AI LEARNING
仕事に役立つAI用語ガイド
AIの言葉を、日々の仕事に置き換えて理解するためのガイドです。意味と使いどころ、気をつけたい点を確認し、自社で試す小さな一歩を考えてみましょう。
全28用語 · 最終見直し
AI用語一覧
気になる言葉を選ぶと、意味・仕事での使い方・注意点が開きます。
28件の用語
別の言葉を入力するか、絞り込みを解除してください。
生成AIのガードレール
安全に使う
AIに任せる範囲と、止める条件を決める仕組みです。
意味
生成AIのガードレールは、入力や回答、外部ツールの操作を確認し、業務で許容できない処理を防ぐための仕組みです。個人情報らしい文字列の検出、扱わない話題の設定、回答形式の検査などを組み合わせます。
仕事での使い方
例えば見積もり対応では、AIに返信案を作らせても、値引きの確約や送信は担当者の承認後にします。問い合わせ文に含まれる不要な個人情報を、AIへ渡す前に取り除く設計も考えられます。
注意点
設定しただけで事故がなくなるわけではありません。正しい依頼まで止める場合や、危険な内容を見逃す場合があります。実際の問い合わせに近い例で試し、止めた理由と人への引き継ぎ先を確認しましょう。
Embedding(埋め込み)
しくみを知る
言葉の意味の近さを、計算できる数値で表す技術です。
意味
Embeddingは、文章などの特徴を数値の並びに変換する技術です。その数値を比べることで、使われている単語が違っても、意味の近い情報を探しやすくなります。文章以外に、画像などを扱う方式もあります。
仕事での使い方
例えば設備会社の対応履歴から、「水がぽたぽたする」という相談に似た過去の「蛇口の水漏れ」の記録を探す用途です。担当者が正式な部品名を知らなくても、関連する作業報告へたどり着く助けになります。
注意点
似ている記録が正解とは限りません。型番、日付、契約条件などは別に照合する必要があります。また、数値に変換しても匿名化を保証するものではありません。元資料と同じように、保存先と閲覧権限を管理しましょう。
プロンプトインジェクション
安全に使う
AIが読む資料に指示を紛れ込ませ、動きを変えようとする攻撃です。
意味
プロンプトインジェクションは、AIへの入力を利用して、本来の依頼や守るべきルールから外れるよう誘導する攻撃です。利用者の直接入力だけでなく、ウェブページ、メール、添付資料に埋め込まれた指示から起きることもあります。
仕事での使い方
例えば取引先メールを整理するAIが、本文中の「社内資料を指定先へ送れ」という文章を命令として扱うと危険です。メール内容は整理する対象として扱い、利用者の指示と区別する設計が必要です。
注意点
「怪しい指示には従わない」と書くだけでは十分ではありません。AIが読める情報と操作できる範囲を絞り、送信や削除には承認を挟みます。入力検査、アクセス制限、操作記録を重ね、万一の影響を小さくしましょう。
MLOps
しくみを知る
予測AIを業務で使い続けるための、点検と改善の運用です。
意味
MLOpsは、機械学習モデルの開発から公開、監視、更新までを継続的に管理する考え方です。最初に精度のよいモデルを作れても、商品や顧客の行動が変われば、現場での予測が外れやすくなることがあります。
仕事での使い方
例えば弁当の販売数予測では、予測と実売の差、欠品、売れ残りを記録します。店舗の営業時間やメニューが変わったときは、データを見直し、新しいモデルを試してから本番に切り替えます。
注意点
誤差が増えるたびに自動で学習し直せばよいとは限りません。入力データの欠落や集計ミスが原因のこともあります。誰が異常を確認するか、更新前に何を試すか、問題があればどう元に戻すかを先に決めましょう。
オーケストレーション
業務に活かす
複数のAIやシステムを、ひとつの仕事としてつなぐ設計です。
意味
オーケストレーションは、複数の処理をどの順番で動かし、結果に応じて次に何をするかを管理する仕組みです。AIの回答づくりだけでなく、データ取得、条件判定、人の承認なども一連の流れに組み込めます。
仕事での使い方
例えば修理の受付なら、相談内容の分類、保証情報の確認、必要な写真の案内、担当者への振り分けをつなぎます。情報が足りない場合は質問へ戻し、保証の判断が難しい場合は人へ渡すようにします。
注意点
処理をつなぐほど、一部の不具合が後工程に広がります。同じ受付を二重登録しない工夫や、途中で止まったときの再開方法が必要です。まずは短い流れを作り、処理の履歴と失敗時の対応を確かめましょう。
GPUサーバー
基盤を知る
AIの学習や実行で使う、大量の計算を得意とするサーバーです。
意味
GPUサーバーは、多くの計算を並行して進めるGPUを搭載したコンピューターです。AIモデルの学習や、学習済みモデルから回答を得る推論などに利用されます。必要な性能は、モデルの大きさや同時に処理する件数で変わります。
仕事での使い方
例えば製品写真の検査AIを自社で動かす場合、画像の枚数や判定に使える時間から構成を検討します。試作段階だけクラウドで借りる方法もあり、AIを使う会社すべてが自前で購入する必要はありません。
注意点
GPUの型番だけで選ぶと、メモリー不足や待ち時間に悩むことがあります。保守、電力、冷却、バックアップも含めて費用を見積もりましょう。まず実際のデータで試し、必要な処理速度と月々の利用量を測ることが大切です。
SLM(小規模言語モデル)
しくみを知る
用途を絞ったAIを、比較的少ない計算資源で動かす選択肢です。
意味
SLMは、比較的小さな規模で設計された言語モデルの呼び方です。規模の区切りは一律ではありません。大型モデルより必要なメモリーや計算量を抑えられる場合があり、端末内での処理や限定した業務への利用が検討されています。
仕事での使い方
例えば店舗の端末で、短い作業メモを決まった分類へ振り分ける用途です。文章の自由な相談を幅広く受けるより、対象と出力を絞った仕事で、速度や使いやすさを評価しやすくなります。
注意点
小さいから必ず速い、安全、安いとは言えません。日本語の表現や専門用語、長い文書への対応はモデルごとに異なります。社外へデータを送らない構成かどうかも別に確認し、現場の例題で比較しましょう。
マルチモーダルAI
業務に活かす
文章だけでなく、画像や音声なども扱うAIです。
意味
マルチモーダルAIは、文章、画像、音声など、複数の種類の情報を扱うAIです。対応する入力や出力の組み合わせは製品によって異なります。写真と説明文を一緒に渡すなど、文章だけでは伝えにくい状況を扱える点が特徴です。
仕事での使い方
例えば清掃会社が、作業前後の写真と担当者のメモから報告書の下書きを作る使い方です。写真の説明を一から入力する手間を減らし、担当者は現場で実際に確認した内容を加えて仕上げられます。
注意点
画像の小さな傷や文字、音声の固有名詞などを誤って読み取ることがあります。写っていない状況まで推測する場合もあります。人物や住所の映り込みを確認し、品質判定や安全確認をAIの見た目の理解だけに任せないようにしましょう。
MCP
しくみを知る
AIと業務データやツールを接続するための共通の取り決めです。
意味
MCPはModel Context Protocolの略で、AIアプリと外部システムをつなぐためのオープンな規格です。データを参照したり、ツールを呼び出したりする接続の作り方を共通化します。接続先が提供する機能と、AI側の対応が必要です。
仕事での使い方
例えばAIから在庫システムの商品情報を調べ、問い合わせへの回答案に使う接続を考えられます。まず読み取りだけを許可し、在庫の修正や注文の登録は別の承認を必要にすると、試しやすくなります。
注意点
接続できることと、安全に任せられることは別に確認が必要です。提供元、取得するデータ、操作権限を点検しましょう。MCP自体が回答の正確さや情報漏えい防止を保証するわけではなく、接続先ごとの管理が欠かせません。
エッジAI
基盤を知る
データが生まれる現場の近くで、AIの処理を行う方法です。
意味
エッジAIは、カメラ、端末、工場内の機器など、データの発生場所に近いところでAIを動かす方式です。毎回クラウドへ送る構成に比べて、通信待ちや送信量を減らせる場合があります。クラウドと役割を分ける構成もあります。
仕事での使い方
例えば倉庫のカメラ映像を現場の機器で処理し、立ち入りを検知したときだけ担当者へ知らせる使い方です。大量の映像を常に外へ送り続けずに運用したい場合の選択肢になります。
注意点
端末の計算性能や設置環境には制約があります。通信がなくてもすべての機能が動くとは限らず、機器の更新や故障対応も必要です。映像の保存、通知の送信先、遠隔保守の経路まで確認して、現場で試験しましょう。
国産LLMとデータ主権
安全に使う
モデルの開発元と、データを管理する条件を分けて考えます。
意味
国産LLMは、一般に国内の企業や組織が開発する大規模言語モデルを指す呼び方です。一方、データ主権は、データの保管や利用をどの法域・運用体制の下で管理できるかという論点です。日本語の得意さとデータ管理は別々に確認します。
仕事での使い方
例えば取引先との契約書を扱うなら、モデルの開発元だけでなく、入力内容の保存場所、学習への利用、保守担当者のアクセス、削除の条件をサービス提供者に確認します。自社の契約上の条件と照らすことが出発点です。
注意点
「国産だからデータは必ず国内に残る」とは限りません。海外モデルでも国内環境で動かす構成があります。名称や印象で判断せず、契約と実際の構成を確認し、必要に応じて専門家へ相談しましょう。
FDE
業務に活かす
利用する現場に近い立場で、課題整理から実装まで進める技術職です。
意味
FDEはForward Deployed Engineerの略です。顧客や利用部門と密に関わり、業務上の困りごとを理解しながら、使える仕組みを作るエンジニアを指します。担当範囲や関わり方は企業によって異なり、常駐を必ず意味するわけではありません。
仕事での使い方
例えば卸売会社で、営業が見積書を作る手順を観察し、商品マスターの不備を整理してから、入力補助の試作品を作ります。担当者に使ってもらい、例外処理や確認画面を直す、といった進め方です。
注意点
技術者に依頼すれば業務上の判断まで自動で決まるわけではありません。現場の責任者、使ってよいデータ、成果の測り方、納品後の保守を合意しましょう。特定の担当者しか直せない状態を避ける引き継ぎも大切です。
ハルシネーション
安全に使う
AIが、事実と異なる内容をもっともらしく出すことです。
意味
ハルシネーションとは、生成AIが実際にはない情報や誤った説明を、自然な文章として出す現象です。存在しない資料名や、確認できていない仕様を示すこともあります。文章の読みやすさや言い切りの強さから、正確さは判断できません。
仕事での使い方
例えば商品紹介文を作るとき、資料にない耐久年数や付属品が加わっていないかを確認します。AIには商品仕様書の範囲で下書きを作らせ、不明点は「要確認」と残すようにすると、見直す場所を把握しやすくなります。
注意点
資料や検索結果を参照させても、誤りがなくなるわけではありません。数値、固有名詞、引用元を元資料に戻って確かめましょう。価格や納期など顧客との約束につながる内容は、担当者が確認してから使う運用が必要です。
プロンプトエンジニアリング
使い始める
AIへの頼み方を整理し、目的に合う出力へ近づける工夫です。
意味
プロンプトエンジニアリングは、AIに渡す指示や例を設計し、出力を試して改善する取り組みです。何を作るか、誰が読むか、使ってよい情報、仕上がりの形式を具体的にすると、意図に合っているかを確認しやすくなります。
仕事での使い方
例えば「案内を書いて」ではなく、「休業日を知らせる店頭掲示を、初めて来るお客様にも分かる言葉で、日付と再開日を入れて作成。未確定事項は補わない」と頼みます。よい出力例を添える方法もあります。
注意点
長い指示や特別な言い回しが、いつも効果的とは限りません。条件を足しすぎると矛盾も起きます。よくある入力と難しい入力の両方で試し、事実確認は別に行いましょう。改善した指示を保存すると、社内で使い回しやすくなります。
HITL(人が関わる運用)
安全に使う
AIの処理の途中や判断の場面に、人の確認を組み込む方法です。
意味
HITLはHuman in the Loopの略です。AIの結果を人が確認、修正、承認する流れを設けます。すべてを確認する方法も、影響が大きい処理や判断の難しいケースだけを人へ回す方法もあり、業務のリスクに合わせて設計します。
仕事での使い方
例えば請求書の読み取りでは、AIが入力案を作り、担当者が金額、取引先、振込先を原本と照合して確定します。単に「承認」ボタンを置くより、原本と入力案を並べ、違いを見つけやすくすることが重要です。
注意点
忙しい担当者が内容を見ずに承認すると、確認の仕組みが形だけになります。確認項目と責任者、判断できないときの相談先を決めましょう。修正内容を記録し、AIに任せる範囲や画面の作り方を見直す材料にできます。
LoRA
しくみを知る
AIモデル全体を更新せず、小さな追加部分を学習する調整手法です。
意味
LoRAはLow-Rank Adaptationの略で、学習済みモデルを特定の用途へ調整する手法の一つです。基本となる重みを固定し、比較的小さな追加のパラメーターを学習します。全体を再学習する方法より、必要な学習資源を抑えられる場合があります。
仕事での使い方
例えば社内の作業報告を決まった分類へ分けるために、正しく分類した例を集めて調整する用途が考えられます。ただし、指示の工夫や既存モデルで十分な場合もあるため、先に小さな比較テストを行います。
注意点
LoRAは、少量の例を渡せば何でも覚える仕組みではありません。偏った学習例では別の入力に弱くなる可能性があります。利用できるデータの権利やモデルの条件を確認し、学習に使わなかった例で効果を測りましょう。
トークン
使い始める
AIが文章を扱うために分ける単位で、文字数とは一致しません。
意味
トークンは、言語モデルが文章を処理するときの単位です。一文字、単語の一部、記号などが単位になることがあり、分け方はモデルと言語で異なります。多くのAIでは、一度に扱える情報量やAPIの利用料金に関係します。
仕事での使い方
例えば長い議事録と複数の資料をまとめて渡すと、見えている質問文が短くても入力の量は増えます。繰り返し送る資料を絞る、必要な章だけ取り出すなど、仕事に必要な情報を選ぶと管理しやすくなります。
注意点
「日本語一文字が一トークン」と固定して計算するのは避けましょう。回答以外の処理も利用量に含まれる場合があります。契約の課金方式と使用モデルを確認し、実際の利用記録で費用と上限を把握することが確実です。
フィジカルAI
業務に活かす
周囲を認識し、ロボットなどを通じて現実の環境で動くAIです。
意味
フィジカルAIは、カメラやセンサーから周囲の状態を捉え、ロボットなどの動作につなげるAIを指す言葉です。文章や画面上の処理に加え、物をつかむ、運ぶといった現実の作業を扱います。使われ方には幅があります。
仕事での使い方
例えば倉庫で箱の位置を認識し、ロボットがつかんで所定の場所へ移す用途です。同じ作業でも、箱の形や照明、周囲の人の動きによって条件が変わるため、実際の現場に近い環境で検証する必要があります。
注意点
判断の誤りが、物の破損や人への危険につながり得ます。動作範囲、停止方法、人と機械を分ける工夫など、安全面は専門家を交えて設計しましょう。成功率だけでなく、失敗したときに安全に止まれるかも重要です。
AI検索
使い始める
探した情報をAIが整理し、質問に沿って答える検索の使い方です。
意味
AI検索は、検索とAIによる理解・要約を組み合わせる仕組みです。公開ウェブを調べるものや、社内資料から探すものがあります。ページの一覧を眺める手間を減らせますが、対象とする情報の範囲はサービスや設定によって異なります。
仕事での使い方
例えば展示会への出展準備で、開催日、会場、申込条件を質問し、候補を比較する下調べに使えます。社内では「過去に似た案件はあるか」と尋ね、関連する報告書を探す用途も考えられます。
注意点
検索に出てきた情報が最新で正しいとは限りません。回答と出典の内容が一致しない場合もあります。締切や料金などの重要事項は公式ページに戻り、更新日と対象条件を確認しましょう。検索できない資料がある点にも注意が必要です。
バイブコーディング
業務に活かす
自然な言葉でAIへ伝え、動きを確かめながらソフトを形にする開発の進め方です。
意味
バイブコーディングは、作りたいものや直したい点を自然な言葉でAIに伝え、生成されたプログラムを動かしながら調整する開発スタイルを指す言葉です。厳密に統一された定義はなく、試作品を素早く形にする文脈で使われます。
仕事での使い方
例えば店舗の備品チェック画面を、架空のデータで試作し、入力項目や画面の順番を現場で確かめる使い方です。動く画面があると、文章だけでは分かりにくかった要望を具体的に話せます。
注意点
一度動いたことは、業務で安全に使える証明にはなりません。ログイン、データ保存、誤操作、外部通信などを確認し、必要なテストを行います。顧客情報を扱う本番システムは、コードを理解できる担当者のレビューと保守体制を用意しましょう。
コンテキストエンジニアリング
しくみを知る
AIが判断に使う資料や履歴を、必要な形でそろえる設計です。
意味
コンテキストエンジニアリングは、AIに渡す指示だけでなく、参考資料、会話履歴、ツールの結果など、判断の材料全体を整える取り組みです。何を渡し、何を省き、どのタイミングで取り出すかを考えます。
仕事での使い方
例えば営業メールの下書きなら、今回の依頼、最新の価格表、相手との合意事項、使ってよい表現をまとめて渡します。関係のない過去メールを大量に入れるより、今回の返信に必要な情報を選ぶことが大切です。
注意点
情報が多いほどよい回答になるとは限りません。古い資料や矛盾した条件が混ざると、判断を誤る原因になります。資料の日付、優先する情報、不足している項目を明確にし、閲覧権限のない情報を混ぜない設計にしましょう。
GPTs
使い始める
特定の目的に合わせ、指示や参考資料を設定したChatGPTです。
意味
GPTsは、用途に合わせた指示、参考資料、利用機能などを組み合わせたChatGPTのカスタム版です。毎回同じ前提を説明する手間を減らし、目的に沿った使い方をそろえるための機能として提供されてきました。
仕事での使い方
例えば社内の文章チェック用に、表記のルールと確認項目を設定し、担当者が案内文を持ち込んで見直す用途です。自社だけで使う内容なのか、外部へ共有するものなのかによって、資料の扱いを決めます。
注意点
ChatGPT Enterprise向けには、GPTsからPluginsへの移行が案内されています。新たな運用を組む前に、自分の契約での提供状況を確認しましょう。外部サービスへ接続する場合は、送られる情報と相手側の取扱条件も確認が必要です。
AI Ready
使い始める
AIを仕事に取り入れられるよう、業務とデータと運用を整えた状態です。
意味
AI Readyは、AIを導入して使い続けるための準備ができている状態を表す言葉です。ツールを契約するだけでなく、仕事の手順、利用できるデータ、確認する人、情報管理のルールを整えることが含まれます。統一された一つの資格を指す言葉ではありません。
仕事での使い方
例えば見積書づくりを改善したいなら、まず商品名や価格表を整理し、値引きを判断する人と例外を洗い出します。そのうえで、架空の案件や利用許可のあるデータを使って、小さく試します。
注意点
全業務を一度に変えようとすると、効果も問題も見えにくくなります。対象を一つ選び、今かかっている時間、やり直しの件数、確認の負担を記録しましょう。試した後に同じ指標を比べ、続けるかを判断できます。
ソブリンクラウド
基盤を知る
データの置き場所に加え、運用やアクセスの管理を重視したクラウドです。
意味
ソブリンクラウドは、特定の国や地域の主権上の要件に応えるため、データ保管、運用主体、アクセス管理などを設計したクラウドの呼び方です。何をどこまで管理できるかは、サービスごとに違います。
仕事での使い方
例えば取引先から厳しいデータ管理条件を求められる会社では、保存する国だけでなく、誰が保守できるか、暗号鍵を誰が管理するか、障害時にどこへ複製されるかを調べる必要があります。要件を具体的にしてから比較します。
注意点
国内のデータセンターを使うだけで、すべての要件を満たせるとは限りません。契約、運用上のアクセス、バックアップやログの扱いまで確認しましょう。名称を安全性の保証と受け取らず、自社が求める条件を一つずつ照合することが大切です。
Deep Research
使い始める
複数の資料を調べ、比較しながら報告書にまとめるAIの調査機能です。
意味
Deep Researchは、調査の問いをもとに、複数の情報源をたどって内容を整理するAIの機能・手法を指します。提供するサービスによって、扱える資料や手順は異なります。単発の検索より、論点を分けた調べものに向く場合があります。
仕事での使い方
例えば新しい販路を考える際、候補地域の人口動向、既存店舗、出店条件を分けて調べ、比較資料のたたき台を作る用途です。「分からない点も残す」「公式資料を優先する」など、調査の条件を先に伝えます。
注意点
時間をかけた報告書でも、調査漏れや誤読は起こります。出典の発行時期、比較する数字の定義、対象地域を確認しましょう。集めた事実とAIの推測を分け、事業上の判断に使う重要な数値は元資料と照合します。
AI-RAN
基盤を知る
携帯電話の無線アクセス網とAIを組み合わせる技術分野です。
意味
RANは、携帯端末と通信網をつなぐ無線アクセス網です。AI-RANには、AIで通信を最適化する取り組み、通信処理とAI処理で計算設備を共有する取り組み、通信網の近くでAIアプリを動かす取り組みなどがあります。
仕事での使い方
例えば将来の工場向けサービスでは、現場の映像を近くの計算設備で処理する構成が考えられます。中小企業がAI-RANそのものを導入するというより、通信事業者が提供するサービスの基盤として関わる場面があります。
注意点
AI-RANという名称だけで、通信速度や遅延が保証されるわけではありません。利用できる地域、端末、回線、処理場所、障害時の対応を個別に確認します。実証段階の取り組みと、契約して使えるサービスを区別しましょう。
AIデータセンター
基盤を知る
AIの大量計算を支えるため、計算・通信・電力・冷却を整えた施設です。
意味
AIデータセンターは、AIの学習や推論に必要な計算設備を支える施設です。GPUなどのサーバーに加え、サーバー同士をつなぐ通信、データ保存、給電、冷却などを組み合わせて運用します。設備の構成は用途によって異なります。
仕事での使い方
中小企業は、施設を自ら持たなくても、AIサービスやクラウドを通じてその計算能力を利用できます。社内の資料検索や画像処理を外部サービスへ任せる場合も、その先でこうした設備が処理を支えていることがあります。
注意点
設備が大規模で新しいことだけでは、業務上の安心は判断できません。利用者としては、停止時の対応、データの保存場所、復旧の条件、費用を確認しましょう。重要業務では、サービスが止まったときの代替手順も用意しておくと安心です。
AIエージェント
業務に活かす
目標に向けて手順を選び、ツールを使いながら作業を進めるAIです。
意味
AIエージェントは、与えられた目標に対し、状況を見ながら手順を選び、必要なツールを使って作業を進めるAIシステムです。どこまで自律的に動くかは設計によって異なり、複数の作業を扱うだけで完全自動になるわけではありません。
仕事での使い方
例えば問い合わせ対応で、内容を読み、関連する商品情報を探し、不足事項を整理して返信案を作る流れです。最初は担当者が確認する下書きまでを任せ、正確さや例外への対応を確かめながら範囲を広げられます。
注意点
誤った判断が次の操作へ続くと、影響が大きくなることがあります。送信、購入、削除などの権限は分け、必要な承認を設けましょう。作業の記録、費用の上限、停止方法、人へ引き継ぐ条件を決めて運用します。