GLOSSARY

AI用語集

AIを使うときによく出てくる言葉32語を、身近な例と注意点つきで説明しています。モデル名や料金など変わりやすい情報は、ここには書かずサービス比較で扱っています。

基本

生成AIGenerative AI

文章・画像・音声・動画・コードなどを、指示に応じて新しく作り出すAIのこと。

大量のデータからパターンを学習し、入力（指示や素材）に合わせて新しい内容を作るAIの総称です。チャットで質問に答えるAI、イラストを描くAI、文字を読み上げるAIなどが含まれます。作られる内容はもっともらしく見えても、正しいとは限りません。

例「来週の会議の議題案を5つ出して」と頼むと、議題の候補を文章で返してくれる。

注意出力は「下書き」や「候補」として扱い、事実・数字・固有名詞は自分で確かめてから使います。

関連する用語：大規模言語モデル（LLM）、ハルシネーション、マルチモーダル関連するガイド：はじめてのAI

大規模言語モデル（LLM）Large Language Model

大量の文章から学習し、次に来る言葉を予測して文章を作るAIのしくみ。チャットAIの中心部分。

大量の文章データで学習した、言葉を扱うためのAIモデルです。入力された文章の続きとして「次に来そうな言葉」を予測することを繰り返して、回答や文章を作ります。チャットAIのサービスは、このモデルに画面や検索、ファイルの読み込みなどの機能を組み合わせて提供されています。

例チャットAIに質問を入力すると、裏側のLLMが回答の文章を作っている。

注意「理解して答えている」ように見えても、言葉の並びを予測しているため、知らないことでも自然な文章で答えてしまうことがあります。

関連する用語：トークン、コンテキストウィンドウ、ハルシネーション、モデル関連するガイド：はじめてのAI

モデルModel

学習によって作られた、AIの本体にあたるもの。同じサービスでも複数のモデルを選べることがある。

学習の結果できあがった、AIの「頭脳」にあたる部分です。サービスによっては、速さを重視した小型のモデルと、じっくり考える大型のモデルなど、目的の違うモデルを切り替えて使えます。使えるモデルは料金プランによって違うことがあり、また新しいモデルに入れ替わることも多い部分です。

例簡単な要約は速いモデル、複雑な分析は高性能なモデル、と使い分ける。

注意モデルの名前や提供状況は頻繁に変わります。使えるモデルと料金は、各サービスの公式ページ（当サイトのサービスのページの出典）で確認してください。

チャットAIAI chatbot / AI assistant

会話の形でAIに指示や質問をして、回答や文章を受け取るサービス。

入力欄に文章を書いて送ると、AIが文章で返事をする形のサービスです。質問への回答だけでなく、文章の下書き、要約、翻訳、アイデア出し、表の作成、プログラムの作成など幅広い作業に使えます。会話を続けることで、前のやり取りを踏まえて回答を直してもらえます。

例「さっきの案を、もっと短く、箇条書きにして」と続けて頼める。

関連する用語：大規模言語モデル（LLM）、プロンプト、コンテキストウィンドウ関連するガイド：はじめてのAI

マルチモーダルMultimodal

文章だけでなく、画像・音声・動画など複数の種類の情報を扱えること。

文章（テキスト）だけでなく、画像・音声・動画・ファイルなど、種類の違う情報をまとめて入力したり出力したりできる性質です。たとえば写真を見せて内容を説明してもらう、音声で話しかける、文章から画像を作る、といった使い方ができます。

例ホワイトボードの写真を見せて「この内容を議事録の形に整えて」と頼む。

注意画像に写り込んだ個人情報や社外秘の情報も、AIに渡したことになります。送る前に写っているものを確認します。

関連する用語：生成AI、画像生成

画像生成Image generation

文章の指示（プロンプト）から、イラストや写真のような画像をAIが作ること。

「夕暮れの海辺を歩く猫、水彩画風」のような文章から、AIが新しい画像を作る機能です。被写体・場所・雰囲気・画風・構図・縦横比などを具体的に書くほど、イメージに近づけやすくなります。作った画像を一部だけ描き直す、画像をもとに別の画像を作る、といった機能を持つサービスもあります。

例ブログの見出し用に「青と白を基調にした、ノートパソコンと植物のフラットなイラスト」を作る。

注意商用で使えるか、作った画像の権利の扱いはサービスやプランによって違います。実在の人物・他者の作品やキャラクターに似せた画像は作らないようにします。

関連する用語：プロンプト、著作権とAI、拡散モデル関連するガイド：画像生成の始め方

使い方・プロンプト

プロンプトPrompt

AIへの指示や質問として入力する文章のこと。

AIに何をしてほしいかを伝える入力文です。目的、前提となる情報、出力の形（箇条書き・表・文字数など）、読み手、口調などを具体的に書くと、期待に近い結果が出やすくなります。一度で完璧にしようとせず、結果を見て追加の指示を出しながら直していくのが基本です。

例「メールを書いて」より「取引先に納期が3日遅れることを謝るメールを、200字程度、ていねいな口調で」のほうが伝わる。

システムプロンプト（カスタム指示）System prompt / Custom instructions

会話全体に効く前提や役割をAIに伝える指示。毎回書かなくてよい設定として用意されていることも多い。

個々の質問とは別に、会話全体を通してAIに守ってほしい前提や役割を伝える指示です。「回答は日本語で、結論から書く」「私は小学校の教員です」のような内容を設定しておくと、毎回同じ説明を書かずに済みます。サービスによって「カスタム指示」「パーソナライズ」など呼び方が違います。

例「専門用語には必ず短い説明を付ける」と設定しておく。

注意設定した内容は以後の会話すべてに影響します。思った結果にならないときは、設定が影響していないか確認します。

関連する用語：プロンプト、役割の指定関連するガイド：伝わるプロンプトの組み立て方（応用）

役割の指定Role prompting

「あなたは〇〇の編集者です」のように、AIに立場や役割を与えて回答の観点をそろえる方法。

AIに特定の立場（編集者、先生、面接官、批判的な読者など）を指定して、回答の観点や詳しさをそろえる書き方です。役割と一緒に「誰に向けて」「何を重視して」を書くと効果が分かりやすくなります。役割を与えても、その分野の専門家と同じ正確さが保証されるわけではありません。

例「あなたは厳しめの採用面接官です。私の自己紹介の弱い点を3つ指摘してください」

例を見せる指示（フューショット）Few-shot prompting

期待する出力の例をいくつか見せて、形式や書きぶりをまねしてもらう方法。

「こういう形で書いてほしい」という見本を、プロンプトの中に1〜数個入れる方法です。言葉で形式を説明するより、例を見せたほうが早く正確に伝わることがよくあります。見本と同じ内容を繰り返さないよう、「形式だけまねして」と添えると安全です。

例過去に書いた商品紹介文を2つ貼り、「この形式で新商品の紹介文を書いて」と頼む。

関連する用語：プロンプト、対話での修正（反復）関連するガイド：伝わるプロンプトの組み立て方（応用）、文章作成

対話での修正（反復）Iterative prompting

一度で完成させず、結果を見ながら追加の指示で直していく使い方。

AIの最初の回答を「たたき台」として、足りない点・直したい点を続けて伝えていく使い方です。「もっと短く」「この部分を具体例に」「表にして」など、具体的に直す場所を伝えるほど、少ない回数で目的に近づきます。話題が大きく変わるときは、新しい会話を始めたほうが前の内容に引きずられません。

例「2番目の案だけ詳しく。対象を新入社員に絞って書き直して」

しくみ

トークンToken

AIが文章を処理するときの単位。文字数とは一致せず、API の料金や上限の計算に使われる。

AIは文章を「トークン」という小さな単位に区切って処理します。1トークンが何文字にあたるかは言語やモデルによって違い、日本語と英語でも変わります。APIの料金は「100万トークンあたり〇ドル」のように、入力と出力のトークン数で計算されることが一般的です。

例長い資料を何度も読み込ませると、そのぶん多くのトークンを使う。

注意「1トークン＝〇文字」と決めつけて費用を見積もらず、各サービスの料金ページや計算ツールで確認します。

関連する用語：コンテキストウィンドウ、API、大規模言語モデル（LLM）

コンテキストウィンドウContext window

AIが一度に読める文章の量の上限。会話の履歴や貼り付けた資料もここに含まれる。

AIが1回の処理で扱える入力と出力の量（トークン数）の上限です。会話が長くなったり、大きな資料を貼り付けたりすると、上限に近づいて古い部分が考慮されにくくなったり、エラーになったりします。上限の大きさはモデルによって違います。

例長い会話の途中で最初の指示を忘れたような回答になったら、要点をまとめて新しい会話で続ける。

関連する用語：トークン、対話での修正（反復）

ハルシネーションHallucination

AIが事実でない内容を、もっともらしく答えてしまうこと。

AIが、存在しない本や論文、間違った数字、架空の出来事などを、自然な文章で答えてしまう現象です。AIは言葉の並びを予測して文章を作るため、知らないことや曖昧なことでも答えを作ってしまうことがあります。検索機能を使う場合も、引用元の読み違いが起こりえます。

例「この法律の第何条に書いてある？」と聞くと、実在しない条文番号を答えることがある。

注意数字・日付・固有名詞・引用・法律や医療の情報は、必ず一次情報（公式サイトや原文）で確認します。

根拠づけ（グラウンディング）Grounding

検索結果や渡した資料など、確かな情報源にもとづいて回答させること。

AIの回答を、ウェブ検索の結果や利用者が渡した資料などの情報源にもとづかせることです。回答に出典が付くことが多く、確かめやすくなります。ただし、情報源そのものが古い・間違っている場合や、AIが情報源を読み違える場合もあります。

例社内規程のPDFを渡して「この資料に書いてあることだけで答えて。書いていなければ『記載なし』と答えて」と頼む。

関連する用語：RAG（検索拡張生成）、ハルシネーション、ファクトチェック関連するガイド：AIで調べものをする

推論モデルReasoning model

答える前に段階を踏んで考える処理を行い、複雑な問題に強くしたモデル。

回答を出す前に、問題を分解して順番に考える処理を内部で行うように作られたモデルです。数学・プログラミング・複数の条件がからむ計画などで効果が出やすい一方、回答までに時間がかかったり、利用量を多く消費したりすることがあります。簡単な作業には通常のモデルで十分なことも多いです。

例複数の条件（予算・期間・人数）を満たす旅行計画を立てるときに使う。

関連する用語：モデル、大規模言語モデル（LLM）

ファインチューニングFine-tuning

すでにあるモデルに追加のデータで学習させ、特定の用途や書き方に合わせること。

学習済みのモデルに、特定の分野や形式のデータを追加で学習させて調整することです。決まった形式の出力や独特の書きぶりを安定させたいときに使われます。多くの場合は、まずプロンプトの工夫や資料を渡す方法（RAG）で十分かを試してから検討します。

例自社の問い合わせ対応の型に合わせた回答を安定して出したいときに検討する。

関連する用語：RAG（検索拡張生成）、モデル

公開モデル（オープンウェイト）Open-weight model

モデルの重み（学習結果）が公開され、自分の環境で動かせるモデル。

学習済みモデルのデータ（重み）が公開されていて、自分のパソコンやサーバーにダウンロードして動かせるモデルです。データを外部に送らずに使える、使い方を細かく調整できるといった利点があります。利用できる範囲（商用利用の可否など）はモデルごとのライセンスで決まります。

例社外に出せない文書の要約を、手元のパソコンで動かすモデルで試す。

注意動かすにはパソコンの性能（メモリやGPU）が必要です。ライセンスの条件を確認してから使います。

関連する用語：ローカルAI、モデル

拡散モデルDiffusion model

ノイズだらけの画像から少しずつノイズを取り除くことで画像を作る、画像生成の代表的なしくみ。

画像生成で広く使われているしくみの一つです。学習では画像にノイズを加えていく過程を学び、生成するときはその逆に、ノイズから少しずつ形を整えて画像を作ります。同じ指示でも毎回少しずつ違う画像ができるのは、出発点のノイズが毎回違うためです。

例同じプロンプトで何枚か作り、いちばんイメージに近いものを選ぶ。

開発・連携

RAG（検索拡張生成）Retrieval-Augmented Generation

質問に関係する資料を検索してAIに渡し、その内容にもとづいて回答させるしくみ。

質問を受けると、まず社内文書やデータベースなどから関係する部分を探し出し、それをAIに渡して回答を作らせるしくみです。AIが学習していない最新の情報や社内の情報にもとづいた回答ができます。社内のQ&Aボットなどでよく使われます。

例社内マニュアルを検索対象にして「経費精算の締め日は？」に答えるボットを作る。

注意検索で正しい資料が見つからないと、回答も不正確になります。どの資料を参照したかを表示させると確かめやすくなります。

関連する用語：根拠づけ（グラウンディング）、埋め込み（エンベディング）、API

埋め込み（エンベディング）Embedding

文章の意味を数値の並び（ベクトル）に変えること。意味の近い文章を探すのに使う。

文章や画像の意味を、たくさんの数値の並び（ベクトル）に変換したものです。意味が近い文章ほど近い数値になるため、キーワードが一致しなくても内容の近い文章を探せます。RAGで関係する資料を探す部分などに使われます。

例「パスワードを忘れた」と「ログインできない」を、似た質問として見つける。

関連する用語：RAG（検索拡張生成）

APIApplication Programming Interface

プログラムからAIの機能を呼び出すための窓口。使った量に応じた従量課金が一般的。

画面を操作する代わりに、プログラムからAIのモデルを呼び出すための仕組みです。自社のアプリや業務システムにAIの機能を組み込むときに使います。料金はチャットサービスの月額プランとは別で、使ったトークン数などに応じた従量課金が一般的です。

例問い合わせフォームに届いた文章を、APIで自動的に分類する。

注意APIキーは他人に知られると不正に使われ、料金が発生します。ソースコードや公開の場所に書かないようにします。

関連する用語：トークン、AIエージェント、RAG（検索拡張生成）関連するガイド：プログラミングにAIを使う

AIエージェントAI agent

目標を伝えると、手順を考え、ツールを使いながら作業を進めるAIの使い方。

1回の質問に答えるだけでなく、目標に向けて作業の手順を考え、検索・ファイル操作・プログラムの実行・他のサービスの操作などを組み合わせて進めるAIの使い方です。複数のステップがある作業を任せられる一方、途中の判断を誤ると、その誤りのまま作業が進むことがあります。

例「この3社の公開情報を調べて、比較表のたたき台を作って」と頼むと、検索と整理を順に進める。

注意送信・購入・削除など取り消しにくい操作は、実行前に人が確認する設定にします。

MCP（モデル・コンテキスト・プロトコル）Model Context Protocol

AIアプリと外部のツールやデータをつなぐための、公開された共通の接続方式。

AIのアプリケーションが、ファイル・データベース・業務サービスなどの外部ツールにつながるための共通の決まりごとです。対応したツールを用意すると、対応する複数のAIアプリから同じ方法で使えます。社内のデータに接続する場合は、どこまでの操作を許可するかを慎重に決めます。

例AIアプリからプロジェクト管理ツールのタスクを読み、要約してもらう。

注意つないだツールに対してAIが読み書きできる範囲は、必要最小限にします。提供元が分からない接続先は使わないようにします。

関連する用語：AIエージェント、API

ワークフロー自動化Workflow automation

決まった流れの作業を、AIや複数のサービスを組み合わせて自動で実行すること。

「メールが届いたら内容を要約して、表に記録し、担当者に通知する」のように、きっかけと手順が決まった作業を自動で動かすことです。ノーコードで組めるサービスも多く、AIの要約や分類を流れの途中に入れられます。毎回同じ判断をする作業ほど向いています。

例問い合わせフォームの内容をAIで分類し、カテゴリごとに担当チャンネルへ通知する。

注意自動で外部に送信する流れは、最初は人が確認する段階を入れて小さく始めます。

関連する用語：AIエージェント、API

ローカルAILocal AI

インターネット上のサービスではなく、自分のパソコンなど手元の環境でAIを動かすこと。

クラウドのサービスに送らず、自分のパソコンや社内のサーバーでAIのモデルを動かす使い方です。通信なしで使える、入力したデータが外部に出にくいといった特徴があります。一方で、大きなモデルほど高い性能のパソコンが必要になり、クラウドの最新モデルと同じ品質にはならないこともあります。

例公開モデルを手元で動かすアプリを使い、ネットにつながない状態で文章を要約する。

関連する用語：公開モデル（オープンウェイト）

安全・権利

ファクトチェックFact-checking

AIの回答に含まれる事実が正しいかを、元の情報源で確かめること。

AIが出した数字・日付・名前・引用などが正しいかを、公式サイト・原文・統計の一次データなどで確認する作業です。AIに出典を出してもらった場合も、リンク先を開いて、本当にその内容が書いてあるかを確認します。人に見せる文章や判断に使う情報ほど、確認を省かないことが大切です。

例AIがまとめた料金を、公式の料金ページで確認してから資料に載せる。

学習への利用（オプトアウト）Training data use / Opt-out

入力した内容がAIの改善（学習）に使われるかどうか。設定で拒否（オプトアウト）できる場合がある。

AIサービスに入力した会話やファイルが、提供会社のモデルの改善に使われるかどうかのことです。個人向けと法人向けのプランで扱いが違ったり、設定で学習への利用を止められたりすることがあります。扱いは各社の規約や設定画面で確認する必要があり、変更されることもあります。

例仕事で使う前に、設定画面で「モデルの改善に使用する」の項目を確認する。

注意学習に使われない設定でも、会話の保存期間や確認の目的での閲覧などは別の決まりがあります。機密情報は入力しないのが基本です。

個人情報の入力Personal data

氏名・連絡先・顧客の情報などをAIに入力するときは、目的と社内ルールを確認する必要がある。

名前・住所・電話番号・メールアドレス・顧客や患者の情報など、個人を特定できる情報をAIに入力すると、その情報を外部のサービスに渡したことになります。勤務先のルールや、本人の同意の範囲を確認せずに入力しないことが大切です。要約や文章の手直しなら、名前を「Aさん」に置き換えるだけでも安全性が上がります。

例顧客からのメールを要約するとき、名前と連絡先を伏せてから貼り付ける。

機密情報Confidential information

社外秘の資料・未公開の情報・契約上守るべき情報。AIに入力してよいかは勤務先のルールで決まる。

未発表の製品情報、取引先との契約内容、社内の数字など、外部に出してはいけない情報です。業務でAIを使うときは、勤務先が認めたサービスやプラン（法人向けの契約など）だけを使い、入力してよい情報の範囲を確認します。ルールがない場合は、上司や担当部署に確認してから使います。

例社内向けのAIサービスが用意されている場合は、個人のアカウントではなくそちらを使う。

著作権とAICopyright

AIで作った文章や画像の権利、他者の作品の扱いについての注意点。国や用途、サービスの規約で扱いが変わる。

AIで作った文章や画像を公開・販売するときは、利用したサービスの規約（商用利用の可否や権利の帰属）を確認します。また、他人の作品・キャラクター・実在の人物に似せたものを作ったり、他人の文章をそのまま貼り付けて作り直したりすると、権利の侵害になるおそれがあります。法律の解釈は国や状況によって違い、変わることもあるため、重要な判断は専門家や公的機関の情報で確認します。

例作ったイラストを商品に使う前に、サービスの利用規約で商用利用の条件を確認する。

注意このページは一般的な注意点の説明で、法的な助言ではありません。

ディープフェイクDeepfake

AIで作られた、実在の人物が本当に話したり動いたりしているように見える偽の画像・音声・動画。

AIを使って、実在の人物の顔や声をまねた画像・音声・動画を作ったものです。なりすましや詐欺、名誉を傷つける目的に悪用されることがあります。自分が作らないことに加えて、出どころの分からない映像や音声をそのまま信じたり広めたりしないことが大切です。

例家族の声で「お金を振り込んで」という電話がきたら、いったん切って本人に別の方法で確認する。

用語の説明は、一般的な意味をまとめたものです。サービスによって呼び方や仕様が違う場合があります。