1. HOME
  2. IM-Press
  3. お役立ち情報
  4. AI用語集|ビジネスで覚えておくべきAI用語26選を解説

AI用語集|ビジネスで覚えておくべきAI用語26選を解説

AI
AI用語集|ビジネスで覚えておくべきAI用語26選を解説

この記事を読んでわかること

  • AIの基本的な仕組みや学習方法に関する用語
  • 生成AIやAIエージェント、AIネイティブ開発に関する専門用語
  • AIのビジネス活用に必要なリスク管理の知識

AI(人工知能)は、業務効率化やデータ分析、顧客対応など、さまざまなビジネスシーンで活用されています。

一方、AIには専門用語が多く、それぞれの意味や違いを理解するのが難しいと感じる方もいるのではないでしょうか。

本記事では、ビジネスで覚えておきたいAI用語を26項目に整理し、基礎から実務・リスク管理まで段階的に解説します。

AI(人工知能)の基礎知識

AI用語を理解するには、まずAIそのものの意味や関連する概念を押さえることが重要です。

AI(人工知能)とは

AI(Artificial Intelligence)とは、人間が行う認識や判断、学習、推論などの知的な処理を、コンピューターによって実現する技術や研究分野の総称です。

たとえば、画像から物体を識別するシステムや、音声を文字に変換するサービス、過去のデータから需要を予測する仕組みなどが挙げられます。

AGI(汎用人工知能)

AGI(Artificial General Intelligence)とは、特定の用途に限定されず、幅広い知的作業に対応できる「汎用人工知能」です。

現在のAIは特定の用途で高い性能を発揮するものが中心ですが、AGIは複数分野の課題に柔軟に対応できると想定されています。ただし、厳密な定義や評価基準は確立されていません。

生成AI(ジェネラティブAI)

生成AI(Generative AI)とは、学習したデータの特徴やパターンをもとに、文章や画像、音声、動画、プログラムコードなどを生成するAIです。

たとえば、メールの下書きや議事録の要約、企画案などを作成できます。ただし、出力には誤った情報が含まれる場合があるため、業務で利用する際は確認が必要です。

生成AIの導入費用は、以下の記事をご覧ください。

 

【レベル1】AIの仕組み・学習手法に関する基礎用語5選

AIの仕組みを理解するには、データから規則性を学習する技術や、学習に使用するデータの扱い方を知ることが重要です。

機械学習(Machine Learning)

機械学習とは、データから規則性を学習し、予測や分類を行う技術です。AIを実現する代表的な手法です。

人間が処理条件を設定するルールベースのプログラムとは異なり、機械学習ではデータから規則性を学習し、未知のデータに対して予測や分類を行います。

ディープラーニング(深層学習)

ディープラーニング(Deep Learning)とは、多層構造のニューラルネットワークを利用する機械学習の手法です。日本語では「深層学習」と呼ばれます。

複雑な特徴を学習でき、画像認識や音声認識、自然言語処理などに活用されています。たとえば、製造ラインの製品画像から傷や欠陥を検出できます。

ニューラルネットワーク

ニューラルネットワークとは、脳の神経細胞のつながりから着想を得た数理モデルです。複数の人工ニューロンでデータを段階的に処理します。

一般的には、入力層、中間層、出力層などで構成され、学習によって接続の重みを調整します。画像認識や音声認識、文章生成など、さまざまなAI技術の基盤です。

教師あり学習/教師なし学習/強化学習

教師あり学習、教師なし学習、強化学習は、機械学習における代表的な学習方法です。

学習方法 特徴 活用例
教師あり学習 正解ラベル付きのデータを使って学習する 迷惑メール判定、不正取引の検知
教師なし学習 正解ラベルを使わず、データの構造や特徴を分析する 顧客のグループ分け、購買傾向の分析
強化学習 行動の結果として得られる報酬をもとに学習する ロボット制御、ゲームAI
 
 

教師あり学習は予測や分類、教師なし学習はデータの特徴の発見などに活用されます。一方、強化学習は、試行錯誤を通じて報酬を最大化する行動方針を学習する手法です。

アノテーション(データラベリング)

アノテーションとは、AIの学習や評価に使用するデータに、ラベルや補足情報を付与する作業です。データラベリングとも呼ばれます。

たとえば、画像内の不良箇所を指定したり、文章に「肯定的」「否定的」などの分類ラベルを付けたりする作業が該当します。教師あり学習では、ラベルの正確性がモデルの性能に影響します。

 

【レベル2】LLM・生成AIに関する必須用語7選

生成AIをビジネスで活用するには、言語モデルの仕組みや指示の与え方、モデルの調整方法などを理解することが重要です。

LLM(大規模言語モデル)/SLM(小型言語モデル)

LLM(Large Language Model)とは、大量のテキストなどを用いて学習した大規模な言語モデルです。文章生成や要約、翻訳、質問応答などに対応できます。

一方、SLM(Small Language Model)は、一般的にLLMよりモデル規模が小さい言語モデルを指します。

比較項目 LLM SLM
モデル規模 比較的大きい 比較的小さい
得意な用途 幅広い言語処理や複雑なタスク 特定業務や比較的限定されたタスク
計算資源 多く必要になる傾向 少なく済む傾向
 
 

ただし、モデル規模だけで性能が決まるわけではありません。用途や精度、運用コストなどを比較して選ぶことが重要です。

ローカルLLMについては、以下の記事も参考にしてみてください。

GPT/自然言語処理(NLP)

GPT(Generative Pre-trained Transformer)とは、Transformerと呼ばれるニューラルネットワークのアーキテクチャを利用した、生成型の事前学習済みモデルです。OpenAIが開発するモデル群の名称として知られていますが、すべての大規模言語モデルがGPTに該当するわけではありません。

自然言語処理(Natural Language Processing:NLP)は、人間が日常的に使用する言葉をコンピューターで分析・処理する技術分野です。

トークン(Token)

トークンとは、AIモデルが文章などを処理する際に使用する情報の単位です。言語モデルでは、文章を単語や単語の一部、記号などに分割して処理します。

トークン数は、生成AIの利用料金や一度に処理できる情報量に関係します。なお、1トークンが必ず1文字や1単語に対応するわけではありません。

プロンプト(Prompt)/プロンプトエンジニアリング

プロンプトとは、生成AIに入力する指示や質問、参考情報などのことです。たとえば、「以下の議事録を300文字以内で要約してください」といった文章が該当します。

生成AIの出力品質は、プロンプトの内容によって変化します。目的や条件、出力形式などを明確にすることで、期待する回答を得やすくなるでしょう。

生成AIに適切な指示を与えるための設計・改善手法は「プロンプトエンジニアリング」と呼ばれます。

ファインチューニング(追加学習)/PEFT・LoRA

ファインチューニングとは、事前学習済みのAIモデルに追加学習を行い、特定の用途や業務に適した性能へ調整する手法です。関連する用語として、PEFTとLoRAがあります。

PEFT(Parameter-Efficient Fine-Tuning)は、モデルのパラメータの一部などを調整し、追加学習に必要な計算資源を抑える手法の総称です。

LoRA(Low-Rank Adaptation)はPEFTの代表的な手法で、低ランクの行列を利用して、比較的少ない学習パラメータでモデルを調整します。

ハルシネーション(幻覚現象)

ハルシネーションとは、生成AIが事実と異なる情報や根拠のない内容をもっともらしく出力する現象です。実在しない参考文献を提示したり、社内規程に記載されていないルールを回答したりするケースが考えられます。

対策としては、信頼できる情報源の参照や出力内容の検証、人による確認などが挙げられます。

マルチモーダルAI

マルチモーダルAIとは、文章や画像、音声、動画など、異なる種類の情報を組み合わせて処理できるAIです。

たとえば、製品画像と検査記録による不良箇所の分析や、会議の音声と資料を使った議事録作成に活用できます。

 

【レベル3】実務・AIネイティブ開発で差がつく専門用語6選

AIを業務システムに組み込む際は、AIエージェントやRAGなど、実践的な技術に関する知識も重要です。

AIエージェント/エージェント型ワークフロー(Agentic Workflow)

AIエージェントとは、与えられた目標に対して、状況に応じた判断や外部ツールの利用などを行い、必要な処理を進めるAIシステムです。問い合わせ内容を分析し、社内システムから情報を取得して回答案を作成する仕組みなどが挙げられます。

一方、エージェント型ワークフロー(Agentic Workflow)は、AIが判断やツールの実行などを組み合わせ、複数の処理を進める仕組みです。

AIエージェントの導入・活用については、次の記事で詳しく解説しています。

RAG(検索拡張生成)/エンベディング(Vector Embedding)

RAG(Retrieval-Augmented Generation)とは、外部の文書やデータベースから関連情報を検索し、その内容を参照して生成AIに回答させる仕組みです。たとえば、社内マニュアルや業務規程を検索し、関連する情報をもとに問い合わせへ回答するシステムなどに活用できます。

RAGに関連する技術が、エンベディング(Embedding)です。文章などの情報を、意味や特徴を表す数値ベクトルに変換する技術を指します。これにより、意味が近い文書を検索できる場合があります。

コンテキストウィンドウ(Context Window)

コンテキストウィンドウとは、言語モデルが一度の処理で参照できる情報量の上限を指します。一般的にはトークン数で表されます。

上限を超える情報は、一度に処理できない場合があるため、文書の分割や必要な情報の抽出などが必要です。

システムプロンプト(System Prompt)/思考の連鎖(CoT)

システムプロンプトとは、生成AIの役割や動作方針、回答時の制約などを設定するための指示です。たとえば、社内問い合わせ用のAIに対して、回答する業務範囲や禁止事項、回答形式などを設定する用途があります。

一方、CoT(Chain of Thought)は、日本語で「思考の連鎖」と呼ばれ、複雑な問題を中間的な推論ステップに分けて扱う考え方です。

ガードレール(Guardrails/入出力の安全性制御)

ガードレールとは、AIの入力や出力、実行する操作などを制御し、安全性や適切性を確保するための仕組みです。個人情報の入力を検知したり、不適切な回答を制限したりする機能などが該当します。

AIエージェントでは、外部システムへのアクセス権限や実行可能な操作を制限することも重要です。

データサイエンス/データマイニング

データサイエンスとは、統計学や情報科学、機械学習などを活用し、データから意思決定に役立つ知識を得るための分野です。データの収集や整理、分析、可視化、業務への活用など、幅広い工程を含みます。

一方、データマイニングは、大量のデータから規則性や傾向、関連性などを発見する手法です。

 

【レベル4】ビジネス運用・ガバナンス・リスク管理用語5選

AIを企業で安全に活用するには、技術的な知識だけでなく、情報管理やリスク対策に関する用語も理解しておく必要があります。

グラウンディング(事実に基づく根拠付け)

グラウンディングとは、AIの回答を信頼できる情報源や外部データなどに結び付け、根拠に基づいた出力を促す考え方です。

たとえば、社内規程に関する質問に対して、関連する規程文書を参照させて回答する仕組みなどが挙げられます。RAGは、グラウンディングを実現するための代表的な手法の一つです。

ヒューマン・イン・ザ・ループ(HITL/人間による確認・承認体制)

ヒューマン・イン・ザ・ループ(Human-in-the-Loop:HITL)とは、AIを利用する処理や学習の過程に人間が関与し、確認や修正、判断などを行う仕組みです。

たとえば、AIが作成した契約書の下書きを担当者が確認したり、AIエージェントによる重要な処理の実行前に承認を求めたりする方法があります。

AIガバナンス/責任あるAI(Responsible AI)

AIガバナンスとは、企業や組織がAIを適切に開発・利用するための方針やルール、管理体制などを整備する取り組みです。

一方、責任あるAI(Responsible AI)は、公平性や透明性、安全性、プライバシーなどに配慮してAIを開発・利用する考え方です。

両者は密接に関連しており、企業にはAIの利用方針や責任範囲の明確化、継続的なリスク管理が求められます。詳しくは以下の記事をご覧ください。

シャドーAI(無断利用リスク)/データ汚染・毒化

シャドーAIとは、企業が承認していないAIサービスを従業員が業務で利用することです。社内ルールで許可されていない生成AIに顧客情報や機密文書を入力すると、情報漏洩などのリスクにつながる可能性があります。

一方、データ汚染とは、誤った情報などがデータに混入することです。悪意を持って学習データを操作し、AIの動作や出力に影響を与える攻撃は「データポイズニング」と呼ばれます。

著作権・商用利用リスク・セキュリティ対策

生成AIをビジネスで利用する際は、生成物の著作権や商用利用条件、情報セキュリティなどの確認が必要です。たとえば、AIが生成した文章や画像、プログラムコードが第三者の著作権などを侵害する可能性があります。

企業では、利用規約の確認や入力データの管理、生成物のチェック、アクセス権限の制限などを組み合わせて対策しましょう。

 

ビジネスでAI用語を理解しておくべき3つの理由

AI用語の理解は、業務効率化や適切なツール選定、リスク管理につながります。ここでは、ビジネスでAI用語を理解しておくべき3つの理由を解説します。

業務効率化・自社に合ったAIツールの選定精度向上

AI用語を理解することで、AIツールの機能や特徴を比較し、自社の課題に適したサービスを選びやすくなります。たとえば、社内文書を参照して回答する仕組みを構築したい場合、RAGやLLM、コンテキストウィンドウなどの知識が役立つでしょう。

エンジニアや開発ベンダーとのコミュニケーション円滑化

AI用語を理解していれば、エンジニアや開発ベンダーとの認識の違いを減らし、円滑にコミュニケーションを取ることが可能です。AIエージェントやRAG、ファインチューニングなどの違いを理解しておくことで、必要な機能や開発方法を具体的に相談できます。

情報漏洩・権利侵害・シャドーAIなどの運用リスク回避

AIを安全に利用するには、ハルシネーションやシャドーAI、著作権などのリスクを理解しておくことが重要です。たとえば、生成AIの回答を確認せずに利用すると、誤情報によるトラブルが発生する可能性があります。

こうした問題を防ぐには、AIガバナンスやHITL、ガードレールなどの考え方を理解し、適切な管理体制を整えることが必要です。

 

まとめ

AI用語には、機械学習などの基礎技術から、LLMやRAG、AIエージェントなどの実務に関する概念まで、さまざまな種類があります。

これらを理解することで、自社に適したAIの導入方法を検討しやすくなります。また、安全な活用にはガバナンスやセキュリティの知識も重要です。

NTTデータ イントラマートが提供する「iintra-mart」は、AIを活用した開発と業務自動化を支援するプラットフォームです。

AIネイティブ開発によって要件定義から実装・検証までを支援するほか、AIエージェントを活用した情報収集や文案作成、業務の引き継ぎなどを効率化できます。

さらに、AIの参照範囲や操作権限の設定、人による承認、処理履歴の記録にも対応し、人とAIが協働する安全で効率的な業務プロセスの実現を支援します。

AIを活用して開発生産性の向上や業務プロセスの変革を目指す企業は、intra-martのAI関連機能・ソリューションをご覧ください。

CONTACT

intra-martに関する
ご質問やご相談について、お気軽にお問い合わせください。

社内でのご検討に役立つ、
導入実績や機能をまとめた
製品カタログをご用意しています。

課題に合わせた最適な導入プランをご提案します。
まずはお気軽にお問い合わせください。

メルマガ
登録無料!

intra-martの最新セミナー情報を中心に、
業務改善・DXのヒントとなる事例やお役立ち情報をお届けします。

メールマガジン登録