※本記事はプロモーションを含みます
「そこはRAGで拾えますよね」。会議でそう振られて、とりあえずうなずいた。席に戻ってから検索したものの、出てきた説明がまた別の用語だらけで手が止まった——生成AIの用語でつまずくのは、だいたいこの流れではないでしょうか。
先に答えを書きます。全部の語を正確に覚える必要はありません。「いま話しているのはAIを作る側の話か、使う側の話か」——この一本の線が引けるだけで、会議の話の筋は追えるようになります。そのうえで、頻繁に飛び交う語だけ意味と使いどころをセットで持っておく。この2段構えが記事の骨格です。
そこでこの記事では15語を、①ざっくりの意味 ②会議でそのまま使える一言の組で並べます。技術的な定義は文脈によって幅があるため、細かい仕様や条件は各サービスの公式ドキュメントで確認する前提で読んでください。
※この記事はファーストキャリア編集部が、公開情報の整理と用語の使いどころの設計としてまとめたものです。各サービスの仕様・条件は変わるため、最新の内容は公式サイト・公式ドキュメントでご確認ください。
結論｜生成AIの基本用語をやさしく整理の要点を先に
この記事の結論
押さえる順番は3つ。①「作る側（学習）」と「使う側（推論）」を分ける → ②飛び交う15語を、意味＋会議での一言で持つ → ③定義が割れそうな語は、その場で公式ドキュメントの確認に回す。逆にやってはいけないのは、意味の正確さを先に追いかけること。定義の細部は文脈で変わるので、追いかけ始めると会議はどんどん先へ行ってしまいます。
もうひとつ先に言っておくと、用語を覚えること自体は目的になりません。会議で必要なのは「この話は自分の仕事のどこに関係するのか」を判断できる状態です。だから以下の表でも、意味の説明よりその場で口に出せる一言のほうを重く置いています。
会議で出やすい15語の早見表
順番は、会話に登場する頻度と、話の土台になる語を先に置きました。右端はそのまま言ってもらってかまいません。
| 用語 | ざっくりの意味 | 会議でそのまま使える一言 |
|---|---|---|
| 生成AI | 文章や画像などを新しく作り出すタイプのAIをまとめた呼び方 | 「今回の生成AIは、文章を作る用途という理解で合っていますか」 |
| LLM（大規模言語モデル） | 大量の文章を材料に、言葉のつながりを扱えるようにしたモデル本体 | 「そのLLMというのは、具体的にどのサービスを指していますか」 |
| プロンプト | AIに渡す指示文のこと | 「うまくいったプロンプトは、誰がどこに残しますか」 |
| トークン | 文章を処理するときの区切りの単位 | 「上限や費用の数え方は、トークンを前提に見ればいいですか」 |
| コンテキストウィンドウ | 一度のやり取りで扱える情報量の上限を指す言葉 | 「この資料を丸ごと渡せる長さかどうか、公式の上限を確認しましょう」 |
| 学習（トレーニング） | モデルそのものを作る・更新する側の工程 | 「これは学習させる話ですか、それとも使うだけの話ですか」 |
| 推論（インファレンス） | できあがったモデルを実際に動かして答えを出す工程 | 「日々の利用は推論だけなので、学習の議題とは分けませんか」 |
| ファインチューニング | 既存のモデルに追加の材料を与えて、用途に寄せる調整 | 「ファインチューニングまで必要ですか、指示の工夫では届きませんか」 |
| RAG（検索拡張生成） | 手元の資料を検索し、その内容を材料にして答えさせる仕組み | 「社内文書を参照させたい、という話ならRAGの領域ですね」 |
| ハルシネーション | もっともらしいのに事実と食い違っている出力 | 「ハルシネーションが起きる前提で、誰が確認する運用にしますか」 |
| マルチモーダル | 文章だけでなく画像や音声なども扱えること | 「画像も渡したいなら、対応範囲を公式ドキュメントで確認しましょう」 |
| AIエージェント | 指示を受けて、手順に分けながら作業を進めるタイプの仕組み | 「エージェントに任せる範囲は、どこまでを想定していますか」 |
| API | ほかのシステムから機能を呼び出すための接続口 | 「画面から使うのか、APIでつなぐのかで動く人が変わりますね」 |
| ガードレール | 使い方の範囲を制限する仕組みや、そのための社内ルール | 「入力してよい情報の線引きは、誰が決めることになりますか」 |
| プロンプトインジェクション | 読み込ませた文章に紛れた指示に、AIが従ってしまう問題 | 「外部の情報を読ませる機能なら、この論点も一緒に見ておきたいです」 |
表の使い方はシンプルで、会議中に聞き慣れない語が出たら、右端の一言をそのまま質問に変えるだけ。意味を知らないまま黙るより、確認の形にしたほうが議論が具体的になります。
まず押さえたい3語｜LLM・ハルシネーション・RAG
LLMとは、わかりやすく言えば「生成AIの中身にあるモデル本体」です。生成AIが総称で、LLMはその中で言葉を扱う部分を指す——ここが最初の分かれ目になります。総称と中身を同じ意味で使うと、話がかみ合わなくなる場面が出てきます。
ハルシネーションの意味は「事実と違う内容を、それらしい文章として出してしまうこと」。文章としては自然なので、読んだだけでは気づきにくいのが厄介なところです。だから会議では「起きるかどうか」ではなく「起きたときに誰が気づく形にするか」を決めるほうが前に進みます。
RAGとは、手元の資料を検索して、その内容を材料に答えさせる考え方です。社内の資料を参照させたいという要望が出たとき、この語が出てきます。どこまで実現できるかは使うサービスや構成によって変わるので、実現方法の詳細は各社の公式ドキュメントで確認する前提で話しましょう。
向いている人・向いていない人
同じ「用語を整理する」でも、必要な深さは立場で変わります。この記事の整理の仕方が合うかどうか、先に確認してください。
この整理の仕方が向いている人
- 非エンジニアで、社内の会議やチャットの話題についていきたい人
- 導入の検討が始まったばかりで、まず全体の見取り図がほしい人
- 質問するタイミングを逃してしまい、いまさら聞きづらくなっている人
- 触る前に、言葉の側から入りたい人
別の資料を当たったほうがいい人
- 実装のために正確な定義や設定値が必要な人（公式ドキュメントや技術資料が先）
- 特定サービスの機能や料金を比べたい人（条件は変わるため各公式サイトで）
- すでに自分でプロンプトを運用していて、用語の意味では困っていない人
後者に当てはまる場合でも、社内で説明する側に回るなら早見表は使えます。自分が分かっていることと、相手に伝わる言い方は別ものだからです。
独学で足りるケース／サポートを使うケース
用語の整理は独学で十分に進みます。ただ、独学が止まりやすい場所もはっきりしていて、たいていは「読んだけれど手が動かない」か「聞ける相手がいない」のどちらか。手段を並べて、自分がどこで止まるのかから逆算しましょう。
| 手段 | 合っている場面 | 気をつけたい点 |
|---|---|---|
| 用語の一覧を読んで整理する | 会議の話の筋を追えるようにしたい | 読むだけだと記憶に残りにくい。使う場面とセットにする |
| 対話型のサービスを実際に触る（ChatGPT、Google Gemini、Claude など） | 言葉と操作の感覚を結び付けたい | 使える機能や条件はサービス・契約内容で異なる。各公式サイトで確認 |
| 公式ドキュメントやヘルプを読む | 上限や仕様を正確に知る必要がある | 前提知識込みで書かれていることがあり、最初の1本には重い場合がある |
| 学習サービスやスクールを使う（FIRST AI など） | 独学が続かない、質問できる相手がほしい | 含まれる内容・サポートの範囲・費用は公式サイトの記載で確認する |
※この表はサービスの優劣を並べたものではなく、学び方の手段を整理したものです。各サービスで扱える内容や条件は変更されるため、最新の情報は公式サイトでご確認ください。
判断の目安をひとつ挙げるなら、「用語が分からない」で止まっているのか、「何から手をつけるか分からない」で止まっているのか。前者ならこの記事のような一覧と、実際に触る時間があれば足ります。後者のように順番から迷っているなら、学ぶ道筋を先に決めたほうが早いので、生成AIの学習方法を整理した記事で自分に合う進め方を選んでから戻ってきてください。
つまずきやすい場所と回避策
用語でつまずく場面は、覚える量よりも「似た語の使い分け」に集中します。誤解しやすい組み合わせを、対比の形でほどいておきます。
AIとLLMを同じ意味で使ってしまう
会話の中で「AIが」「LLMが」が入り混じると、誰が何を指しているのか分からなくなります。総称としてのAI・生成AIと、言葉を扱うモデル本体であるLLMは、指している範囲が違うからです。回避策は単純で、相手の言葉をそのまま返さず「そのLLMというのは、どのサービスのことですか」と一段具体化してもらうこと。それだけで、話が製品の議論なのか仕組みの議論なのかが見えてきます。
「学習」と「推論」がごちゃ混ぜになる
いちばん混乱を生むのがここ。学習はモデルを作る・更新する側の話、推論はできあがったものを使って答えを出す側の話で、関わる人も検討する内容も別ものです。「入力した内容がどう扱われるのか」という論点も、この2つを分けないと議論が空回りします。会議の冒頭で「今日は使う側の話ですよね」と確認しておくと、後半の脱線が減ります。
定義をひとつに決めつけてしまう
生成AI関連の用語は、話す人の立場やサービスによって指す範囲が少しずつ違います。AIエージェントやRAGのように、扱える範囲が構成によって変わる語はとくにそうです。だからこそ、社内で意味を固めるより、判断が必要な場面では該当サービスの公式ドキュメントを開いて確認する——この運用にしておくほうが安全です。用語の理解と、実際に使える条件は別だと考えてください。
会議で流されないための3点
- 分からない語はその場で確認する／持ち帰ると、次に出てきたときも同じ状態で座ることになります。
- 入力してよい情報の線引きを確かめる／扱える情報の範囲は組織のルールとサービスの条件の両方で決まります。自己判断で広げない。
- 契約や費用の話は公式の記載に戻す／条件は変わります。サービス契約でのトラブルに不安があるときは、消費者トラブルの相談窓口を案内している国民生活センターの情報も確認できます。
続けるための環境の作り方
用語は一度読んだだけでは定着しません。とはいえ勉強時間を新しく確保する話でもなくて、会議のあとの数分をどう使うかという話です。次の項目を、自分の動きに組み込めるものだけ拾ってください。
- 会議で分からなかった語を、その場でメモに1行だけ残す
- 残した語が早見表のどれに当たるか、あとで対応させる
- 対話型のサービスに「この語を、社内会議で説明する言い方にして」と聞いてみる
- 気になった仕様は各サービスの公式ヘルプで確認し、ブックマークしておく
- 覚えた語を、次の打ち合わせで一度使ってみる
- 入力してよい情報の範囲を、社内の担当者に確認しておく
その感覚は当たっています。言葉と操作がつながっていないと、意味は言えても判断ができません。ChatGPTやGoogle Gemini、Claudeのような対話型のサービスは、指示を書いて結果を受け取る流れ自体は共通しているので、まずは1つに絞って触りながら語を確認していくのが早道です。扱える機能や条件はサービスによって異なるため、そこは公式サイトの案内を見てください。
学んだ内容を目に見える形で残したくなったら、生成AI関連の資格を整理した記事で選択肢を見ておくのもひとつ。ただし資格を取ることと会議で話せることは別なので、順番としては用語と実際の操作が先です。
よくある質問｜生成AIの基本用語をやさしく整理
まとめ｜生成AIの基本用語をやさしく整理
この記事で扱ったことを、短く畳んでおきます。会議で必要なのは正確な定義の暗記ではなく、話の位置を見失わないための線引きでした。
持ち帰る3点
- いま話しているのが作る側（学習）か、使う側（推論）かを最初に分ける
- 15語は意味＋会議で使える一言のセットで持ち、分からない語は質問の形に変える
- 定義や条件は文脈とサービスで幅がある。判断が要る場面は公式ドキュメントで確認に回す
言葉が分かると、会議で聞き役から抜けられます。そこから先は、実際に画面を触って言葉と操作をつなげる段階。触る順番から知りたい人は、次の記事へどうぞ。
用語のあとは、実際に手を動かす番です。最初の1回で何をどう指示するかを手順で確認できます。