AIに関するニュースやサービス紹介では、「生成AI」「LLM」「機械学習」「AIエージェント」など、多くの専門用語が使われています。

ChatGPTなどの生成AIを使ったことがあっても、それぞれの言葉の違いや関係までは分からないという方も多いのではないでしょうか。

たとえば、AIと生成AIは同じ意味ではありません。機械学習やディープラーニングもAIに含まれる技術ですが、それぞれ指している範囲が異なります。

企業がAIを導入する場合は、技術に関する用語だけでなく、PoC、KPI、AIガバナンス、シャドーAIなど、導入や管理に関する用語も理解しておく必要があります。

本記事では、AI全般に関する基本用語を次のカテゴリーに分けて解説します。

• AIの仕組みに関する用語
• 生成AIに関する用語
• AIの業務活用に関する用語
• AI導入に関する用語
• AIのリスクに関する用語

本記事は、各用語の意味と違いを確認するためのAI用語集です。個別のAIツールの料金、法人プラン、導入手順、社内ルールなどは、関連記事で詳しく解説します。

AIとは

AIは人間の知的な作業をコンピューターで行う技術の総称

AIとは、Artificial Intelligenceの略称で、日本語では「人工知能」と呼ばれます。一般的には、人間が行っている認識、判断、予測、生成などの知的な作業を、コンピューターで実行するための技術を指します。

ただし、AIという名前の単一の技術や製品が存在するわけではありません。AIは、機械学習、ディープラーニング、画像認識、自然言語処理、生成AIなどを含む広い概念です。

人間と同じように考えているように見えるAIもありますが、実際には、学習したデータや設定された処理方法をもとに結果を出しています。そのため、AIが出した結果が常に正しいとは限りません。業務で利用する場合は、人間による確認や判断を組み込むことが重要です。

AIでできること

AIができることは、大きく分けると次のように整理できます。

予測では、過去のデータから将来の売上、需要、在庫数、解約可能性などを推定します。分類では、問い合わせメールを「資料請求」「見積もり」「クレーム」などに分けます。認識では、画像、音声、文字などの内容を読み取ります。生成では、文章、画像、音声、動画、プログラムコードなどを作ります。最適化では、配送ルート、勤務シフト、生産計画などの効率的な組み合わせを計算します。

従来型AIと生成AIの違い

従来型AIは、売上予測、不正検知、顧客分類、画像判定、需要予測、異常検知など、予測や分類を中心とした処理で使われてきました。

一方、生成AIは、文章、画像、音声、動画、プログラムコード、資料の構成案など、新しいコンテンツを作ることが得意です。生成AIはAIの一分野であり、AI全体と同じ意味ではありません。

企業がAIを導入する際は、「AIを導入したい」と広く考えるのではなく、予測、分類、認識、生成、自動化のうち、どの処理が必要なのかを整理することが重要です。

AI・機械学習・ディープラーニングの違い

AI、機械学習、ディープラーニングは、同じ意味で使われることがありますが、正確には対象範囲が異なります。AIが最も広い概念で、その一部に機械学習があり、さらに機械学習の一部にディープラーニングがあります。

AIとは

AIは、人間の知的な作業をコンピューターで行うための技術全体を指します。機械学習を使わず、人間があらかじめ細かなルールを設定する方式も、広い意味ではAIに含まれる場合があります。AIは特定の学習方法ではなく、目的や機能を含む広い概念です。

機械学習とは

機械学習とは、コンピューターがデータからパターンや規則性を学び、予測や分類を行う方法です。人間がすべての判断条件を細かく設定するのではなく、過去のデータをもとに判断に必要な特徴を学習させます。

学習に使うデータの量だけでなく、内容や品質も重要です。偏ったデータや誤ったデータを使うと、AIの予測や判断にも偏りが生じる可能性があります。

ディープラーニングとは

ディープラーニングとは、多層構造のニューラルネットワークを利用する機械学習の一種です。日本語では「深層学習」と呼ばれます。

画像、音声、文章など、複雑で大量のデータを扱う分野で活用され、画像判別、音声文字起こし、自動翻訳、文章生成、異常検知などに利用されています。

ニューラルネットワークとは

ニューラルネットワークとは、人間の脳にある神経回路の仕組みを参考にした計算モデルです。複数の入力情報を受け取り、それぞれの重要度を調整しながら結果を出します。中間層を多く重ねたニューラルネットワークを利用する学習方法が、ディープラーニングです。

画像認識とは

画像認識とは、画像や映像に写っている内容をAIが読み取り、分類や検出を行う技術です。製造業の外観検査、書類やレシートの文字読み取り、来店人数の分析、商品画像の分類などに利用されます。

画像認識は既存の画像を読み取る技術であり、指示に基づいて新しい画像を作る画像生成とは異なります。

自然言語処理とは

自然言語処理とは、人間が日常的に使う文章や会話を、コンピューターで扱うための技術です。検索、翻訳、要約、感情分析、問い合わせ分類、チャットボット、文章生成などに利用されます。

文章生成AIも自然言語処理と関係していますが、自然言語処理には文章の分類、検索、抽出、翻訳なども含まれます。

生成AIに関する用語

生成AI

生成AIとは、学習したデータをもとに、新しい文章、画像、音声、動画、プログラムコードなどを生成するAIです。企業では、メール文案、会議録の要約、企画案、営業資料、社内文書、コード、広告素材、問い合わせ回答案などに利用されています。

生成AIは正確性を保証する仕組みではありません。事実確認が必要な文章、顧客提出資料、契約や法務に関する文書では、人間による確認が必要です。

LLM

LLMとは、Large Language Modelの略で、日本語では「大規模言語モデル」と呼ばれます。大量の文章データから単語や文章の関係性を学習し、文章生成、要約、翻訳、質問回答などを行うモデルです。

生成AIとLLMは同じ意味ではありません。生成AIには画像、音声、動画なども含まれますが、LLMは主に文章や言語を扱います。自然な文章であっても内容が誤っている可能性があります。

プロンプト

プロンプトとは、生成AIへ入力する指示や質問です。何を作成してほしいか、誰向けか、どのような立場で回答するか、どの情報を参照するか、どの形式で出力するか、何を含めないかなどを指定します。

目的、背景、条件、出力形式を明確にすると希望に近い結果を得やすくなりますが、細かく指定しても必ず正しい結果になるわけではありません。

コンテキスト

コンテキストとは、AIが回答を作る際に参照する背景情報や前後関係です。現在の質問、過去の会話、最初に指定したルール、添付資料、入力文章などが含まれます。

同じ質問でも、前後の会話や資料が異なれば回答も変わります。業務で使う際は、必要な背景情報を明確に与えることが重要です。

コンテキストウィンドウ

コンテキストウィンドウとは、生成AIが一度に参照できる情報量の範囲です。長い資料や大量の会話を入力しても、すべてを同じ精度で参照できるとは限りません。

具体的な上限はAIサービスやモデルによって異なります。長文を扱う場合は、目的に応じて分割したり、参照範囲を指定したりします。

トークン

トークンとは、生成AIが文章を処理するときに使う単位です。文字数や単語数と似ていますが、完全には一致しません。

入力可能量、回答量、API料金、処理速度、コンテキストウィンドウに関係します。日本語の文字数とトークン数の関係は一定ではありません。

マルチモーダルAI

マルチモーダルAIとは、文章だけでなく、画像、音声、動画など複数の情報形式を扱えるAIです。画像の説明、音声の文字起こし、文書と画像の同時分析、文章からの画像生成などに利用されます。

画像や音声を扱える場合でも、読み取り結果が常に正確とは限りません。重要な内容は元データと照合します。

ファインチューニング

ファインチューニングとは、既存のAIモデルへ特定のデータを追加学習させ、用途に合わせて調整する方法です。一定の文章形式、分類方法、自社独自の表現などを学習させる用途があります。

ファインチューニングはモデルの振る舞いを調整する方法です。最新の社内情報を検索して回答へ使うRAGとは目的が異なります。

AIを業務で使う用語

ワークフロー

ワークフローとは、業務の開始から完了までの作業手順や情報の流れです。問い合わせ対応であれば、受信、内容確認、担当決定、回答案作成、確認、返信、履歴保存などの工程があります。

AI導入では、ワークフローのどの工程でAIを使うか、どこを人が確認するか、どこで既存システムと連携するかを設計することが重要です。

AIエージェント

AIエージェントとは、与えられた目標に基づいて必要な手順を考え、複数の処理やツール操作を進めるAIの仕組みです。情報検索、資料確認、手順決定、外部ツール操作、結果確認などを組み合わせる場合があります。

AIエージェントがすべての業務を自律的に正しく実行できるとは限りません。アクセス権限、実行範囲、承認手順、エラー時の対応を設計します。

API

APIとは、異なるシステムやサービス同士が、機能やデータをやり取りするための接続方法です。生成AIのAPIを使うと、問い合わせ分類、返信案生成、会議録要約、商品説明文作成などを自社システムへ組み込めます。

API利用では処理量に応じて料金が発生することがあります。入力データの管理、アクセス制限、エラー処理なども必要です。

RAG

RAGとは、Retrieval-Augmented Generationの略で、日本語では「検索拡張生成」などと呼ばれます。AIが回答を作る前に、指定された社内規程、業務マニュアル、製品資料、FAQなどを検索し、その情報を参考に回答します。

RAGを導入しても必ず正しい回答になるわけではありません。参照文書が古い、矛盾している、必要な情報を検索できない場合は回答品質も低下します。

データ連携

データ連携とは、複数のシステム間で情報を受け渡すことです。二重入力や転記ミスを減らし、情報更新を早め、部門間で同じ情報を共有しやすくします。

AI導入では、どのデータをどこから取得し、処理後にどこへ保存するかを整理する必要があります。

自動化

自動化とは、人が繰り返している作業を、システムやAIに実行させることです。AIを利用すると、文章分類や回答案作成など、一定の判断を伴う作業も対象になります。

最初から完全自動化を目指すのではなく、作業負担の大きい工程を特定し、人の確認を挟みながら部分的に自動化する方法が現実的です。

ヒューマン・イン・ザ・ループ

ヒューマン・イン・ザ・ループとは、AIの処理に人間の確認や判断を組み込む運用方法です。AIがメール案を作り、人が確認して送信する運用などが該当します。

顧客提出物、採用、契約、医療、法務、融資など、判断の影響が大きい業務では、人間による確認が特に重要です。

AI導入に関する用語

PoC

PoCとは、Proof of Conceptの略で、日本語では「概念実証」と呼ばれます。本格導入前に、AIが目的の業務で使えるかを小規模に検証する取り組みです。

必要な精度、作業時間削減、現場での利用可能性、システム連携、データ準備、運用リスクなどを確認します。目的、対象業務、評価指標、期間、継続条件を事前に決めます。

KPI

KPIとは、Key Performance Indicatorの略で、日本語では「重要業績評価指標」と呼ばれます。目標達成までの進捗や効果を確認する中間指標です。

AI導入では、作業時間、処理件数、利用率、修正率、誤回答件数、対応時間などを測定します。導入前の数値を確認し、導入後にどこまで改善するかを決めます。

KGI

KGIとは、Key Goal Indicatorの略で、日本語では「重要目標達成指標」と呼ばれます。KPIが途中経過を測る指標であるのに対し、KGIは最終的に達成したい成果を示します。

ROI

ROIとは、Return on Investmentの略で、投資に対してどの程度の利益や効果が得られたかを見る考え方です。ツール料金だけでなく、研修、データ整備、社内工数なども投資に含まれます。

作業時間削減、外注費削減、売上増加、対応件数増加、ミス減少などを評価します。金額に置き換えにくい品質や従業員負担も合わせて確認します。

TCO

TCOとは、Total Cost of Ownershipの略で、日本語では「総保有コスト」と呼ばれます。導入から運用、変更、終了までに発生する費用全体を考える方法です。

ツール料金、初期設定、開発、データ整備、研修、ルール作成、セキュリティ、運用担当者、出力確認、保守などを含めて比較します。

AIガバナンス

AIガバナンスとは、AIを安全かつ適切に利用するための方針、責任、ルール、管理体制です。利用を認めるサービス、入力情報、出力確認、顧客提出条件、アカウント管理、問題時の報告先などを決めます。

中小企業でも、個人アカウント利用や顧客情報の取り扱いがある場合は、最低限のルールが必要です。

AIリテラシー

AIリテラシーとは、AIの仕組み、できること、できないこと、リスクを理解し、適切に利用する能力です。誤回答の可能性、入力禁止情報、事実確認、著作権、AIに任せる範囲を判断する力が含まれます。

AIモデル

AIモデルとは、学習したデータをもとに、予測、分類、生成などを行う仕組みです。同じAIサービスでも、用途、速度、情報量、画像対応、料金、精度などが異なる複数のモデルが提供される場合があります。

学習データ

学習データとは、AIがパターンや関係性を学ぶために使うデータです。データ量だけでなく、正確性、偏り、更新時期、利用権限、個人情報や著作権への配慮が重要です。

AIのリスクに関する用語

ハルシネーション

ハルシネーションとは、生成AIが事実ではない内容を、もっともらしい文章で生成する現象です。存在しない制度、誤った日付や金額、実在しない事例や出典などを示す可能性があります。

一次情報や出典を確認し、社内資料と照合し、重要な内容は担当者が確認します。AIの回答だけで判断しないことが重要です。

バイアス

バイアスとは、AIの学習データや設計の偏りによって、出力結果にも偏りが生じることです。採用、人事評価、融資、広告配信、医療などでは特に注意が必要です。

AIの判断をそのまま採用せず、どのデータをもとにしているか、特定の人や条件に不利な結果が出ていないかを確認します。

シャドーAI

シャドーAIとは、会社が把握または承認していないAIサービスを、従業員が業務で利用している状態です。個人アカウントへ議事録や顧客情報を入力するケースなどが該当します。

利用サービス、利用可能業務、入力禁止情報、申請手順などを具体的に決めることが対策になります。

情報漏洩

AI利用における情報漏洩とは、入力した機密情報、個人情報、顧客情報などが、意図しない形で外部へ流出または共有されることです。

データの取り扱いはサービス、契約プラン、設定によって異なります。利用規約、保存方法、学習利用の有無、管理機能を確認し、自社ルールを整備します。

著作権リスク

生成AIでは、入力素材と生成成果物の両方で著作権を確認する必要があります。他社記事、有料資料、利用権限のない画像、顧客から預かった著作物などの取り扱いに注意します。

AIが生成したからといって、すべて自由に利用できるとは限りません。公開物や顧客提出物は人間が確認します。

プロンプトインジェクション

プロンプトインジェクションとは、外部の文章やデータに埋め込まれた指示によって、AIが本来とは異なる処理を行うリスクです。AIエージェントやRAGなど、外部データを自動で読む仕組みでは特に注意します。

外部データを命令として扱わない、実行操作を制限する、重要操作に承認を求める、アクセス権限を最小限にするなどの対策があります。

ブラックボックス

ブラックボックスとは、AIがなぜその判断や回答を出したのか、人間が完全には理解しにくい状態です。採用、人事評価、融資、医療、契約など、説明責任が求められる業務で問題になりやすい概念です。

説明可能性

説明可能性とは、AIが出した判断や予測の理由を、人間が理解・説明できるようにする考え方です。判断に影響した項目、参照資料、AIと人間の判断の区別、最終判断者などを明確にします。

AI用語をカテゴリー別に一覧で確認

ここまで解説したAI用語を、カテゴリー別に整理します。

AIの仕組みに関する用語

生成AIに関する用語

業務活用に関する用語

導入・運用に関する用語

リスクに関する用語

用語から詳しい関連記事を探す

AI用語の意味を理解した後は、自社の目的に応じて詳しい情報を確認しましょう。

生成AIサービスや法人プランを比較したい

生成AIサービスを会社で利用する場合は、個人向けプランと法人向けプランの違いを確認する必要があります。主な比較項目は、アカウント管理、利用履歴の管理、データの取り扱い、利用人数、セキュリティ機能、料金体系、管理者権限などです。具体的な料金やプラン内容は変更される場合があります。最新情報は各サービスの公式サイトで確認してください。

AIを会社へ導入したい

AI導入では、ツールを選ぶ前に対象業務を整理することが重要です。現在の業務を棚卸しし、時間がかかっている作業を特定し、AIに向いている業務を選び、小規模に検証してから本格導入を判断します。対象業務を決めずにツールから選ぶと、導入後に利用されない可能性があります。

AIエージェントや業務自動化を詳しく知りたい

AIエージェントを利用する場合は、AIの性能だけでなく、ワークフロー設計が重要です。AIが行う作業、人が確認する作業、参照するデータ、操作できるシステム、実行前に承認が必要な処理、エラーが起きた場合の対応を整理する必要があります。AIへ多くの権限を与えるほど、効率化できる範囲は広がりますが、誤処理時の影響も大きくなります。

AI利用の社内ルールを整備したい

企業では、利用を認めるAIサービス、利用できる業務、入力してよい情報、入力してはいけない情報、出力内容の確認方法、顧客へ提出する場合の条件、個人アカウント利用の扱い、問題発生時の報告方法を決める必要があります。社内ルールは、AI利用を禁止するためではなく、安全に利用できる範囲を明確にするために作成します。

AI導入の効果を測定したい

AI導入の効果を判断するには、導入前の状態を数値で確認する必要があります。現在の作業時間、月間の処理件数、ミスや差し戻しの件数、外注費、顧客への回答時間、担当者の負担、業務の属人化状況などを確認します。導入後に同じ指標を測定し、継続、改善、対象拡大、利用停止を判断します。

AI導入の費用を確認したい

AI導入費用は、サービスの月額料金だけではありません。初期設定費、データ整理費、システム連携費、社員研修費、社内ルール作成費、運用担当者の工数、出力確認の工数、保守や改善の費用も確認する必要があります。見積もりを比較する場合は、ベンダーへ支払う費用と、自社で負担する作業を分けて確認しましょう。

AI用語に関するよくある質問

AIと生成AIは同じものですか？

同じものではありません。AIは、人間の認識、判断、予測、生成などをコンピューターで行う技術全体を指します。生成AIはAIの一分野であり、新しい文章、画像、音声などを作ることを得意とします。

機械学習とディープラーニングは何が違いますか？

ディープラーニングは機械学習の一種です。機械学習はデータからパターンを学ぶ方法全体を指し、ディープラーニングは多層のニューラルネットワークを利用する方法です。

LLMと生成AIは同じものですか？

同じ意味ではありません。LLMは主に文章を扱う大規模言語モデルです。生成AIには、文章生成AIだけでなく、画像、音声、動画を生成するAIも含まれます。

AIエージェントとチャットAIは何が違いますか？

一般的なチャットAIは質問への回答が中心です。AIエージェントは、目標に基づいて情報検索、データ処理、外部ツール操作などを組み合わせて処理を進めます。

企業が最初に覚えるべきAI用語は何ですか？

AI、生成AI、プロンプト、AIエージェント、PoC、KPI、AIガバナンス、ハルシネーション、シャドーAIを優先して理解するとよいでしょう。

まとめ｜AI用語を理解して自社に必要な情報を探そう

AIは、生成AIだけを指す言葉ではありません。機械学習、ディープラーニング、画像認識、自然言語処理、予測、分類などを含む広い概念です。

生成AIを業務で利用する場合は、LLM、プロンプト、コンテキスト、トークンなどの用語を理解する必要があります。さらに、AIを業務へ組み込む場合は、ワークフロー、AIエージェント、API、RAGなどの理解も重要です。

企業がAI導入を進める際は、AIを使いたい業務を整理し、現在の業務手順を確認し、AIに任せる工程を決め、PoCで検証し、KPIで効果を測定し、社内ルールと確認体制を整えます。

AI用語を覚えること自体が目的ではありません。用語の意味を理解し、自社の業務にどのように関係するかを判断できるようになることが重要です。

AI用語を理解しても、自社でどの業務から始めるべきか、どのツールやプランが適しているかは企業ごとに異なります。

AI導入では、対象業務、現在の作業時間、利用人数、扱う情報、予算、社内の確認体制を整理することが重要です。次のような悩みがある場合は、導入前に専門家へ相談することをおすすめします。

• AIを使いたいが、対象業務を決められない
• 複数のAIツールからどれを選ぶべきか分からない
• 法人向けプランと個人向けプランの違いを確認したい
• AI導入費用や社内工数を整理したい
• 社内ルールや情報漏洩対策を整えたい
• PoCやKPIの設定方法が分からない
• 補助金を活用できる可能性を確認したい

AI導入について無料相談する