この記事の結論
- Andrej Karpathy（OpenAI創設メンバー・元Tesla AI責任者）が2025年2月27日に公開した無料動画「How I use LLMs」は2時間11分・全17章の実用ガイド
- Karpathy公式Xポストによれば「a more practical guide of the entire LLM ecosystem」として位置づけられている
- 17章を全部見るのは重い。「思考モデル」「ツール使用」「ファイル投入」「画像入出力」の4領域を先に押さえると合計45〜60分で核が掴める
この記事はAIを業務で毎日使っているけれど機能の半分も使えていない非エンジニア向け（ChatGPT・Claudeを触ったことがあれば読めます）。
ChatGPTもClaudeも毎日触っているのに、どの機能の何割を使えているか答えられない。
この違和感を持ったまま2026年春を迎えている業務ユーザーは多いはずです。
OpenAI創設メンバーのAndrej Karpathyが、2時間11分の無料動画でLLM活用の全体像を話しています。
タイトルは「How I use LLMs」。
私はこの動画の17章を分解して、非エンジニア業務層が先に押さえるべき領域を4つに絞りました。
日本語で順を追って整理した記事がほぼ無い領域です。
ここが狙いどころ。
Karpathy「How I use LLMs」とは何か
動画本体はYouTubeで無料公開されています。
Karpathy本人のXポストを引きます。
New 2h11m YouTube video: How I Use LLMs. This video continues my general audience series. The last one focused on how LLMs are trained, so I wanted to follow up with a more practical guide of the entire LLM ecosystem, including lots of examples of use in my own life.
出典: Karpathy公式X（@karpathy 2025年2月27日投稿）／動画本体は YouTube公式（How I use LLMs）
大事なのは「general audience series（一般向けシリーズ）」という位置づけです。
Karpathyは技術向けの「Zero to Hero」シリーズとは別に、非エンジニア層にも届く講義動画を3本出しています。
基本情報を表で整理します。
| 項目 | 内容 |
|---|---|
| 動画タイトル | How I use LLMs |
| 公開日 | 2025年2月27日 |
| 尺 | 2時間11分（Karpathy公式Xポストで明記） |
| 言語 | 英語（YouTube自動翻訳で日本語字幕の利用可） |
| 料金 | 無料（YouTube） |
| 章数 | 17章（公式タイムスタンプ付き） |
| 位置づけ | 一般向けシリーズ第3弾。前作の訓練解説の実践編 |
| 発話者 | Andrej Karpathy（OpenAI創設メンバー、元Tesla AIディレクター） |
私がここで効くと思うのは、尺の長さよりも発話者の経歴の方です。
OpenAIの創設メンバーで、テスラの自動運転AIを5年見てきて、スタンフォードCS231nを2015年から主任講師でやってきた人。
その人が「Karpathy本人の使い方を見せる」という構成で2時間喋っている。
ここに重みがあります。
誰が喋っているのか：Karpathyの経歴を1分で
非エンジニア業務層向けに、Karpathyが「誰の話を聞くことになるのか」を公式プロフィールから押さえておきます。
- 1986年スロバキア生まれ、15歳でカナダ・トロントへ
- スタンフォード大博士（2015年、指導教員はFei-Fei Li）
- OpenAIに2015年〜2017年（創設メンバー・研究科学者）、2023年〜2024年に復帰
- Tesla AIディレクターとして2017年〜2022年（自動運転チーム統括）
- スタンフォード CS231nは2015年の受講者150人が2017年には750人に拡大
- 2024年7月「Eureka Labs」設立（AIネイティブ教育）
- TIME100 Most Influential People in AI（2024年）選出
出典は karpathy.ai と Wikipedia です。
要するに、OpenAIを立ち上げた側の人間であり、同時に大学で「教える側」を7年やってきた発話者です。
この組み合わせが「一般向け講義動画」の信頼の源になっています。
ここは薄めない方がいい。
17章の全貌：公式チャプター構成
Karpathy公式Xポストにチャプタータイムスタンプが掲載されています。
全17章を日本語でマッピングします。
| # | 時刻 | 章タイトル（原文） | 日本語サマリ |
|---|---|---|---|
| 1 | 00:00 | Intro into the growing LLM ecosystem | LLMエコシステム全体像のイントロ |
| 2 | 02:54 | ChatGPT interaction under the hood | ChatGPTの内部で何が起きているか |
| 3 | 13:12 | Basic LLM interactions examples | 基本的なやり取りの実例 |
| 4 | 18:03 | Be aware of the model you're using, pricing tiers | どのモデルを使ってるか意識する、料金プランの話 |
| 5 | 22:54 | Thinking models and when to use them | 思考モデル（Reasoning）とその使いどころ |
| 6 | 31:00 | Tool use: internet search | ツール使用：インターネット検索連携 |
| 7 | 42:04 | Tool use: deep research | ツール使用：Deep Research |
| 8 | 50:57 | File uploads, adding documents to context | ファイルアップロード、ドキュメント投入 |
| 9 | 59:00 | Tool use: python interpreter, messiness of the ecosystem | Pythonインタプリタ、エコシステムの煩雑さ |
| 10 | 1:04:35 | ChatGPT Advanced Data Analysis, figures, plots | ChatGPT Advanced Data Analysis、図表生成 |
| 11 | 1:09:00 | Claude Artifacts, apps, diagrams | Claude Artifacts、アプリ・図表 |
| 12 | 1:14:02 | Cursor: Composer, writing code | Cursor Composerでのコード生成 |
| 13 | 1:22:28 | Audio (Speech) Input/Output | 音声入出力 |
| 14 | 1:27:37 | Advanced Voice Mode aka true audio inside the model | Advanced Voice Mode（モデル内部の音声） |
| 15 | 1:37:09 | NotebookLM, podcast generation | NotebookLM、ポッドキャスト生成 |
| 16 | 1:40:20 | Image input, OCR | 画像入力、OCR |
| 17 | 1:47:02 | Image output, DALL-E, Ideogram, etc. | 画像出力、DALL-E、Ideogram他 |
17章全部を正面から消化するのは、非エンジニア業務層には重いです。
正直しんどい。
というわけで、次のセクションで「先に見るべき4領域」に絞ります。
非エンジニア業務層が優先すべき4領域
17章を全部見なくていい。
私が動画を分解して整理した結果、業務ユーザーが最初に取りにいくべきテーマは4つです。
ここが日本語圏で整理されていない角度です。
① コンテキストウィンドウ（章2・章3・章8）
Karpathyはコンテキストウィンドウを「ワーキングメモリ」と定義しています。
動画本編より引きます。
the context window is kind of like this working memory of tokens and anything that is inside this context window is in the working memory
そして話題を切り替えるときは新しいチャットを立てろ（start a new chat when switching topics）と動画内で明確に推奨しています。
ここ、毎日使ってる人ほど盲点です。
私の観察でも、ChatGPTで1つのスレッドを延々と使い回している業務ユーザーは多い。
文脈が詰まりすぎて回答が劣化するパターン。
章8の「File uploads」では、ドキュメント投入の使い方も紹介されています。
Karpathy本人が動画内で挙げている例は、アダム・スミス『国富論』を読みながらLLMに章ごとの要約と質問応答をやらせていた、というもの。
業務文書にそのまま転用できる使い方です。
② 思考モデル（章5）
Reasoning系モデル（o1、Claude 3.5 Sonnet拡張思考、Gemini Thinkingなど）の使いどころです。
Karpathyの発話を引きます。
these thinking strategies when you look at them they very much resemble kind of the inner monologue you have when you go through problem solving
要点は使い分けです。
Karpathyは動画内で深く難しい問題には思考モデル、日常的なクエリ（旅行の提案など）には非思考モデルという方針を明示しています。
思考モデルは遅い、高い、でも深い。
非思考モデルは速い、安い、でも浅い。
当たり前のことですが、業務層はこの使い分けを明示的にやれていない人が多い。
ここは10分で見れる章なので費用対効果が高いです。
③ ツール使用：Deep Researchと複数LLMの使い分け（章6・章7）
Karpathyの有名な発話がここで出ます。
「LLM Council」という考え方。
I end up personally just paying for a lot of them and then asking all all of them the same question... refer to all these models as my llm Council
複数のLLMに同じ質問を投げて、答えを並べて判断する。
Karpathyはこれを「個人のLLM評議会」と呼んでいます。
さらにDeep Researchについては動画内でこう述べています。
the ChatGPT offering is currently the best it is the most thorough... perplexity and the grok are a little bit shorter
ChatGPT版Deep Researchが最も網羅的で、Perplexity・Grokは短め。
2025年2月時点の評価なので現状は変動しています。
ただし「使い分ける」という枠組み自体は今も通用する話。
④ ハルシネーション対策（章7内の注意喚起）
Deep Researchの便利さの裏で、Karpathyは幻覚（ハルシネーション）への警戒を動画内で明確に促しています。
everything that is given to you here again keep in mind that even though it is doing research... can be hallucinated at any point in time
Karpathy本人は「提供された引用を必ず確認せよ（Always check the provided citations to confirm the accuracy）」という指針も動画内で示しています。
Deep Researchの出力は「初稿として扱え」というのが実用の目安です。
これ地味に一番大事なところ。
業務で使っている人ほど、Deep Researchの出力をそのまま資料にコピペしかけている光景がある。
Karpathy本人が警告している章なので、見ておいて損はありません。
動画が2025年2月公開という時点ギャップ
批判点として1つ押さえておくべきは、動画が2025年2月27日時点のモデル・UI情報で喋られていることです。
2026年春の現行モデル（Claude Opus 4.7、GPT-5系、Gemini 3系）とはUIや料金プランが違います。
ただし、Karpathyが扱っているのは個別モデルの比較ではなく「LLMエコシステムの使い方の枠組み」です。
ワーキングメモリとしての記憶量、思考モデルと非思考モデルの使い分け、ツール使用、LLM Council、ハルシネーション対策。
この枠組みは今でも全部そのまま通用する話。
個別モデル名の新旧比較は古くなりますが、枠組みは腐りにくい。
私は2時間動画を今見る意味は、ここ一点に尽きると見ています。
Karpathy 2026年4月の新コンセプトとの接続
動画視聴の次に繋げるなら、Karpathyが2026年4月2日〜3日に投稿した「LLM Knowledge Bases（LLM Wiki）」が外せません。
X上で16百万インプレッション超の大バズを記録しています。
RAGの代わりに、LLMが管理・更新し続けるMarkdownベースの知識ベースを構築するパターン。
Karpathy本人がGitHub Gistで原文を公開している。
「How I use LLMs」（2025年2月）で基礎体力を作り、「LLM Knowledge Bases」（2026年4月）で手元の知識基盤構築に進む。
この1年の流れがKarpathyの発信の中で綺麗に繋がっています。
私は2時間動画の方を先に見るのが順番として正解だと思っています。
非エンジニア業務層向けの週次視聴プラン
2時間11分を1回で消化するのは、業務ユーザーにはしんどい。
そこで4週に分けるプランを提案します。
各週30〜40分なので、平日夜に1回・週末に復習という配分で回せます。
| 週 | 時間 | 対象章 | テーマ |
|---|---|---|---|
| Week 1 | 約30分 | 章1〜4 | LLMエコシステムとモデル選び・料金プラン |
| Week 2 | 約30分 | 章5〜7 | 思考モデル、ツール使用、Deep Research |
| Week 3 | 約30分 | 章8〜11 | ファイル投入、Pythonインタプリタ、Claude Artifacts |
| Week 4 | 約40分 | 章13〜17 | 音声・画像・NotebookLM・マルチモーダル |
視聴ステップ：1週分の進め方
- 章タイトルを先に読む：YouTubeの説明欄に全17章のタイムスタンプ付き目次があります。1週分の章を眺めて何の話かをざっくり把握する。期待結果は「今週は思考モデルと検索ツールの話だな」と1行で説明できる状態。詰まりどころは、英語タイトルだけ見て中身が想像できないこと。本記事の17章マッピング表で日本語化済みなので、こちらを横に置く。
- 0.75倍速で再生：Karpathyの話すスピードは英語ネイティブ寄りに速め。0.75倍速＋日本語自動字幕にすると、業務ユーザーでも追える速度になります。期待結果は「字幕と音声の両方で2回理解できる」状態。詰まりどころは、自動翻訳が固有名詞（o1、Artifactsなど）で乱れること。固有名詞は無視して文脈で読む。
- 気になる発言だけメモする：1週分が30分なので、見終わった直後に印象に残った発言を3行だけメモ。期待結果は「翌週の冒頭でこのメモから前回の要点を呼び戻せる」状態。詰まりどころは、全部メモしようとして手が止まること。3行縛りで切る。
章12の「Cursor: Composer」はコード書く人向けなので、業務層は飛ばしてOK。
私はWeek 1とWeek 2だけでも費用対効果は十分高いと見ています。
Week 3以降は業務との接点があれば追加で見る、くらいの距離感でいい。
よくある質問（FAQ）
Q. この動画は英語ですが日本語字幕で見られますか？
YouTubeの自動翻訳機能で日本語字幕を表示できます。
Karpathyの話すスピードが速めなので、再生速度を0.75倍に落とすと追いやすくなります。
Q. 2時間11分は長すぎます。どこから見るべきですか？
非エンジニア業務層なら「章5：思考モデル」「章6〜7：ツール使用・Deep Research」「章8：ファイルアップロード」「章16〜17：画像入出力」の4領域が優先度高めです。
合計で45〜60分前後で核が掴めます。
Q. 2025年2月公開の動画は今（2026年春）でも通用しますか？
個別モデル名（GPT-4、Claude 3.5等）の情報は古くなっています。
ただし、記憶量の扱い方、思考モデルと非思考モデルの使い分け、LLM Council、ハルシネーション対策といった「枠組み」部分は今でも全部通用します。
動画の価値は枠組みにあります。
Q. Karpathyの他の動画で見るべきものは？
同じ「general audience series」の前作「Deep Dive into LLMs like ChatGPT」（3時間31分、LLMの訓練を主題にした動画）が順番としては前です。
技術寄りに進みたいなら「Zero to Hero」シリーズ（全8本・合計14時間超）があります。
詳細は karpathy.ai に掲載されています。
Q. 動画視聴の次は何をやるべきですか？
Karpathyが2026年4月に投稿した「LLM Knowledge Bases（LLM Wiki）」が続編的な位置づけです。
X上で16百万インプレッション超の大バズとなった新コンセプトで、GitHub Gist に原文が公開されています。
このページに出てきた言葉
- LLM
- 大規模言語モデル。ChatGPT、Claude、Geminiなどの中で動いている、文章を理解して返してくる仕組み
- 記憶量（コンテキストウィンドウ）
- LLMが一度に扱える会話の記憶量。これを超えると古い内容を忘れる、または回答が劣化する
- ワーキングメモリ
- 人間が短期的に頭に保持しておく作業用の記憶。LLMの記憶量はこれに近い役割
- 思考モデル / Reasoning
- 回答前に「考える時間」を取って、内部で複数の推論ステップを踏むタイプのLLM。OpenAI o1、Claude拡張思考、Gemini Thinkingなど
- Deep Research
- 質問に対して10〜30分かけて何十ものWebページを横断調査し、長文のレポートにまとめて返す機能
- LLM Council
- Karpathy独自の言い回し。複数のLLMに同じ質問を投げて、回答を並べて判断する使い方
- ハルシネーション
- LLMが事実ではない情報を、もっともらしく作り出してしまう現象
- RAG
- Retrieval-Augmented Generation。外部文書を検索してLLMに渡し、回答に使わせる手法
- マルチモーダル
- テキストだけでなく、画像・音声・動画など複数の種類のデータを同時に扱えること
- Claude Artifacts
- Claudeが生成したコードやドキュメントを、チャット横の専用ペインで実行・プレビューできる機能
関連リンク
- 動画本体: How I use LLMs（YouTube）
- Karpathy公式サイト: karpathy.ai
- Karpathy公式Xプロフィール: @karpathy
- Zero to Heroシリーズ: karpathy.ai/zero-to-hero
- LLM Knowledge Bases（2026年4月）: GitHub Gist
- Apple Podcast版: Apple Podcasts
※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。