AI用語集｜初心者が押さえたい基本用語20選

結論：AIの記事やニュースを理解するうえで、まず押さえておきたい基本用語を20個まとめました。分野別に並べているので、分からない言葉が出てきたときの「辞書」として使ってください。専門的な定義の厳密さよりも、「経営者・ビジネスパーソンとして会話についていける」ことを優先して、あえて易しい言葉で説明しています。

今回の更新では、用語同士の関係を示す図と、「同じ言葉なのに2つの意味で使われる」まぎらわしい用語の解説を加えました。気になる言葉から拾い読みしていただいて構いません。

1. 用語同士の関係を1枚で見る

20個の用語はばらばらではなく、つながっています。まず全体の地図を見てから、個別の用語を読むと理解が早くなります。

2. AIの基本にまつわる用語

1. AI（人工知能）

人間が行う「考える・判断する・予測する」といった知的な作業を、コンピューターに行わせる技術の総称です。1950年代から研究されてきた分野ですが、2020年代の生成AIのブームで一気に身近になりました。家電の自動制御からチャットの相手まで、いろいろなレベルの技術がひとまとめに「AI」と呼ばれている点に注意が必要です。

2. 機械学習（マシンラーニング）

大量のデータから、パターンやルールを自動で学び取るしくみです。人が一つひとつ手順を教えなくても、データから自分で学ぶのが特徴で、AIを支える中心的な技術です。「迷惑メールかどうかを判定する」機能も、過去の大量のメールを学習した機械学習の一例です。

3. ディープラーニング（深層学習）

機械学習の一種で、人間の脳の神経の仕組みから着想を得た構造を何層にも重ねて、より複雑なパターンを高い精度で学ぶ方法です。画像認識や音声認識の精度を大きく高めました。AIの中に機械学習があり、その中にディープラーニングがある、という入れ子の関係です。今の生成AIの多くも、ディープラーニングを土台にしています。

4. 自然言語処理（NLP）

人間が日常で使う言葉（自然言語）を、コンピューターに理解・処理させる技術です。翻訳、要約、チャットボットなどに使われています。ChatGPTやClaudeのような対話型のAIも、自然言語処理を応用したサービスの代表例です。

5. AGI（汎用人工知能）

特定の作業だけでなく、人間のように幅広い課題に柔軟に対応できるAIのことです。今のAIは幅広い作業をこなせるようになってきましたが、人間のようにどんな課題にも柔軟に対応できる段階には至っていない、という見方が一般的です。「今のAIはもうAGIに近い」という論調も見かけますが、定義そのものや到達の時期について、専門家の間でも見解は大きく分かれています。

3. 生成AIにまつわる用語

6. 生成AI（ジェネレーティブAI）

文章・画像・音声・プログラムなどを新しく「作り出す」AIです。ChatGPTや画像生成AIが代表例です。従来のAIが「分類する」「判定する」作業を得意としていたのに対し、生成AIは「新しく作る」点が大きな違いです。

7. LLM（大規模言語モデル）

膨大な量の文章を学習し、人間のような自然な文章を作れるAIのモデルです。ChatGPTやClaudeなどの土台になっています。LLMは生成AIの一種で、「文章」を中心に扱うものを指します。「Large Language Model」の略で、実務では「LLM」とアルファベットのまま使われることがほとんどです。

8. マルチモーダル

文章だけでなく、画像・音声・動画など、複数の種類の情報をまとめて扱えるAIの性質です。写真を見せて質問する、手書きのメモを撮影して文字に起こす、グラフの画像を見せて内容を解説させる、といった使い方が、この機能によるものです。

9. トークン

AIが文章を処理するときの単位で、単語や文字のかたまりのことです。APIの利用料金や、一度に扱える文章の量は、このトークンの数で数えられます。英語では約4文字（単語でいうと0.75語）が1トークンの目安です。日本語は英語よりトークンが多くなりやすく、1文字あたり何トークンになるかはモデルによって大きく異なります。料金を見積もるときは、実際の文章で試して確かめるのが確実です。

10. パラメータ

AIのモデルが学習によって調整する「内部の設定値」です。数が多いほど複雑な表現を学べる傾向があり、モデルの規模の目安として使われます。「〇〇億パラメータ」という表現を見かけたら、モデルの大きさのおおよその目安と考えましょう。ただし、パラメータが多い＝必ず高性能、というわけではなく、学習データの質や設計の工夫も同じくらい重要です。

4. AIを使うときの用語

11. プロンプト

AIに与える指示や質問のことです。「丁寧な敬語で200字にまとめて」のように具体的に書くほど、ねらった答えを得やすくなります。「誰に」「何のために」「どんな形式で」を書き添えるだけでも、返ってくる答えの質は大きく変わります。

12. プロンプトエンジニアリング

AIから良い答えを引き出すために、プロンプトを工夫する技術やノウハウのことです。良い例を示す、手順を分けて指示する、役割を与える（「あなたは経験豊富な編集者です」など）といった工夫が代表的です。最近は、AIに渡す資料や情報をどう選ぶか（コンテキスト）や、AIが働く環境全体をどう整えるか（ハーネス）といった、より広い工夫も重視されるようになっています。

13. ハルシネーション

AIが事実と異なる情報を、もっともらしく答えてしまう現象です。存在しない統計や、実在しない論文・URLをもっともらしく作ってしまうのが典型例です。AIは「次に来そうな言葉」を予測して文章を作るため、現在の技術では完全にはなくせません（分からないときに答えを控えるよう設計すれば、減らすことはできます）。社外向けの資料に使うときは、必ず人が事実を確認しましょう。

14. 推論

学習を終えたAIが、実際に質問に答えたり予測を出したりする処理のことです。「学習」が勉強、「推論」が本番の受け答え、とイメージすると分かりやすいでしょう。私たちがAIとチャットしているとき行われているのは、この推論です。なお、「推論」にはもう一つの意味があります（後述の「2つの意味で使われる用語」を参照）。

15. API

ソフトウェア同士をつなぐ窓口のことです。AIのAPIを使うと、自社のアプリやサービスにAIの機能を組み込めます。API経由の利用は多くの場合「使った分だけ支払う」従量課金で、月額が決まったチャット画面での利用とは料金の仕組みが異なります。

5. 発展的なしくみ・サービスの用語

16. 学習データ

AIが学習するために読み込ませる、もとになる大量のデータです。データの質と量が、AIの性能を大きく左右します。偏ったデータで学習すると、AIの答えにも同じ偏りが表れるため、学習データの質や著作権の扱いは社会的な議論の的にもなっています。

17. ファインチューニング

すでに学習を終えたAIに、特定の用途のデータを追加で学習させ、専門分野に合わせて調整することです。口調や形式、特定の作業のこなし方を身につけさせるのに向いています。モデルそのものに手を加える方法のため、後述のRAGに比べて手間と費用がかかりやすく、最新の情報を反映させる用途には向きません。

18. RAG（検索拡張生成）

AIが答える前に、社内資料やデータベースなど外部の情報を検索して参照するしくみです。最新の情報や自社固有の情報にもとづいた答えを得やすくなります。ファインチューニングがモデルに口調や形式、作業のこなし方を身につけさせるのに向くのに対し、RAGはモデルを変えずに、必要なときだけ外部の知識を参照します。資料を差し替えれば答えも更新されるため、中小企業が「自社専用のAI」を作るなら、まずRAGから検討するのが一般的です。

19. AIエージェント

与えられた目標に向かって、AIが自分で手順を考え、複数の作業を自律的に進めるしくみです。従来のチャット型のAIが「聞かれたことに答える」だけだったのに対し、AIエージェントは「調べる」「実行する」「結果を確かめる」までを一連の流れでこなします。2025〜2026年にかけて、Claude CodeやChatGPTのエージェント機能など、実務で使えるものが一気に広がりました。便利な反面、AIに何を操作させてよいかの線引きが大切になります。

20. ChatGPT

OpenAIが提供する対話型の生成AIサービスです。2022年11月の公開をきっかけに、生成AIが一般に広まりました。同じ種類のサービスには、AnthropicのClaudeやGoogleのGeminiなどがあり、それぞれ得意分野や料金の仕組みが違います。

6. 2つの意味で使われる、まぎらわしい用語

AIの用語には、同じ言葉が2つの意味で使われるものがあります。ニュースや商談で混乱しやすいので、押さえておきましょう。

「推論モデル」とは、答える前に時間をかけて考えることで、難しい問題の正答率を高めたモデルのことです。考える時間が長いほど、答えは正確になりやすい一方で、時間と費用がかかります。

7. 忙しい経営者は、まずこの5つ

20個すべてを一度に覚える必要はありません。会話についていくだけなら、まず次の5つを押さえておけば十分です。

• 生成AI：今話題になっているAIの大半はこれ
• LLM：ChatGPTやClaudeの中身を指す言葉として、ニュースに頻出する
• プロンプト：AIへの指示文。書き方次第で成果の質が大きく変わる
• ハルシネーション：AIの答えを鵜呑みにしてはいけない理由を説明するときに欠かせない
• RAG：「自社専用のAI」を作りたいという相談で、まず出てくる技術

残りの用語は、社内でAI活用の話が具体的になった段階で、必要なときに調べれば十分です。

8. よくある誤解と、用語を知る実利

• 「AI」と「生成AI」は同じではない：AIはより広い概念で、生成AIはその中の一分野。迷惑メールの判定のような「分類・判定」のAIも、古くからあるAIの一種
• 「ChatGPT」は固有名詞、「生成AI」は一般名詞：「ChatGPTで調べて」と言っても、実際には別のサービスを指していることがある
• パラメータの数だけでは性能は決まらない：規模は目安になるが、それだけで優劣は決まらない
• ハルシネーションは「たまに起きる不具合」ではない：今のAIでは常に起こりうる性質

用語を知っておく一番の実利は、AIのベンダーやシステム会社との商談で、「何を提案されているのか」を自分で判断できるようになることです。たとえば「ファインチューニングで対応します」と言われたとき、それがRAGに比べて費用も時間もかかる方法だと知っていれば、「まずRAGで小さく試せないか」と切り返せます。用語を知らないままだと、提案の妥当性を判断できず、言われるがままに高額な契約を結んでしまうリスクもあります。

実務でよく出てくる用語（MCP、コンテキストウィンドウ、サンドボックスなど）は、続編の「AI用語集2」で解説しています。あわせてご覧ください。

9. まとめ

• AI・機械学習・ディープラーニングは、AIの土台となる入れ子の関係
• 生成AI・LLM・トークン・マルチモーダルは、今の生成AIを理解する鍵
• プロンプト・ハルシネーションは、AIを使うときに必ず知っておきたい言葉
• RAG・ファインチューニング・AIエージェントは、一歩進んだ活用で登場する
• 「推論」「学習」など、2つの意味で使われる言葉に注意する
• 用語は暗記するものではなく、必要なときに調べる「辞書」として使う