人	1.5%

当サイトでは、営業・販売、企画・調査・マーケティング、総務・経理・人事、経営企画、経営・社業全般の5つを「営業・企画・管理系」としてまとめています。2026年第5回では5つの合計が3,878人で、合格者の33.8%でした。「情報システム・システム企画」と「研究・開発」の合計（4,292人、37.4%）より少し少ない程度です（どちらも当サイトの計算）。

営業・販売が合格者の15〜17%、5職種の合計が3分の1ほどという点は、2026年のほかの回でも同じです。第3回だけは、5職種の合計（2,371人）が「情報システム・システム企画」と「研究・開発」の合計（2,367人）をわずかに上回りました（当サイトの計算）。

回	合格者数	営業・販売	営業・企画・管理系の5職種	情報システム・システム企画と研究・開発
2026年第1回	6,718人	16.2%	32.5%	36.3%
2026年第2回	9,265人	17.0%	33.5%	37.7%
2026年第3回	6,843人	15.0%	34.6%	34.6%
2026年第4回	7,677人	15.4%	32.6%	36.3%
2026年第5回	11,475人	16.0%	33.8%	37.4%

JDLAの各回の結果発表の人数から、当サイトが割合を計算しました。

役職・年代・業種も、2026年第5回の数字を見ておきます（JDLA、2026年9月24日発表。合計と割合は発表の人数から当サイトが計算）。

• 役職：「一般社員・職員」が6,424人（56.0%）で最も多く、「課長クラス」「部長・事業部長クラス」「経営者、役員クラス」を合わせると2,192人（19.1%）です。
• 年代：40代が22.1%、50代が13.4%で、合わせて35.5%です。
• 業種：「情報処理・提供サービス業」（24.8%）が最も多く、「金融・保険業、不動産業」（17.8%）、「ソフトウェア業」（17.0%）が続きます。情報処理・提供サービス業とソフトウェア業を合わせると4割を超えます。職種と業種を組み合わせた数字は発表されていないため、IT企業で働く営業職がどれだけいるかはわかりません。

JDLAが「G検定について」のページで公開している2026年のアンケート（有効回答881）でも、職種を「SE・プログラマー」と答えた人は26.3%でした。「PM（PMO）」の8.5%を足しても3分の1ほど（当サイトの計算）で、ほかは「事務」13.1%、「営業・販売」10.9%、「生産・製造」10.0%などです。このアンケートは、ページの本文では受験者に聞いたもの、グラフの題では「合格者アンケート」と書かれていて、対象がどちらかははっきりしません（2026年11月1日確認）。結果発表とは職種の区分も違うので、2つの数字はそのまま比べられません。

営業や企画の仕事に、G検定の勉強は役立ちますか？

AIの提案を受ける、AIを使った案件を進めるといった仕事では、覚えた用語と契約の知識を使う場面があります。シラバスには技術だけでなく、次のような項目も入っています。

• 技術分野 項目35「AIプロジェクトの進め方」：PoC、CRISP-DM、MLOpsなど
• 法律・倫理分野 項目6「AI開発委託契約」：請負契約、準委任契約、精度保証など
• 法律・倫理分野 項目7「AIサービス提供契約」：SaaS、利用規約、データ利用権など

JDLAのインタビューに登場した文系出身の課長は、システムの提案でGAN（敵対的生成ネットワーク）の説明を聞いたとき、「G検定で学んだ言葉だ」とすぐに理解できたと話しています。G検定を持っていることはAIに関する最低限の知識を学んだ証になるとし、「商談や打ち合わせの場でも、相手の理解度が変わってくる場面がある」とも述べています（JDLA、2025年5月20日掲載）。

資格が社内の評価や手当につながるかは、会社によって違います。仕事で知識を使う場面は「G検定は意味ない？」で、シラバスの項目と結びつけて整理しています。

文系・非エンジニアがつまずきやすいのはどの分野ですか？

つまずきやすいのは、計算が出てくる部分と、ディープラーニングの仕組みを扱う部分です（当サイトの見立て）。先のインタビューで、文系出身の合格者の1人は次のように話しています。

G検定の歴史や時事問題は文系でも理解しやすいのですが、計算問題や理系的な概念はテキストだけではすぐに理解できませんでした。

この合格者は2020年の回に合格しており、試験の形式も範囲も今とは違います（JDLA、2025年5月20日掲載）。それでも、今のシラバスで同じ種類の内容が並ぶのは、次の4つの大項目です。右の列は、当サイトの学習ガイドに書いている「G検定で問われる深さ」の要約です。

大項目	つまずきやすい点	求められる深さ（当サイトの見立て）
機械学習の概要	手法の名前が多く、教師あり・教師なし・強化学習が混ざりやすい	式の導出やプログラムは不要。手法ごとの入力と出力を言え、混同行列から適合率などを計算できる
ディープラーニングの概要	活性化関数、誤差逆伝播法、最適化など、目に見えない仕組みが続く	微分の計算や更新式の暗記は不要。学習の流れのどこで働くかを説明できる
ディープラーニングの要素技術	畳み込み、RNN、Attentionなど、層の種類が多い	実装や逆伝播の式は不要。各層の役割を言え、畳み込みの出力サイズを簡単な数値で求められる
AIに必要な数理・統計知識	記号や確率の言い回しになじみがない	導出や証明は不要。平均・分散・条件付き確率・期待値を計算でき、用語の意味を言える

4つの大項目とも、当サイトの見立てでは、式を導くところまでは求められていません。教師あり・教師なし・強化学習の区別は、3つを並べた比較で整理できます。

数学はどこまでできれば足りますか？

四則演算、割合、2乗と平方根が使えれば、G検定の計算問題の多くに対応できます（当サイトの見立て）。シラバスの数理・統計の項目に並ぶ29のキーワードに、微分や行列は入っていません。ただし、同じ項目の目標には「最適化に必要な数学基礎知識や微分を理解する」とあります。微分は、計算できることより、勾配を「坂の傾き」として意味がわかることを目指します（当サイトの見立て）。

手で解けるようにしたいのは、「G検定の計算問題」で例題つきで解説している次の5つの型です。

1. 混同行列から適合率・再現率・F値を求める
2. 畳み込み層の出力サイズを求める
3. 平均・中央値・分散・標準偏差を求める
4. 期待値と条件付き確率を求める
5. ユークリッド距離とコサイン類似度を求める

数理・統計を丸ごと捨てるのはおすすめしません。分野別の出題数は公表されていませんので、何問までなら落としてよいかを計算できないからです。満点は要りませんが、5つの型と用語の意味までは押さえておきます。用語の意味は数理・統計の学習ガイドにまとめています。

数式を導出せずに読むにはどうすればいいですか？

式は、「何を入れると、何が、どの範囲で出てくるか」を言葉に置き換えて読みます。当サイトの用語集では、式をLaTeXのような数式の記法ではなく、f(x) = max(0, x)のような1行の文字で書いています。スマートフォンでもそのまま読めます。

式を見たら、次の3つを順に確かめます。

1. 何を入れて、何が出てくるか。
2. 出てくる値はどの範囲か。0〜1か、合計が1か、マイナスもあるか。
3. 入れる値を大きくすると、出てくる値はどう動くか。

この3つで、G検定によく出る式は次のように読めます。

式	言葉にすると	あわせて覚えること
ReLU関数：f(x) = max(0, x)	0以下なら0、正ならそのまま出す	隠れ層でよく使われる
シグモイド関数：1 / (1 + e^(−x))	どんな入力も0〜1の間に収める。入力が0なら0.5	2値分類の出力層でよく使われる。勾配消失の原因になりやすい
ソフトマックス関数：exp(zi) / (exp(z1) + … + exp(zK))	各スコアを0〜1にし、合計を1にする	多クラス分類の出力層で使われる
勾配降下法：w ← w − η × 勾配	損失が小さくなる向きに、重みを少しずつ動かす	ηは学習率。大きすぎると発散し、小さすぎると収束が遅れる
平均二乗誤差：(1/n) × Σ(正解値 − 予測値)²	誤差を2乗してから平均する	大きな誤差ほど重く数える
適合率：TP ÷ (TP + FP)	陽性と予測したうち、本当に陽性だった割合	再現率とは分母が違う

式に出てくる記号は、次の意味を知っていれば読めます。

• Σ（シグマ）：後ろに続くものをすべて足します。
• e：ネイピア数（約2.718）。exp(z)はeのz乗です。
• ^：べき乗。x^2はxの2乗です。
• √：平方根。
• η（イータ）：学習率。
• P(A|B)：Bが起きたという条件のもとで、Aが起きる確率（条件付き確率）。
• ←：右側で計算した値で、左側を置き換えます。

範囲と向きを言えるようにしておくと、選択肢の言い換えにも対応できます。たとえば「シグモイド関数の出力は−1から1の範囲」という選択肢は、範囲を覚えていればすぐに消せます。−1から1になるのはtanh関数です。似た関数の違いはシグモイド関数とソフトマックス関数の違いで確かめられます。

文系が取り組みやすいのはどの分野ですか？

AIの歴史、社会実装、法律・倫理の分野は、計算がほとんど出てこないので、文系の人が取り組みやすい分野です（当サイトの見立て）。シラバスの55の中項目のうち、18が法律・倫理分野です。

大項目	主な内容	押さえどころ（当サイトの学習ガイドから）
人工知能とは	AIの定義、チューリングテスト、フレーム問題など	各用語が何を問題にしているかを1文で言える
人工知能をめぐる動向	探索・推論、エキスパートシステム、AIブームの流れ	どのブームのどの技術か、何ができて何が限界だったか
AIの社会実装に向けて	AIプロジェクトの進め方、データの収集・加工	CRISP-DMの流れ、PoCから本番運用まで、データリーケージの仕組み
AIに関する法律と契約	個人情報保護法、著作権法、特許法、開発やサービスの契約	中心になる定義と要件を言え、事例がどの論点に当たるか判断できる
AI倫理・AIガバナンス	国内外のガイドライン、公平性、透明性、AIガバナンス	ハードローとソフトローの違い、リスクベースアプローチ、事例への当てはめ

ただし、取り組みやすいことと、得点できることは別です。法律・倫理では、条文の暗記より、似た概念の区別と、事例への当てはめが問われます（当サイトの見立て）。1人の例ですが、2026年第2回に合格した営業職の受験者は、結果の通知を見て「文系なのに倫理と法律弱いのなんで」と書いています（note、2026年3月23日）。

似た概念は、匿名加工情報と仮名加工情報の違い、請負契約と準委任契約の違い、ソフトローとハードローの違いのように、並べて覚えます。法律やガイドラインは改正されることがあるので、最近の動きは「G検定の法律・倫理の最新動向」で確かめてください。

非エンジニアは、どの順番で勉強すればいいですか？

当サイトのおすすめは、実力診断で今の位置を確かめてから、AIの歴史に入り、技術分野を前半に、法律・倫理を後半に進める順番です。これは当サイトの考えで、JDLAが示している順番ではありません。

理由は3つです。

• 歴史を先に読むと、あとで出てくる技術が、何を解決するために生まれたかがわかります。先のインタビューの合格者は、推薦図書の『人工知能は人間を超えるか』でAIの歴史的背景を学んでいます。2024年に受験した文系の受験者の1人も、同じ本を「テキストを読み始める前に読むと良かった」と書いています（はてなブログ、2024年6月2日）。
• 技術分野は、前の内容が次の前提になります。ニューラルネットワークの次に畳み込み、その次に画像認識、という順に積み上げるので、くり返す時間を長く取れる前半に置きます。
• 法律・倫理は、技術の知識がなくても読めます。後半にまとめて進め、試験の直前まで暗記カードで回すと、似た概念の区別を忘れにくくなります。

8週間あれば、すべての範囲を順に進められます。そのため、診断の結果で順番は変えず、正答率が低かった区分は、その範囲を進める週に問題演習を多めに解きます。

技術分野でどうしても手が止まるときは、法律・倫理の週と入れ替えても構いません。続けられる順番がいちばんです。

8週間で進めるなら、週ごとに何をすればいいですか？

1日1時間前後、週7〜9時間で8週間、合計56〜72時間ほどの計画です。AIもITも初めての人が見込みたい50〜70時間（19.6%）の層に届く量です（当サイトの推計）。

各週は、学習ガイドでその大項目の要点を読み、すぐに問題演習で同じ大項目を解く、の順で進めます。すき間の時間には、暗記カードと◯×一問一答で、前の週までの用語をくり返します。

週	範囲	やること	計算の型
1	準備、人工知能とは、人工知能をめぐる動向	実力診断を解く。JDLAの例題で問われ方を見る。AIの歴史を、ブームごとの技術と限界で整理する	なし
2	機械学習の概要	教師あり・教師なし・強化学習の手法を、何を入力して何を出力するかで区別する	混同行列
3	ディープラーニングの概要	活性化関数、誤差関数、正則化、誤差逆伝播法、最適化の役割を言葉で説明する	平均・分散
4	ディープラーニングの要素技術	畳み込み、プーリング、RNN、Attentionの役割と、向いているデータを覚える	出力サイズ
5	ディープラーニングの応用例	画像・自然言語・音声・生成などの手法を、何ができるかと結びつける	距離・コサイン類似度
6	AIの社会実装、法律と契約	プロジェクトの進め方と、個人情報・著作権・契約の事例問題を解く	期待値・条件付き確率
7	AI倫理・AIガバナンス、模擬試験	倫理の論点を事例で確かめる。実力診断を解き直して1週目と比べる。週末に模擬試験 第1回を時間を計って解く	5つの型の見直し
8	仕上げ	第1回で低かった区分に戻ってから第2回を解く。間違えた問題を解き直し、まとめシートで見直す	間違えた型だけ

8週間取れない場合は、学習プランで、受ける回と1日の時間から計画を作れます。試験までの期間が短いときの絞り込み方は「短期プラン」、教材の使い方は「G検定の勉強法」にまとめています。

受験してよい状態かどうかは、どう確かめればいいですか？

できるだけ初めて解く問題で、区分ごとの正答率と、時間内に解き終えられるかを確かめます。合格ラインは公表されていませんので、「何点取れれば合格」とは言えません。

当サイトでは、次の3つで確かめられます。

• 実力診断：10の大項目から2問ずつ、計20問です。時間制限はなく、8区分の正答率がわかります。全員に同じ問題が出るので、1週目と7週目に解くと伸びを比べられます。ただし、2回目は問題を覚えている分だけ高く出ます。診断の問題は問題演習にも含まれます。
• 模擬試験 第1回〜第3回：本番と同じ問題数と時間で、同じ回は何度解いても同じ問題が出ます。第1回〜第3回のあいだで同じ問題は出ませんが、どの回も問題演習と同じ問題集から選んでいるため、問題演習で解いた問題が含まれることがあります。同じ回の2回目以降や、問題演習で解いた問題が多いときは、その分だけ高く出ます。試験の数日前に第3回を残しておくと、最後の確認に使えます。
• 目安：当サイトでは、全8区分で正答率75%以上などを「仕上げ」の目安にしています。これは練習用の基準で、合格ラインではありません。考え方は「G検定の合格ライン」にまとめています。

時間も別に確かめます。オンライン試験は100分で145問程度を解き、1問あたりは約41秒です。模擬試験で時間が足りなければ、「G検定の時間配分」を参考にしてください。

低い区分が残っているときは、その大項目の学習ガイドと問題演習に戻ります。間に合わないと判断したら、次の回に回す選択もあります。予約を取り消せる期限や、会場試験で申し込んだときの扱いは「短期プラン」にまとめています。

次回の2026年第6回（G2026#6）は、オンライン試験が2026年11月6日（金）16:00・2026年11月7日（土）13:00から（会場試験はありません）です。個人申込の期間は2026年9月11日から2026年10月29日までです。

日程は日程・申込で確認できます。まずは実力診断で、技術分野と法律・倫理分野のどちらに時間をかけるべきかを確かめてください。