【生成AI用語】基礎から応用まで、実務で使える用語の理解と応用

生成AIの普及により、ビジネスの現場でも専門用語を耳にする場面が増えています。

しかし、「LLM」「RAG」「マルチモーダル」など、聞き覚えの無い用語に戸惑いを感じる方も多いのではないでしょうか。

用語を正しく理解することは、単に知識を蓄えるだけでなく、AIを業務で使うべきか、どう使うべきかを見極める力を持つことにつながります。

そこで本記事では、ビジネスパーソンが押さえておくべき生成AI用語を、基礎から応用まで網羅的に、かつ分かりやすく解説します。

🗣️基礎概念｜AIの全体像を理解する用語

まずは、全ての土台となる基本的な言葉から整理していきましょう。

AI（人工知能）

コンピュータに知的な処理を行わせる技術の総称です。

機械学習（Machine Learning）

大量のデータからコンピュータが自らルールやパターンを見出す手法です。

深層学習（ディープラーニング）

人間の脳の神経回路を模した「ニューラルネットワーク」を多層に重ねた高度な学習手法です。

生成AI（Generative AI）

既存のデータを学習し、新しい文章、画像、音声、コードなどを独自に作り出すAIを指します。

AGI（汎用人工知能）

特定の作業だけでなく、人間と同じようにあらゆる知的作業をこなせるAIの理想形です。

特異点（シンギュラリティ）

AIの能力が全人類の知能の総和を超える転換点のことで、未来予測の概念として語られます。

🗣️構造と仕組み｜大規模言語モデル（LLM）の内部用語

対話型AIの中核となる「大規模言語モデル」に関する用語を深掘りします。

LLM（大規模言語モデル）

膨大なテキストデータで学習した、自然な文章を生成できるAIモデルです。

トランスフォーマー 

現代の生成AIの劇的な進化を支えている、情報を効率的に処理するための技術的な構造です。

パラメータ 

AIモデル内の「設定値」のようなもので、この数が多いほど一般に複雑な推論が可能になります。

トークン

AIが文字を処理する際の最小単位です。英語は「1単語 ≒ 1トークン」に近いですが、最新のモデルでは日本語の処理効率が向上しており、現在は「1文字 ≒ 1トークン以下」で処理されることが一般的です。
かつてのように日本語だからといって極端にトークンを消費することは少なくなっています。

コンテキストウィンドウ

AIが一度に覚えておける情報の長さのことです。これを超えると古い内容を忘れてしまいます。

埋め込み表現（エンベディング）

言葉の意味を多次元の数値（ベクトル）に変換し、AIが概念として理解できるようにする技術です。

※巨大な地図を想像してみてください。リンゴとバナナは果物エリアに配置され（=近い）、リンゴとスマートフォンは遠く離れた場所に配置されます。AIはこの数値を使って、言葉同士の近さを判断します。

温度（Temperature）

AIの回答の「自由度」を設定する数値です。低ければ堅実、高ければ創造的な回答になります。

事前学習

特定の用途に使う前に、インターネット上の膨大なデータから汎用的な知識を学ぶ工程です。

💡Yoomは生成AIの活用を自動化できます

👉Yoomとは？ノーコードで業務自動化につながる！

AIの用語や仕組みを理解しても、それを日々の業務に組み込む作業が負担になっては本末転倒です。

しかし、Yoomを活用すれば、ChatGPTやGeminiなどのAIを、普段お使いのSlackやGoogleワークスペースとプログラミングなしで連携できます。

例えば、毎日届くメールをAIが自動で要約し、重要なものだけをSlackで通知するといった仕組みも構築可能です。

AIを「調べる道具」から「自動で動く部下」に変えてみませんか？まずは以下のテンプレートから、その便利さを体験してみてください。

Googleフォームで問い合わせを受信したら、Geminiで回答を作成して送信する

試してみる

---

■概要

Webサイトに設置したGoogleフォームからの問い合わせ対応に、多くの時間や手間がかかっていませんか。一つ一つ内容を確認し、回答文を作成して返信する作業は、担当者にとって大きな負担となりがちです。 このワークフローを活用すれば、Googleフォームで問い合わせを受信した際に、Geminiが自動で回答文を生成し、メールで送信するまでの一連の流れを自動化できます。Geminiによる自動化で、問い合わせ対応の効率化を実現します。

■このテンプレートをおすすめする方

• Googleフォームからの問い合わせ対応に、多くの時間を費やしているカスタマーサポート担当者の方
• Geminiを活用した自動化によって、問い合わせへの回答品質を均一化したいと考えている方
• 手作業によるメール返信業務での対応漏れや遅延を防ぎたいと考えているチームリーダーの方

■このテンプレートを使うメリット

• フォームでの受信からメール送信までが自動化されるため、担当者が手動で対応していた時間を削減できます
• 定型的な返信業務を自動化することで、対応漏れや遅延といった人為的なミスを減らすことに繋がります

■フローボットの流れ

1. はじめに、GeminiとGoogleフォームをYoomと連携します
2. 次に、トリガーでGoogleフォームを選択し、「フォームに回答が送信されたら」というアクションを設定します
3. 続いて、オペレーションでGeminiを選択し、「コンテンツを生成」アクションで問い合わせ内容に基づいた回答文を作成します
4. 最後に、オペレーションでメール機能の「メールを送る」アクションを設定し、生成された内容を記載したメールを送信します

※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント

• Googleフォームのトリガー設定では、自動化の対象としたい任意のフォームIDを指定してください
• Geminiでコンテンツを生成するアクションでは、用途に応じて最適なモデルを任意で選択できます

■注意事項

• Googleフォーム、GeminiのそれぞれとYoomを連携してください。
• トリガーは5分、10分、15分、30分、60分の間隔で起動間隔を選択できます。
• プランによって最短の起動間隔が異なりますので、ご注意ください。
• Googleフォームをトリガーとして使用した際の回答内容を取得する方法は「Googleフォームトリガーで、回答内容を取得する方法」を参照ください。

詳細を見る 試してみる

フォームで回答が送信されたら、ChatGPTで引用文を生成してGoogle スプレッドシートに追加する

試してみる

---

■概要

 フォームに入力された内容を基に引用文を作成し、Google スプレッドシートへ自動で追加したいものの、毎回ChatGPTで文章を生成してスプレッドシートへ転記する流れは手間がかかりがちであり、作業量の割にミスも起こりやすいと感じる場面があるはずで、このワークフローはフォーム送信をきっかけにChatGPTで引用文を生成し、Google スプレッドシートへ記録するまでを一連で処理できるため、引用文作成の業務がスムーズになります。 

■このテンプレートをおすすめする方

• フォーム送信内容を基に引用文を作り、手動で管理している担当者の方
• ChatGPTで生成した文章をGoogle スプレッドシートへ転記しており効率化したい方
• 日常的に引用文生成業務を扱うチームの方 

■このテンプレートを使うメリット

• フォーム送信を起点に引用文が自動生成されGoogle スプレッドシートへ追加されるため、手入力や作業の抜け漏れを抑えつつ時間を確保できます。 
• 文章生成と記録の流れが標準化することで、属人化の解消に繋がります。

■フローボットの流れ

1. はじめに、ChatGPTとGoogle スプレッドシートをYoomと連携する
2. 次に、トリガーでフォームトリガーを選択し「フォーム送信」を起点に設定する
3. 次に、オペレーションでChatGPTの「テキスト生成」を設定し、フォーム内容から引用文を生成する
4. 最後に、Google スプレッドシートの「レコードを追加する」を設定し、生成された引用文を任意のシートに書き込む 

※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント

• Google スプレッドシートで使用するスプレッドシートIDを任意の管理ファイルへ変更できます。
• 書き込み先のシートIDも自由に設定可能で、用途に応じて管理シートを使い分けられます。 

■注意事項

• ChatGPT、Google スプレッドシートのそれぞれとYoomを連携してください。
• ChatGPT（OpenAI）のアクションを実行するには、OpenAIのAPI有料プランの契約が必要です。（APIが使用されたときに支払いができる状態）
• ChatGPTのAPI利用はOpenAI社が有料で提供しており、API疎通時のトークンにより従量課金される仕組みとなっています。そのため、API使用時にお支払いが行える状況でない場合エラーが発生しますのでご注意ください。

詳細を見る 試してみる

🗣️実践と運用｜精度を向上させる応用用語

AIの実力を最大限に引き出すための、具体的な手法に関する用語です。

プロンプト

AIに与える指示文や質問のことです。

プロンプトエンジニアリング

AIから最高の回答を得るために、指示文の書き方を工夫・設計する技術です。

RAG（検索拡張生成）

AIの内部知識だけでなく、外部の社内マニュアルなどを検索して回答させる仕組みです。

ファインチューニング

特定の業界用語や社内ルールにあわせるため、既存のモデルを追加で学習させることです。

CoT（思考の連鎖）

「ステップ・バイ・ステップで考えて」と指示し、論理的な思考過程をたどらせる手法です。

Few-shot学習

指示文の中にいくつか「例（サンプル）」を提示して、AIにやり方を覚えさせることです。

ゼロショット

例示なしで、指示だけを与えてタスクを実行させることです。

マルチモーダル

テキストだけでなく、画像、音声、動画など異なる形式の情報を同時に処理できる機能です。

グラウンディング

AIの回答を、事実や特定の根拠（エビデンス）に正確に結びつけることを指します。

🗣️リスクと安全性｜適切な活用のための用語

AIをビジネスで安全に使うために、避けて通れないリスク関連の言葉です。

ハルシネーション

AIがもっともらしい嘘を、あたかも真実のように回答してしまう現象です。

AIバイアス

学習データの偏りにより、差別的だったり偏った回答が出たりするリスクのことです。

プロンプトインジェクション

指示文の中に悪意ある命令を混ぜ、AIに制限を突破させるサイバー攻撃の一種です。

XAI（説明可能なAI）

AIがなぜその回答を出したのか、人間が納得できる理由を説明できる状態を目指す概念です。

ガードレール

AIが有害な発言や不適切な回答をしないように制御する安全装置のことです。

ディープフェイク

AIによって作られた、本物と見分けがつかない偽の画像や動画です。

レッドチーミング

意図的に攻撃を行い、AIの弱点や安全性をテストする手法です。

🗣️自律型システムと発展的な概念

最後に、これからの働き方を大きく変える可能性のある発展的な用語です。

自律型AIエージェント

目標を与えると、自ら計画を立て、必要なツールを使い分けてタスクを完結させるシステムです。

A2A（Agent to Agent）

複数のAIエージェントが相互に連携し、複雑な業務を分担して進める仕組みです。

推論モデル

回答を出す前に内部で深い思考（Reasoning）を行うように設計された次世代のモデルです。

MCP（Model Context Protocol）

AIモデルと外部ツール、データベースを安全に接続するための標準的な共通ルールです。

※家電のUSBポートを想像してみてください。かつては携帯電話ごとに充電器（接続方法）が異なり不便でしたが、USBという共通規格ができたことで、どんなデバイスもつなげるようになりました。MCPは、まさにこれのAI版です。

Vibe Coding

自然言語で指示を出し、人間がコードを一切確認することなく、AIとの対話と動いた感触（バイブス）だけでアプリ開発を反復していく手法のことです。

スモール言語モデル（sLM）

特定の用途に特化し、軽量で高速に動作するように最適化された小規模なモデルです。

👀【実証】生成AIの基本概念に基づいた実用性の検証

用語の理解を深めるために、実際に生成AIを使って2つの検証を行いました。

✅検証①RAG（検索拡張生成）導入でAIはどこまで社内通になれるのか

特定の社内文書を連携させるRAG（検索拡張生成）を組み合わせることで、どこまで実務に即したグラウンディング（根拠付け）が可能になるのか、ChatGPT（GPT-5.2 Thinking）で検証しました。

※無料版では利用回数に制限がある、あるいはInstant（軽量版）しか使えない可能性があります。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【プロンプト】
株式会社Yoomの旅費規定における、国内出張の「宿泊手当」の金額を教えてください。
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

検証結果

【出力結果（RAGあり）】

【出力結果（RAGなし）】

RAGなしのChatGPTは、「公開情報がないため答えられない」という誠実な回避策をとりました。ハルシネーションは防げているものの、結局人間が資料を探す手間は残ったままです。

対して、ファイルを読み込ませたRAGありの回答は鮮やかです。「一律12,500円」という正解だけでなく、「例外時の上限金額」という細かな補足まで正確に抽出しています。

✅検証②マルチモーダルによるホワイトボード画像解析の実用性

Gemini（Gemini 3）を活用し、 ホワイトボードの写真から、AIがどこまで正確に議事録を生成できるかを実証しました。

※高度モデルや推論機能は有料ユーザーに優先提供されています。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【プロンプト】
添付されたホワイトボード画像を解析し、以下の構成で議事録として構造化してください。
・会議名
・自動化フローの要約
・ネクストアクション
・特記事項
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

検証結果

【出力結果】

画像一枚から、会議名、業務フロー、タスク、付箋の注意点まで、わずか数秒で完璧に抽出しています。

中央の図解から矢印をデータの流れとして解釈し、山田といった表記を「担当者」、1/30を「期限」と正しく判断して整理しました。

物理的な青い付箋の内容を特記事項として独立させるなど、情報の優先順位まで理解しています。

⚙️Yoomでできること

👉Yoomの登録はこちら。30秒で簡単に登録できます！

RAGによる社内情報の検索や、マルチモーダルを活用したホワイトボードの議事録作成など、これらを個別にAIへ指示を出すのではなく、一つの自動化フローとして組み込めるのがYoomの強みです。

例えば、ホワイトボードの写真を撮るだけで、AIが内容を解析し、社内規定（RAG）と照らし合わせて矛盾がないかをチェックし、その結果をチームのSlackに投稿する。そんな高度な連携も、Yoomなら簡単に実現できます。

AIを使いこなすための第一歩として、まずは以下のテンプレートを活用し、自動化の可能性を広げてみてください。

Google Driveで画像がアップロードされたらGeminiで解析して、その内容をTelegramに通知する

試してみる

---

■概要

Google Driveで画像がアップロードされたらGeminiで解析して、その内容をTelegramに通知するフローです。

Yoomではプログラミング不要でアプリ間の連携ができるため、簡単にこのフローを実現することができます。

‍

‍■このテンプレートをおすすめする方

• 顧客から送付された画像の情報をスムーズに共有したいカスタマーサポート担当者
• 大量の画像データを取り扱っているECサイトの運営者
• 競合製品や新商品の画像を素早く分析して共有したい市場調査の担当者
• 複数のソーシャルメディアで投稿された自社商品の画像を収集し、マーケティング戦略やブランド管理に活用したい方
• 画像データの内容確認や連絡作業を迅速に行いたい方

‍

■このテンプレートを使うメリット

このフローにより、Google Driveにアップロードした画像のGeminiによる解析と解析結果のTelegram通知が自動化されます。

顧客や社内の担当者から収集した画像を手動で確認し報告する必要がなくなるため、作業時間が短縮され、担当者はより価値の高い業務に時間を振り分けることが可能です。

また、画像のアップロード後、速やかに解析と通知が行われることで、関係者への情報共有や対応がスムーズになります。

詳細を見る 試してみる

フォームから回答が送信されたら、OpenAIで画像生成を行い結果をGoogle スプレッドシートに追加する

試してみる

---

■概要

OpenAIを活用した画像生成は非常に便利ですが、毎回プロンプトを考えたり、生成した画像や関連情報を手作業で管理したりするプロセスに手間を感じることはないでしょうか。このワークフローを活用すれば、フォームで受け付けた回答を基に、OpenAIが自動で画像を生成し、その結果をGoogle スプレッドシートへ自動で記録するため、OpenAIを利用した一連の自動化作業を実現し、手作業のプロセスを効率化します。

■このテンプレートをおすすめする方

• OpenAIを活用したコンテンツ生成の自動化に関心があるマーケティング担当者の方
• フォームからのリクエストに応じて、OpenAIで画像を自動生成する仕組みを構築したい方
• 生成した画像とその情報をGoogle スプレッドシートで一元管理し、業務を効率化したい方

■このテンプレートを使うメリット

• フォーム回答を起点にOpenAIでの画像生成とGoogle スプレッドシートへの記録が自動化され、手作業に費やしていた時間を短縮できます
• 生成された画像の情報が自動でGoogle スプレッドシートに集約されるため、データ管理を一元化し、後から確認する際の作業効率が向上します

■フローボットの流れ

1. はじめに、OpenAIとGoogle スプレッドシートをYoomと連携します
2. 次に、トリガーでフォームトリガー機能を選択し、「フォームが送信されたら」というアクションを設定します
3. 次に、オペレーションでOpenAIを選択し、「テキストから画像を生成する」アクションを設定します
4. 最後に、オペレーションでGoogle スプレッドシートの「レコードを追加する」アクションを設定し、生成された画像の情報などを指定のシートに追加します

※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション

■このワークフローのカスタムポイント

• フォームトリガー機能では、画像生成に必要な情報を入力してもらうための質問項目を任意でカスタマイズしてください
• OpenAIで画像を生成する際のプロンプトは自由に設定でき、フォームで受け付けた回答内容を変数として組み込むことも可能です
• Google スプレッドシートへの追加先として、対象のスプレッドシート、シート、テーブル範囲などを任意で指定してください

■注意事項

• OpenAI、Google スプレッドシートのそれぞれとYoomを連携してください。
• ChatGPT（OpenAI）のアクションを実行するには、OpenAIのAPI有料プランの契約が必要です。（APIが使用されたときに支払いができる状態）
  https://openai.com/ja-JP/api/pricing/
• ChatGPTのAPI利用はOpenAI社が有料で提供しており、API疎通時のトークンにより従量課金される仕組みとなっています。そのため、API使用時にお支払いが行える状況でない場合エラーが発生しますのでご注意ください。

詳細を見る 試してみる

🚩まとめ

生成AIの世界は日々進化しており、新しい言葉が次々と登場しますが、本記事で紹介した「LLM」「RAG」「ハルシネーション」といった基本用語さえ押さえておけば、AIをどう活用すべきか、どんなリスクに備えるべきかが見えてくるはずです。

用語を理解することは、AIという強力なパートナーと対話するための共通言語を持つことです。

ぜひ、これらの知識を武器に、日々の業務にAIを取り入れてみてください。

出典：
ChatGPT ｜ Google Japan Blog ｜Introducing the Model Context Protocol | Anthropic