はじめに

この記事では、PMI（Project Management Institute）の AI 系資格 PMI-CPMAI : PMI Certified Professional in Managing AI について、試験概要や勉強方法、押さえておきたいポイントを紹介します。

PMI-CPMAI は AI プロジェクトをどう回すか を問う試験です。出題のほとんどが「あなたがプロジェクトマネージャーだったら、どう判断するか」という形式で、AI の用語知識だけでは正直太刀打ちできません。

3行要約

PMI-CPMAIは、AI プロジェクトのマネジメント方法論（CPMAI） を問う PMI の認定資格
出題の8〜9割がケーススタディ。PMP / PMI-ACP の素養があると良いという体感
日本語教材がほとんど無く、教材集めが最大の難所（受験料もバンドル販売のみで安くない）

試験概要

PMI-CPMAI は、CPMAI（Cognitive Project Management for AI）という方法論をベースに、AI プロジェクトを企画から運用まで回せるかを問う内容になっています。

AI で解くべき課題かどうかを見極める（AI vs 自動化）
AI プロジェクトの実現可能性・ROI・リスクを評価する
必要なデータを定義し、入手し、品質を評価する
モデルの開発・評価をマネジメントする
デプロイ後の監視・ガバナンスまで含めて運用化する
責任ある／信頼できる AI を担保する

基本情報

項目	内容
試験コード	PMI-CPMAI
資格名	PMI Certified Professional in Managing AI（PMI-CPMAI）™
カテゴリ	PMI 認定資格（AI プロジェクトマネジメント）
対象者	AI プロジェクトに関わる PM、企画、コンサル、データ／技術リーダー
試験時間	160分
問題数	120問（うち20問は採点対象外のプレテスト問題）
受験資格	実務経験の要件なし
購入形態	教材（Exam Prep Course）+ 受験料のバンドル販売のみ
更新	3年ごとに30PDU
日本語	対応済

※2026年8月時点の情報です。受験前に必ず PMI 公式ページを確認してください。

出題ドメインと配点

ドメイン	テーマ	配点
ドメイン1	責任ある・信頼できる AI の取り組みを支援する	15%
ドメイン2	ビジネスニーズとソリューションを特定する	26%
ドメイン3	データニーズを特定する	26%
ドメイン4	AI モデルの開発と評価を管理する	16%
ドメイン5	AI ソリューションを運用化する	17%

ドメイン2と3だけで52パーセントです。「そもそも AI で解くべきか」「そのデータは本当に揃うのか」という上流の判断が、この試験のポイントになっています。

CPMAIの6フェーズ

方法論の骨格はこの6フェーズです。ここは丸暗記でよいので、順番ごと覚えてしまいましょう。

フェーズ	内容
フェーズI	ビジネスニーズと AI のマッチング
フェーズII	AI プロジェクトに必要なデータの特定
フェーズIII	データ準備の管理
フェーズIV	反復的な開発とデリバリー
フェーズV	AI システムのテストと評価
フェーズVI	AI の運用化

PMP / PMI-ACP との違い

同じ PMI 資格でも、目線がはっきり違います。

試験	主な目線	向いている人
PMP	プロジェクト全般をどう管理するか	PM全般
PMI-ACP	アジャイルでどう進めるか	スクラム／アジャイル実践者
PMI-CPMAI	AI プロジェクト特有の難しさをどう管理するか	AI 案件に関わる PM・企画・コンサル

ただ、PMI-CPMAI は PMP / PMI-ACP の知識を若干前提にしている部分があると感じました。ケーススタディの問題文だけでなく、選択肢の中にプロジェクトマネジメントの用語が普通に出てきます。ウォーターフォール、WBS、ガントチャート、コンティンジェンシー計画あたりを知らないと、選択肢の意味自体が読めません。

結果

受験日：2026年8月
結果：合格

PMP / PMI-ACP と同様に、試験終了後その場で仮結果が印刷された A4 用紙を1枚受け取る形式でした。1000点満点のようなスコアではなく、ドメインごとの習熟度で示されます。

学習方法

勉強期間・時間

総勉強時間：約50時間（Exam Prep Course の通読時間を含む）
使用教材：公式 Exam Prep Course、Udemy演習問題集

1. 公式教材（Exam Prep Course）

PMI-CPMAI はバンドル版（教材費 + 受験料）しか販売されておらず、購入すると Exam Prep Course というオンライン教材（e-learning）を進めることになります。これを読了しないと試験日・試験会場の予約に進めません。

そして、これが数少ない公式教材です。隅々まで目を通してください。

読むときのコツは1つで、「PDF の知識をそのまま覚えない」ことです。実際の試験では、単純に用語を問う問題はほとんど出ません。
フェーズごとの PDF を読みながら、「PM として、これを自分のプロジェクトにどう当てはめるか」を考えながら進めると、本番の問題に対応しやすくなると思います。

2. 演習問題

以下の演習問題を使用しました。類題がかなり多いので、CPMAIを受験する方には購入を強くおススメします。

各問題セットが100%になるまで、何周もする
正解だけでなく、なぜ他の選択肢がその状況で最適でないのかを説明できるようにする
CPMAI の6フェーズに、各設問がどのフェーズの話なのかを紐付けて考える

当日の流れと注意点

試験時間は160分、120問（うち20問は採点されないプレテスト問題）
Pearson VUE で、テストセンター受験・オンライン監督受験のどちらも可能
問題の8〜9割がケーススタディ。「あなたが PM なら、この AI プロジェクトでどう振る舞うか／どう考えるか」という設問がひたすら続きます
「該当するものをすべて選択してください」という複数選択も混ざります

ケーススタディは1問あたりの文章量が多いので、読み疲れのが最大の敵です。

⚠️ハマりどころ

日本語の情報がとにかく少ないです。 日本語対応自体が最近なので、「何を勉強すればいいか」を決めるところが最大のハードルでした。公式教材を軸に据えて、あとは自分で情報を集める前提で臨むのが現実的です。
バンドル販売なので、落ちたときのダメージが大きいです。 一発で合格する前提の準備をしたほうがいいと思います。
PM 用語が選択肢に混ざります。 ウォーターフォール／アジャイル／ハイブリッド、WBS、ガントチャート、コンティンジェンシー計画、リスク管理あたりは説明できるようにしておいてください。
アルゴリズム名も出ます。 「K近傍法とは」「決定木とは」レベルで、公式 PDF に載っているアルゴリズムは押さえておきましょう。教師あり／教師なし／強化学習の3分類も必須です。
「AI か、自動化か」の見極めが繰り返し問われます。 確率的（probabilistic）と決定論的（deterministic）の違いは、この試験の背骨です。
「該当するものをすべて選択」形式が混ざります。 部分点はないと考えて、消去法ではなく1つずつ正誤を判断できる状態にしておく必要があります。
「最初に行うべきことは何か」型の設問が多いです。 選択肢は全部それっぽく正しいことが書いてあり、順序を問われます。CPMAI のフェーズ順とフェーズ内の手順が頭に入っていないと、ここで失点することになります。

暗記しておきたい枠組み

DIKUW ピラミッド
データ → 情報 → 知識 → 理解 → 知恵、の順に価値が上がるモデルです。
「機械学習が真価を発揮するのは知識のレベル」「知恵は現時点では人間だけが持つ」という位置付けが、そのまま問われます。

AIの7つのパターン
これは名前と代表例をセットで丸暗記してください。ユースケースからパターンを選ばせる問題が繰り返し出ます。

パターン	代表例
ハイパーパーソナライゼーション	個人向けレコメンド、パーソナライズド広告
認識	画像・音声・手書き文字の識別／分類
会話型／ヒューマン・インタラクション	チャットボット、音声アシスタント
パターンと異常	クレジットカードの不正検知、外れ値検出
予測分析と意思決定支援	需要予測、予知保全、与信判断の支援
自律システム	自動運転、自律走行ロボット
目標駆動型システム	強化学習による最適化、ゲームAI

CPMAIの6フェーズ
順序そのものが問われます。「ラベル付けはどのフェーズか」のように、作業をフェーズに割り当てる問題も出るので、各フェーズの成果物まで押さえておくと安全です。

重要ポイント（AI 領域）

AI vs 自動化、確率的 vs 決定論的の見極め
機械学習の3タイプ（教師あり／教師なし／強化学習）と主要アルゴリズム
データ中心（data-centric）という考え方とデータ準備
構造化／非構造化データ、複数フォーマットの統合、欠損値の扱い
特徴量エンジニアリング、ラベル付け（どのフェーズの作業か）
過学習・学習不足・汎化とモデル妥当性確認
混同行列と評価指標（精度だけで判断しない、という論点が頻出）
データドリフト・モデルドリフトと再学習のトリガー
モデルのバージョン管理とロールバック（上書きして戻せなくなる、が典型的な失敗例）
転移学習、AutoML で任せてよい範囲・任せてはいけない範囲
運用化のアプローチとデプロイ先（クラウド／オンプレ／エッジ）の選択
信頼できる AI フレームワークのレイヤー（ポリシー・監督・監査・コンプライアンス・責任分担）
バイアスの発生原因、公平性・説明可能性・透明性・人間による監督
プライバシーと規制対応、NIST の AI リスクマネジメントフレームワーク

重要ポイント（プロジェクト管理領域）

ウォーターフォール／アジャイル（反復型）／ハイブリッドの使い分け
WBS、ガントチャート、コンティンジェンシー計画、リスク管理
ビジネスケースと ROI の示し方、成功基準・KPI の定義
ステークホルダーの特定と受け入れ、スコープの明確化
データの主題専門家（SME）の特定（データ知識のギャップをどう埋めるか）
外部依存関係のリスク管理

受験してみての感想

正直に言うと、PMPと比べて一番難しく感じた試験でした。情報が少なく、どんな問題が出るのか分からないまま臨んだ、というのも大きいですが、それを差し引いても想定以上でした。

一方で、AI プロジェクトが「なぜ失敗するのか」を、データ視点・運用視点から体系立てて整理できたのは大きな収穫でした。AI の PoC が本番に乗らない理由が、方法論として言語化できるようになります。

特に、以下のような方にはおすすめです。

AI 案件の PM・企画・提案に関わっている方
PoC 止まりのプロジェクトを、運用まで持っていきたい方
PMPの次の PMI 資格を探している方
AI ガバナンスや責任ある AI を、実務の手順として押さえたい方

まとめ

PMI-CPMAIは、AI プロジェクトのマネジメント方法論 - CPMAI 6フェーズを問う PMI 認定資格
配点はビジネスニーズ26% + データニーズ26%で、上流の判断がメインポイント
出題の8〜9割がケーススタディ。PMPの素養があると圧倒的に有利
公式 Exam Prep Course が唯一の公式教材。読了が受験予約の条件で、11PDU も付く
日本語教材が少ないので、演習問題で情報の穴を埋めるのが現実的な戦略