はじめに
2026年3月2日、Anthropicが**公式学習プラットフォーム「Anthropic Academy」**を公開しました。
👉 https://anthropic.skilljar.com/
Claudeを作っている会社自身が、AIの超基礎からClaude API開発・MCP構築まで体系的に教えてくれる——しかも完全無料・クレジットカード不要・メールアドレスだけで受講可能です。
修了するとAnthropic公式認定証が発行され、LinkedInや職務経歴書に掲載できます。
本記事では：
- 全16コースを対象別に徹底解説
- 医療従事者・臨床工学技士が特に注目すべきポイント
- PubMedの査読論文が示す「医療AIリテラシー教育」の重要性
の3本柱でお届けします。
受講前に確認すること
| 項目 | 内容 |
|---|---|
| 費用 | 完全無料 |
| 受講形式 | セルフペース（動画 + 演習 + クイズ） |
| 認定証 | コース終了後に発行（LinkedIn掲載可） |
| アカウント | Skilljar（学習専用）のみ。Anthropicアカウント不要 |
| 前提知識 | コースにより異なる（後述） |
カリキュラム監修は、元Yale大学学長でCoursera元CEOのRick Levin氏が議長を務めるHigher Education Advisory Boardが担当しており、Stanford・Rice・Complete College Americaなどの教育機関が関与しています。
全16コース 完全マップ
コースは大きく3つのトラックに分かれています。
🔰 Track 1: AI Fluency — 職種問わず全員向け
AIと協働するための「思考の土台」を作るトラック。コードは不要。
Claude 101
URL: https://anthropic.skilljar.com/claude-101
Claudeを日常業務で使い始めるための入門コース。プロンプトの書き方・主要機能・さらに学ぶためのリソース案内まで、とにかく「まず触れる」ことを目的にした最短ルートです。
- 対象: AIを初めて使う全職種
- 前提知識: なし
- 所要時間: 約1〜2時間
AI Fluency: Framework & Foundations
URL: https://anthropic.skilljar.com/ai-fluency-framework-foundations
AIとの協働を「効果的・効率的・倫理的・安全に」行うための4Dフレームワークを習得します。単なるプロンプトテクニックではなく、AIと人間がどう役割分担するかという構造的思考を身につける点が特徴です。
- 対象: 全職種（特にマネージャー・研究者・教育者）
- 前提知識: なし
AI Capabilities and Limitations
URL: https://anthropic.skilljar.com/ai-capabilities-and-limitations
「AIが得意なこと・苦手なこと」を正確に理解するコース。AIの限界を知ることが、正しい活用判断につながるという視点から設計されています。医療現場でAIを評価する立場（臨床工学技士・医師・看護師）には特に重要な内容です。
- 対象: 全職種
- 前提知識: なし
AI Fluency for Students
URL: https://anthropic.skilljar.com/ai-fluency-for-students
学習・キャリア設計・学術利用にフォーカスした学生向けバージョン。
AI Fluency for Educators
URL: https://anthropic.skilljar.com/ai-fluency-for-educators
AI Fluencyの教え方・カリキュラム設計・評価方法まで扱う教育者向けコース。医療系専門学校・大学で教える立場の方に直結する内容です。
Teaching AI Fluency
URL: https://anthropic.skilljar.com/teaching-ai-fluency
「AI Fluency for Educators」のより実践的な拡張版。インストラクター主導の対面授業での活用方法を扱います。
AI Fluency for Nonprofits
URL: https://anthropic.skilljar.com/ai-fluency-for-nonprofits
ミッション重視の組織（NPO・医療法人・研究機関）でのAI導入に特化したコース。
🔧 Track 2: Product Training — 業務活用・クラウド統合
Claudeを実際の業務フローに組み込みたい人向け。
Introduction to Claude Cowork
URL: https://anthropic.skilljar.com/introduction-to-claude-cowork
Anthropicのデスクトップツール「Claude Cowork」を使って、実ファイル・実プロジェクトと並走する方法を学ぶコース。マルチステップ作業の制御・プラグイン活用・ファイルワークフローをハンズオンで習得します。
Claude with Amazon Bedrock
URL: https://anthropic.skilljar.com/claude-in-amazon-bedrock
AWS上でClaudeを動かすエンタープライズ向けコース。AWSのアクレディテーションプログラムとして設計されたもので、一般公開されています。
Claude with Google Cloud's Vertex AI
URL: https://anthropic.skilljar.com/claude-with-google-vertex
Google Cloud Vertex AI経由でClaudeを利用する方法を包括的に扱います。
🚀 Track 3: Developer Deep-Dives — APIと開発の深掘り
コードを書いてAIアプリを作りたい開発者向け。
Building with the Claude API ⭐ メインコース
URL: https://anthropic.skilljar.com/claude-with-the-anthropic-api
所要時間: 8時間超 のメインコース。APIの基礎から本番アプリのアーキテクチャ設計まで一気通貫で学べます。
カリキュラムの主な内容：
| セクション | 主な学習内容 |
|---|---|
| API基礎 | 認証・APIキー管理・基本リクエスト |
| 会話管理 | シングル・マルチターン会話・システムプロンプト |
| 出力制御 | Temperature・ストリーミング・構造化出力 |
| プロンプト評価 | テストデータ生成・自動採点ワークフロー |
| プロンプトエンジニアリング | XMLタグ構造化・Few-shotサンプリング |
| ツールユース | カスタムツール・Webサーチ・バッチ処理 |
| RAG | テキストチャンキング・Embeddings・BM25 |
| 拡張機能 | Extended Thinking・画像解析・PDF処理・引用生成 |
| プロンプトキャッシュ | レイテンシ低減・コスト最適化 |
| MCP | サーバー・クライアント構築 |
| エージェント | 並列化・チェーン・ルーティングワークフロー |
前提: Python中級・JSON操作の基礎知識
Introduction to Model Context Protocol (MCP)
URL: https://anthropic.skilljar.com/introduction-to-model-context-protocol
MCP（Model Context Protocol）のサーバー・クライアントをPythonでゼロから構築するコース。Claudeと外部サービス（DB・API・ファイルシステム）を接続するための標準プロトコルを習得します。
MCP の3つのプリミティブ:
- Tools（Claudeが呼び出す関数）
- Resources（Claudeが参照するデータ）
- Prompts（再利用可能なプロンプトテンプレート）
Model Context Protocol: Advanced Topics
URL: https://anthropic.skilljar.com/model-context-protocol-advanced-topics
本番MCPサーバーの設計パターン・サンプリング・通知・ファイルシステム統合・トランスポート機構を扱う上級コース。
Claude Code 101
URL: https://anthropic.skilljar.com/claude-code-101
Claude Codeをターミナルで使い始めるための入門。
Claude Code in Action
URL: https://anthropic.skilljar.com/claude-code-in-action
実際の開発ワークフローへのClaude Code統合。デバッグ・ターミナル管理・実務レベルのコーディングタスクを扱います。
Introduction to Agent Skills
URL: https://anthropic.skilljar.com/introduction-to-agent-skills
本ブログの前記事「.claude/agents/ に Planner/Generator/Evaluator を置く」の理論的基盤がまさにここです。
Claude Code で再利用可能な「Skills」（Markdownインストラクション）を作成・共有・トラブルシューティングする方法を学ぶコース。
Introduction to Subagents
URL: https://anthropic.skilljar.com/introduction-to-subagents
サブエージェントを使ってコンテキストを管理し、タスクをデリゲートし、特化したワークフローを構築する方法を扱います。
推奨学習ルート
【ゼロから始める医療職】
Claude 101 → AI Fluency: Framework & Foundations
→ AI Capabilities and Limitations
→ （業務活用）Introduction to Claude Cowork
【医療情報・MEなどIT系医療職】
AI Fluency → Building with the Claude API
→ Introduction to MCP → Introduction to Subagents
【AI医療アプリを作りたい臨床工学技士・エンジニア】
Building with the Claude API → MCP Introduction
→ MCP Advanced → Introduction to Agent Skills
→ Introduction to Subagents
医療従事者・臨床工学技士が特に注目すべきポイント
なぜ「医療職がClaudeを学ぶ」のか
医療現場でのLLM活用は急速に実用化が進んでいます。一方で、臨床工学技士を含む医療職がAIの能力と限界を正確に把握していないと、過信・過小評価の両面でリスクが生じます。
Anthropic Academyの「AI Capabilities and Limitations」は、まさにこのリテラシーを体系的に教えるコースです。
具体的な医療応用シナリオ
| コース | 医療現場での活用例 |
|---|---|
| Claude 101 | 退院サマリー・診療録の下書き支援 |
| AI Fluency | 医療チームへのAIツール展開・教育設計 |
| Building with Claude API | 院内チャットボット・RAG型医療知識ベースの構築 |
| MCP Introduction | 電子カルテ・医療機器ログとClaudeの接続 |
| Introduction to Subagents | 検査結果分析ワークフローの自動化 |
PubMed査読論文が示す「医療AIリテラシー教育」の根拠
以下、PubMedより取得した査読論文の知見を示します。
1. 医療現場でのLLM評価研究（系統的レビュー）
Shool S, et al. (2025). A systematic review of large language model (LLM) evaluations in clinical medicine.
BMC Medical Informatics and Decision Making, 25(1), 117.
DOI: 10.1186/s12911-025-02954-4
761本の研究を対象にした系統的レビューで、臨床医学におけるLLM評価の現状を整理した論文です。
注目すべき知見:
- 評価対象のLLMのうち93.55%がChatGPT/GPT-4などの汎用モデルで、医療特化モデルはわずか6.45%
- 最も多く評価されたパラメータは「精度」（21.78%）
- 倫理リスク・評価手法の多様性・特定診療科の過少代表という課題が残る
臨床工学技士への示唆: LLMの医療応用には「標準化された評価フレームワーク」が不可欠。Anthropic Academyの「Prompt Evaluation」セクションはその実装方法を直接教えてくれます。
2. オープンソースLLMの臨床意思決定支援（Nature Medicine）
Sandmann S, et al. (2025). Benchmark evaluation of DeepSeek large language models in clinical decision-making.
Nature Medicine, 31(8), 2546–2549.
DOI: 10.1038/s41591-025-03727-2
125症例を用いて、オープンソースLLM（DeepSeek）と独自モデル（GPT-4o・Gemini）の臨床意思決定支援性能を比較したベンチマーク研究です。
注目すべき知見:
- オープンソースLLMは独自モデルと同等かそれ以上の性能を発揮する場合がある
- 院内ローカル展開（オンサイト）が可能なオープンソースモデルは、**個人情報保護規制（医療情報の院外送信禁止）**への対応に優れる
- 本邦の医療情報ガイドラインv6.0でも、患者データのクラウド送信には厳格な要件がある
臨床工学技士への示唆: HN Medecのような院内ローカルLLM環境の構築において、「オンサイト展開の優位性」を裏付けるエビデンスです。APIコースで学ぶアーキテクチャ知識は、ローカルLLM統合にも応用可能です。
3. 医学生のAI教育ニーズ（BMC Medical Education）
Jackson P, et al. (2024). Artificial intelligence in medical education - perception among medical students.
BMC Medical Education, 24(1), 804.
DOI: 10.1186/s12909-024-05760-0
325名の医学生を対象にした横断研究で、AI教育への意識と需要を分析しています。
注目すべき知見:
- 医療ミスの削減支援としてAIを位置づける学生が57.2%
- 構造的なAI研修を強く求める学生が76.9〜79.4%（特に医療ミス削減と倫理教育）
- 「AIのリスクについて患者に説明できる」と感じる学生はわずか3.7%
- AI置き換えへの懸念（37.6%）と、人間性の喪失への懸念（69.2%）が並存
臨床工学技士への示唆: 医療学生の「構造的なAI教育ニーズ」は非常に高い。医療系専門学校でAIコースを担当する立場として、Anthropic Academyの「AI Fluency for Educators」は直接活用できる内容です。
4. 医師のAI教育パラダイム（Singapore Medical Journal）
Xu Y, et al. (2024). Medical education and physician training in the era of artificial intelligence.
Singapore Medical Journal, 65(3), 159–166.
DOI: 10.4103/singaporemedj.SMJ-2023-203
医師教育・研修・継続教育にAIを統合するための新しいパラダイムを提唱した論考です。
注目すべき知見:
- 現行の医師教育モデルには「画一性」「知識の爆発への対応不足」という構造的課題がある
- 「AI補助型」と「AI統合型」の2段階教育パラダイムを提唱
- 全医師・臨床研究者・臨床情報科学者の3層に応じた学習深度を設計すべき
臨床工学技士への示唆: Anthropic Academyの3トラック構造（Fluency / Product / Developer）はこの3層モデルと完全に対応しています。
5. 看護師のAIリテラシーと不安の関係
Özçevik Subaşi D, et al. (2024). Paediatric nurses' perspectives on artificial intelligence applications.
Journal of Advanced Nursing, 81(3), 1353–1363.
DOI: 10.1111/jan.16335
小児科病棟の看護師170名を対象に、AIリテラシー・AI不安・AI態度の相関を分析した横断研究です。
注目すべき知見:
- AIへの肯定的態度がAIリテラシーとAI不安の両方を有意に予測（R²=50%）
- 年齢が高いほどAIリテラシーが低く、AI不安が高いという関係が確認された
- 「高齢層のスタッフに特化したトレーニング」の必要性を提言
臨床工学技士への示唆: 医療現場でのAI教育は、年代別の不安軽減設計が不可欠。Anthropic Academyの「Claude 101」はこの層への入口として最適です。
1次情報まとめ
Anthropic Academyおよび関連情報の一次情報源を以下に整理します。
Anthropic Academy
| 情報 | URL |
|---|---|
| コース一覧（公式） | https://anthropic.skilljar.com/ |
| Anthropic学習ポータル | https://www.anthropic.com/learn |
| GitHubオープンソースコース | https://github.com/anthropics/courses |
| 問い合わせ | academy-support@anthropic.com |
各コース直リンク（全16コース）
参照論文（PubMed）
| 著者 | タイトル概要 | DOI |
|---|---|---|
| Shool et al. 2025 | 臨床医学におけるLLM評価の系統的レビュー（761研究） | 10.1186/s12911-025-02954-4 |
| Sandmann et al. 2025 | DeepSeek LLMの臨床意思決定支援ベンチマーク（Nature Medicine） | 10.1038/s41591-025-03727-2 |
| Jackson et al. 2024 | 医学生325名のAI教育ニーズ横断研究 | 10.1186/s12909-024-05760-0 |
| Xu et al. 2024 | AI時代の医師教育パラダイム（Singapore Med J） | 10.4103/singaporemedj.SMJ-2023-203 |
| Özçevik Subaşi et al. 2024 | 看護師のAIリテラシー・不安・態度の関係 | 10.1111/jan.16335 |
まとめ
- Anthropic Academyは2026年3月公開、全16コース・完全無料・公式認定証あり
- 対象は超入門から本番開発まで幅広く、医療職も含めた全職種が対象
- PubMedの査読論文は「医療現場でのAIリテラシー教育」の重要性を一貫して支持
- 特に臨床工学技士は「API × MCP × エージェント」ルートで最大の武器になる
- 1次情報はすべて
anthropic.skilljar.comから無料で確認・受講可能
本記事はAnthropicの公式サイト（anthropic.skilljar.com）および PubMed 掲載論文に基づいた一次情報をもとに作成しています。
PubMedより取得した情報の帰属はすべて各論文著者に帰します。DOIリンクより原著論文を必ずご確認ください。