AI基礎/ 01 AIAI は、学習データやルールをもとに、判断・分類・生成を助ける仕組みの総称です。 たとえると →過去の事例を大量に見て、似た状況でどう動くかを提案する補助スタッフのような存在です。
活用/ 02 AIエージェントAIエージェントは、指示を受けて複数の手順を自律的に進める AI の実行役です。 たとえると →依頼を受けたら、必要な確認や段取りを自分で進めて報告まで持っていく担当者のような存在です。
安全性/ 03 AIガバナンスAIガバナンスは、AIを業務で安全かつ説明可能に使うためのルール、責任分担、見直し体制を整える考え方です。 たとえると →AIガバナンスは、社用車を増やすときに「誰が使えるか」「事故時にどう報告するか」「定期点検をどう回すか」を先に決める運用ルールに近いです。
LLM/ 04 LLMLLM は、大量の文章を学習して、自然な文を読み書きできる大規模言語モデルです。 たとえると →たくさんの文書を読み込んだうえで、聞かれた内容に合わせて下書きを返す編集アシスタントのような存在です。
LLM/ 05 LoRALoRA は、モデル全体を再学習せず、少量のパラメータを追加するだけでファインチューニングできる手法です。 たとえると →全員を一から採用し直す代わりに、既存チームに少人数の専門担当を加えて特定の業務に対応させるような方法です。
活用/ 06 MCPMCP は、AI が外部ツールやデータにつながるときの接続ルールをそろえるための共通仕様です。 たとえると →店ごとに注文の出し方が違うと毎回混乱するので、どの店にも同じ伝票で注文を通せるようにする仕組みの、AI版の決まりごとです。
安全性/ 07 PIIPII は個人を識別できる情報で、生成AI活用では入力前の除去と出力時の漏えい防止が必須になる安全性の基本概念です。 たとえると →会議室のホワイトボードに顧客名をそのまま書かないのと同じで、AI に渡す前に個人情報を伏せるのが最低限の作法です。
活用/ 08 RAGRAG は、LLM に外部資料を参照させてから答えさせる構成です。 たとえると →回答前に社内資料棚を見に行って、必要な書類を手元に置いてから返答するアシスタントのような仕組みです。
LLM/ 09 RLHFRLHF は、人間が回答を評価した結果を使って AI の振る舞いを調整する学習手法です。 たとえると →ベテラン担当者が新人の対応を採点し続け、その積み重ねをフィードバックしながら育てるような育成の仕組みです。
LLM/ 10 TemperatureTemperature は、LLM の回答をどれくらい多様にするかを調整する設定です。 たとえると →会議でアイデア出しをするときに、自由発言をどこまで許すかを決める空気感のつまみです。
LLM/ 11 Top-pTop-p は、次の単語候補を確率の高い集団へしぼってから選ぶための設定です。 たとえると →会議で出た案を全部は検討せず、有力候補だけを残した箱から1つ選ぶような絞り込みです。
LLM/ 12 アテンションアテンションは、文章中のどの部分を重視して処理するかをモデルが動的に決める仕組みです。 たとえると →長い会議メモを読むとき、全部を同じ注意で読まず、今の話題に関係する部分を無意識に強調して読むような動きです。
安全性/ 13 アラインメントアラインメントは、AI の振る舞いを人の目的やルールにできるだけ沿わせるための考え方です。 たとえると →アラインメントは、優秀でも独走しがちな担当者に、会社の目的と判断基準を共有して、同じ方向へ仕事を進めてもらう調整に近いです。
LLM/ 14 エンベディングエンベディングは、文章や単語の意味の近さを数値ベクトルで表す仕組みです。 たとえると →書類の内容を見て、意味の近いものほど近い棚番号に置けるようにする整理ラベルのようなものです。
安全性/ 15 ガードレールガードレールは、AI の出力や入力を安全な範囲に保つための運用ルールと制御の仕組みです。 たとえると →高速道路のガードレールのように、事故そのものをゼロにするのではなく、被害を大きくしないための囲いです。
活用/ 16 グラウンディンググラウンディングは、AI の回答を手元の事実や資料に結びつけて、思いつきだけで話させないようにする考え方です。 たとえると →グラウンディングは、会議で発言する前に公式資料や議事録を机に広げて確認しながら話す担当者のような状態です。
コーディングエージェント/ 18 サブエージェントサブエージェントは、メインのAIエージェントが特定の作業を委任する専門担当エージェントです。独自のコンテキスト・ツール・権限を持ち、結果だけを親に返します。 たとえると →本社の担当者が「この調査は専門チームに任せよう」と依頼し、専門チームが調査してサマリーだけを報告書で返すような分業の仕組みです。
プロンプト/ 19 システムプロンプトシステムプロンプトは、AI に最初から与える役割・方針・禁止事項をまとめた、前提となる指示です。 たとえると →新人に仕事を頼む前に、役割と社内ルールを最初に共有する業務マニュアルのようなものです。
コーディングエージェント/ 20 スキルスキルは、コーディングエージェントに独自の手順や知識を覚えさせるための拡張機能です。スラッシュコマンドとして呼び出せるほか、エージェント自身が状況に応じて自動で使います。 たとえると →新しく入社した担当者に「このプロジェクトではデプロイはこの手順で、コードレビューはこのチェックリストで」と書いたマニュアルを渡すようなものです。渡した後は担当者が自分で判断して動いてくれます。
活用/ 21 セマンティック検索セマンティック検索は、キーワードの一致ではなく文章の意味の近さで情報を探す検索方法です。 たとえると →「格安」と書いていなくても「安い」と入れたら出てくる、意味の近さで書類を探せる司書のような仕組みです。
プロンプト/ 22 ゼロショットプロンプティングゼロショットプロンプティングは、見本を付けずに目的と条件だけを伝えて AI に処理を依頼する基本的な指示方法です。 たとえると →作業見本を渡さずに、目的と条件だけを伝えて担当者に依頼するような使い方です。
プロンプト/ 23 チェーンオブソートチェーンオブソートは、複雑な課題を途中の手順に分けて扱うプロンプト技法です。非リーズニングモデルでは役立つ場合がありますが、モデルによって必要性や見え方が異なります。 たとえると →答えだけを急がず、計算の途中をメモに分けて確認するようなやり方です。ただし、モデルによっては内部で推論するため、メモをそのまま出させることが目的ではありません。
LLM/ 24 チャンク分割チャンク分割は、長い文書を検索や要約で扱いやすい小さな単位に分ける前処理です。 たとえると →長いマニュアルを丸ごと渡すのではなく、章ごとに付箋で分けて必要なページを探しやすくしておく作業のようなものです。
活用/ 25 ツールコーリングツールコーリングは、AI が外部の検索、計算、社内システムなどの道具を呼び出して、文章生成だけでは足りない処理を進める仕組みです。 たとえると →相談役が自分の頭だけで答えるのではなく、必要に応じて検索、台帳確認、計算機を使い分けながら仕事を進めるような運用です。
LLM/ 26 トークントークンは、LLM が文章を処理するときの最小単位で、コスト・速度・回答品質を左右する基本指標です。 たとえると →宅配便の送料が箱の数で変わるように、LLM は文字数ではなくトークンの数で処理負荷と料金が決まります。
安全性/ 27 バイアスバイアスは、AI の出力が特定の方向に偏ってしまう性質です。学習データや設計の傾向がそのまま出力に現れます。 たとえると →特定の地域の料理しか食べたことがない人が「世界の料理」を語るようなもので、経験の偏りがそのまま判断に出てしまう状態です。
安全性/ 28 ハルシネーションハルシネーションは、生成AI が根拠のない内容をもっともらしく答えてしまう現象です。 たとえると →確認していないのに、自信たっぷりに答えてしまう新任担当者のような状態です。
活用/ 29 ヒューマン・イン・ザ・ループヒューマン・イン・ザ・ループは、AI の判断を人が確認・修正する工程を組み込み、品質と説明責任を担保する運用設計です。 たとえると →オートパイロット中でも最終着陸はパイロットが監視するように、AI の自動化にも人の確認ポイントを残す考え方です。
LLM/ 30 ファインチューニングファインチューニングは、既存モデルを自社用途向けに追加学習させる調整方法です。 たとえると →既製スーツをそのまま着るのではなく、自分の体型や仕事に合わせて細かくお直しする作業に近いです。
プロンプト/ 31 フューショットプロンプティングフューショットプロンプティングは、期待する出力例を先に数件示してから依頼する方法で、回答の形式ぶれを減らす実務テクニックです。 たとえると →新人に口頭だけで頼むより、良い見本を2〜3件見せてから依頼したほうが成果物が揃うのと同じです。
安全性/ 33 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は、AI への指示を第三者の入力でねじ曲げる攻撃や誘導です。 たとえると →担当者向けの手順書に、外部の人が勝手な付箋を貼って判断を変えさせるような状態です。
プロンプト/ 34 プロンプトエンジニアリングプロンプトエンジニアリングは、AI に安定して望む出力を出させるために、指示文と周辺条件を設計し改善していく実務です。 たとえると →プロンプトエンジニアリングは、担当者への依頼文をその場しのぎで書くのではなく、テンプレートと確認項目を整えて毎回の成果物を安定させる仕事に近いです。
活用/ 35 プロンプトキャッシュプロンプトキャッシュは、毎回同じプロンプト部分の再計算を省くことで、コストと待ち時間を下げる仕組みです。 たとえると →毎回同じ書類を最初から読み直さず、前回読んだ部分のメモを手元に置いておくことで、差分だけ確認するようなやり方です。
LLM/ 36 ベクトル検索ベクトル検索は、キーワード一致ではなく意味の近さで関連文書を探す検索方法です。 たとえると →本の題名だけで探すのではなく、内容が近い本を同じ棚から見つける検索のようなものです。
活用/ 37 ベンチマークベンチマークは、複数のAIモデルや設定を同じ条件で比べるための評価基準とテストのまとまりです。 たとえると →ベンチマークは、複数の候補者に同じ課題を解いてもらい、採点表で比べる選考シートのようなものです。
AI基礎/ 38 マルチモーダルマルチモーダルは、文章だけでなく画像や音声など複数の情報をまとめて扱える AI の性質です。 たとえると →証言だけでなく、写真、録音、メモを机に並べて全体像をつかむ探偵の、AI版のようなものです。
安全性/ 39 モデレーションモデレーションは、AIへの入力やAIからの出力に不適切・危険な内容がないかを判定し、制御する仕組みです。 たとえると →モデレーションは、イベント会場の入場チェックや持ち込み検査のように、危ないものをそのまま通さないための関所です。
プロンプト/ 40 ユーザープロンプトユーザープロンプトは、AI にその都度の依頼内容や条件を伝える、今回ぶんの指示です。 たとえると →会社の共通ルールが決まったうえで、今回の仕事だけを切り出して渡す依頼メモのようなものです。
活用/ 41 リランカーリランカーは、検索で集めた候補文書をもう一度並べ替えて、答えに近い順へ絞り直す仕組みです。 たとえると →書類棚から広めに候補を集めたあと、質問に合う順へ担当者が再整列する下読み係のような役目です。
活用/ 42 レイテンシAI のレイテンシは、依頼してから最初の返答や完了結果が返るまでの待ち時間です。 たとえると →相談窓口に依頼してから「確認します」と最初の返事が来るまでの待ち時間のようなものです。
AI基礎/ 43 過学習過学習は、AIモデルが学習データに過度に適応してしまい、未知のデータに対してうまく動かなくなる状態です。 たとえると →過去問だけを丸暗記して本番の試験に臨むようなもので、見たことのある問題には強くても、少し違う問題には対応できなくなる状態です。
活用/ 44 構造化出力構造化出力は、AI の返答を決まった項目や形式にそろえて、後続の業務で扱いやすくする方法です。 たとえると →自由記述のメモではなく、項目が決まった入力フォームで報告を受けるような運用です。
LLM/ 45 蒸留蒸留は、大きなAIモデルの振る舞いを小さなモデルへ引き継いで、軽く使いやすい形へ縮める学習手法です。 たとえると →蒸留は、ベテラン社員の仕事ぶりを見本にして、より少人数で回せる担当チームへ要点を引き継ぐような方法です。
LLM/ 46 推論推論は、学習済みのAIモデルに入力を与えて実際の答えを返させる本番実行の工程です。 たとえると →推論は、研修を終えた担当者が実際の問い合わせにその場で返答する本番対応のようなものです。
AI基礎/ 47 汎化汎化は、AIモデルが学習データ以外の未知のデータに対しても正しく動く能力のことです。 たとえると →過去に習った原理原則を使って、見たことのない応用問題にも答えられる力のようなものです。丸暗記ではなく、本質を理解している状態です。
活用/ 48 評価評価は、AI の出力や運用が目的に合っているかを、決めた基準で確かめる工程です。 たとえると →新人へ仕事を任せる前に、感覚ではなく採点表と実技で「任せてよいか」を確かめるチェック工程のようなものです。
LLM/ 49 量子化量子化は、AIモデルの数値精度を下げてデータ量を圧縮し、推論を速く・軽くする手法です。 たとえると →原画像を高解像度のまま全員に送る代わりに、品質をほどよく保ちつつ圧縮して配信するようなやり方です。