文章・画像・音声などを「新しく作り出す」AIの仕組みと、その土台になる考え方をまとめた分類です。
生成AIは「使ってみた」で止まりやすい分野です。止まる原因の多くは、何ができて何ができないかの線引きが言葉の段階で曖昧なままなこと。ここを揃えておくと、社内で「これはAIに任せる／任せない」の判断が早くなります。最適AIの研修は全コースが「生成AIの全体像・Claude入門」から始まります。
ざっくり頼んだ内容に合わせて、文章・画像・音声などを「その場で作ってくれる」AIです。
生成AI（ジェネレーティブAI）は、過去に学んだ大量のお手本をもとに、まだ世の中にない新しいものを作り出すAIです。たとえるなら、たくさんの提案書を読み込んだ優秀な新人が「こんな感じで書いて」とお願いすると、それらしい下書きをすぐ仕上げてくれるイメージです。検索のように「探して持ってくる」のではなく、自分で組み立てて「作る」のが特徴です。
使いどころ営業メールの下書き、見積書に添える説明文、問い合わせ返信のたたき台づくりなど、「ゼロから書くのが面倒な作業」を一気に時短できます。
ざっくり「作るAI（生成系）」と「見分けるAI（識別系）」の役割の違いのことです。
識別系AIは、与えられたものが「AかBか」を見分ける・仕分けるのが得意なAIです。たとえば「この問い合わせはクレームか質問か」「この写真は猫か犬か」を判定します。一方、生成AIは新しい文章や画像を作り出すのが役割です。仕分けが得意な検品担当者と、企画書を書く担当者の違いと考えるとわかりやすいです。両者は別物で、用途に応じて使い分けます。
使いどころ「メールを自動で重要・不要に振り分けたい」なら識別系、「返信文を書かせたい」なら生成系、と目的で選ぶ判断材料になります。
ざっくりいろんな用途の「土台」になる、たっぷり学習させた大型のAIモデルです。
基盤モデル（ファウンデーションモデル）は、膨大なデータで広く学習させておき、あとから様々な仕事に応用できる共通の土台になるAIです。料理にたとえると、何にでも使える「だし」を一度たっぷり作っておき、味付けを変えて多くの料理に展開するイメージです。ChatGPTなどの便利なサービスも、この基盤モデルを土台にして作られています。
使いどころ「自社専用AIを作りたい」と考えたとき、ゼロから作らず既存の基盤モデルを土台に少し調整する、という現実的な進め方の前提になります。
ざっくり文章だけでなく、画像・音声・PDFなど複数の種類の情報をまとめて扱えるAIです。
マルチモーダルAIの「モーダル」は情報の種類のことで、文字・画像・音声など複数の入り口を持つAIを指します。たとえば写真を見せて「この機器の型番を読んで説明して」と頼めば、画像を理解して文章で答えてくれます。目と耳と口を一人で兼ねる、器用なスタッフのようなイメージです。2026年現在、主要なAIの多くがこの形になっています。
使いどころ現場で撮った設備写真や紙の請求書をそのまま読み取らせて、要点を文章でまとめさせる、といった「紙とデジタルの橋渡し」に役立ちます。
ざっくり頼んだ内容に沿って、AIが文章を書いてくれる機能です。
テキスト生成は、AIが言葉のつながりを学んだ知識をもとに、自然な文章を作る働きです。前の言葉から次にくる言葉を予測しながら、一語ずつ文をつないでいきます。例文をたくさん見てきた文章上手な人に「こんな趣旨でメールを書いて」と頼む感覚に近いです。生成AIの中でも、いちばん身近でよく使われる機能です。
使いどころ提案書のたたき台、議事録の清書、SNS投稿文、お客様への丁寧なお断りメールまで、社内文書づくりの大半を下書きさせられます。
ざっくり言葉で指示すると、それに合った絵やイラスト・写真風の画像を作ってくれる機能です。
画像生成は、「青空の下のソーラーパネルのイラスト」のように言葉で頼むと、AIがその通りの画像を描き起こす機能です。たくさんの画像を学んだイメージから、ぼんやりした下絵を少しずつ整えて1枚に仕上げます。社内に専属デザイナーがいなくても、ラフ案ならすぐ用意できる感覚です。著作権や肖像の扱いには注意が必要です。
使いどころチラシやスライドの挿絵、SNS用のアイキャッチ画像、商品イメージのたたき台づくりなど、外注前のたたき台を社内で素早く作れます。
ざっくり言葉や1枚の画像から、短い動画を作ってくれる機能です。
動画生成は、テキストや静止画をもとに、AIが動く映像を作る機能です。画像生成を何コマもつなげて自然に動かすイメージで、パラパラ漫画を自動で描いてくれるようなものです。2026年現在、数秒〜十数秒の短い動画づくりが実用的になりつつありますが、細かい表現の正確さにはまだムラがあるため、用途を選んで使います。
使いどころ商品紹介の短い動画、SNS広告の試作、社内説明用のミニ動画など、撮影や編集の手間をかけずにイメージ映像を試作できます。
ざっくり文章を、人間が読み上げたような自然な音声に変えてくれる機能です。
音声生成・音声合成（テキスト読み上げ、英語でText-to-Speech）は、入力した文章を話し声に変える機能です。昔の機械的な棒読みとは違い、2026年現在は抑揚や間も自然で、人の声と聞き分けにくいほどになっています。原稿を渡せば代わりにナレーションしてくれる、声の達者なスタッフのようなイメージです。なりすましの悪用には注意が必要です。
使いどころ研修動画のナレーション、電話自動応答のアナウンス、目の負担を減らす資料の読み上げなど、人が吹き込む手間を省けます。
ざっくりノイズだらけの状態から、少しずつ汚れを取り除いて画像を作る仕組みです。
拡散モデル（ディフュージョンモデル）は、まず砂嵐のようなノイズの状態から始め、それを段階的にきれいにしていって最終的な画像を作る方式です。曇りガラスを少しずつ拭いて絵がはっきり見えてくる様子に似ています。2026年現在、画像生成や動画生成の中心的な仕組みになっており、高品質な画像づくりを支えています。
使いどころ画像生成サービスを選ぶときに「どういう仕組みで作っているのか」を理解する手がかりになり、品質や用途の見極めに役立ちます。
ざっくり「作る役」と「見破る役」を競わせて、どんどん本物そっくりにしていく仕組みです。
GAN（ガン、正式名称は敵対的生成ネットワーク／Generative Adversarial Network）は、画像などを作る役と、それが本物か偽物かを見破る役の2つを競わせる方式です。偽札職人と鑑定士が互いに腕を磨き合うイメージで、繰り返すうちに作る側の腕が上がり、本物に近づきます。画像生成の発展を支えた代表的な手法のひとつです。
使いどころ直接触る場面は少ないですが、AIがどうやって「本物らしさ」を高めているかを知る教養として、サービス選定や説明の際に役立ちます。
ざっくり今の生成AIの中身を支える、文章の「文脈の読み方」が上手な仕組みです。
Transformer（トランスフォーマー）は、文章の中でどの言葉とどの言葉が関係しているかに注目しながら意味を読み取る仕組みです。長い文章でも「この『それ』は何を指すか」を見失わずに処理できるのが強みです。会議の発言全体を見渡して論点のつながりを把握できる、理解力の高い書記のようなイメージです。今のほとんどの生成AIの土台になっています。
使いどころ長い契約書や議事録を要約させても話の筋が崩れにくいのは、この仕組みのおかげ、と背景を理解しておくと安心して任せられます。
ざっくりAIが文章を扱うときの「文字のかたまり」の単位です。料金の数え方にもなります。
トークンは、AIが文章を処理するときに区切る小さなかたまりです。単語や文字の一部ごとに分かれ、ざっくり日本語なら1文字前後で1トークン程度と考えると目安になります。多くのAIサービスは、このトークン数で料金が決まります。荷物を送るときの「重さ」のような、量を測る共通のものさしだと思うとわかりやすいです。
使いどころ「長い資料を毎回まるごと貼ると費用がかさむ」といったコスト感覚の土台になり、AI利用料の見積もりや節約の判断に直結します。
ざっくり文章を、AIが扱える「小さなかたまり（トークン）」に分ける作業のことです。
トークン化（トークナイズ）は、入力された文章をAIが理解しやすい単位に切り分ける前処理です。長い文章をそのまま渡すのではなく、いったん細かく分解してから読み込むイメージで、宅配の荷物を仕分けやすいサイズに小分けする作業に似ています。この分け方しだいで処理量（=トークン数）が変わり、料金や速度にも影響します。
使いどころ「英語と日本語でトークン数が違う」「記号が多い文章は割高になりがち」といった、コストや速度の感覚を持つための基礎知識になります。
ざっくりAIがその場で「覚えていられる会話や資料の範囲」、つまり文脈のことです。
コンテキスト（文脈）とは、AIが一度に見渡して考慮できる情報のまとまりです。これまでのやりとりや渡した資料を踏まえて答えてくれますが、扱える量には上限（コンテキストの長さ）があります。机に広げられる書類の枚数に上限があるのと同じで、多すぎると古い情報からこぼれていきます。前提を毎回そろえておくと回答の精度が安定します。
使いどころ「長い議事録を渡す前に要点を整理する」「会話が長くなったら要約して伝え直す」など、AIに正確に答えさせる工夫の根拠になります。
ざっくりAIの答えを「お堅く正確に」か「自由で発想豊かに」かを決めるつまみです。
Temperature（温度）は、AIの回答のばらつき具合を調整する設定値です。低くすると毎回ほぼ同じで真面目な答えに、高くすると言い回しや発想が自由で意外性のある答えになります。会議で「無難にまとめる人」と「アイデアを広げる人」の振る舞いをツマミ1つで切り替えるイメージです。用途に応じて使い分けます。
使いどころ契約条項の要約や数値の整理は低めで安定重視、キャッチコピーや企画案出しは高めで発想重視、と作業の性質で調整できます。
ざっくり同じ質問でも、AIの答えが毎回少しずつ変わる性質のことです。
生成AIは、わざと少しゆらぎを持たせて答えるため、同じ依頼でも表現や切り口が毎回変わります。これが「多様性」で、複数の案を出させたいときには長所になります。一方、毎回まったく同じ結果がほしい作業では短所にもなります。同じお題でも書き手の気分で文章が変わるのと同じで、設定でゆらぎ幅を調整できます。
使いどころ「コピー案を5パターン出して」のように発想を広げたいときは多様性が武器に、定型文の量産では逆にブレを抑える、と使い分けます。
ざっくり同じ結果を再現したいときに使う「合言葉のような番号」です。
シード値は、AIのゆらぎ（ランダム性）の出発点を固定するための番号です。同じシード値と同じ指示を使えば、毎回ほぼ同じ結果を再現できます。サイコロを振る前にあらかじめ出目を決めておくようなもので、「あの時いい感じだった画像をもう一度」というときに役立ちます。逆にシードを変えると、別バリエーションが得られます。
使いどころ画像生成で「気に入った構図を再現して微調整したい」ときや、検証で「同じ条件をそろえて比較したい」ときに使います。
ざっくりあらかじめ大量に勉強を済ませた、すぐ使える状態のAIモデルです。
事前学習済みモデルは、すでに膨大なデータで基礎学習を終えた状態のAIです。一から教育しなくても、買ってきてすぐ戦力になる経験者の中途採用に近いイメージです。多くの生成AIサービスはこの形で提供され、必要なら自社データで少しだけ追加調整（ファインチューニング）して使います。ゼロから作るより、はるかに早く安く始められます。
使いどころ「自社でAIを使いたい」となったとき、既存の事前学習済みモデルを土台にすれば、開発に何年もかけずに始められる、という現実的な前提になります。
ざっくりAIの「脳の大きさ」のことで、よくパラメータ数という数字で表します。
モデルサイズは、AIが内部に持つ調整つまみ（パラメータ）の数で表される、おおまかな「賢さの規模」です。大きいほど複雑な仕事もこなしやすい一方で、動かすのに費用や時間がかかります。社員数の多い大企業ほど何でもできるが固定費も高い、という関係に似ています。大きければ良いとは限らず、用途に合うサイズ選びが大切です。
使いどころ「賢い大型モデルは高い・遅い、小型モデルは安い・速い」という比較軸を理解し、用途と予算に合うAIを選ぶ判断材料になります。
ざっくり大きくて賢いAIの実力を、小さくて軽いAIに教え込む技術です。
モデルの蒸留は、大型で高性能なAIを先生に、小型のAIを生徒に見立てて、先生のふるまいを生徒に学ばせる手法です。ベテランのコツを新人にぎゅっと伝授して、身軽なまま近い働きをさせるイメージです。こうしてできた小型モデルは、安く速く動かせるのが利点です。
使いどころ「賢いけれど高いAI」を全社で使うとコストがかさむ場面で、蒸留された軽量モデルを選べば品質を保ちつつ費用を抑えられる、という選択肢を知れます。
ざっくりAIの中身の数字を「ざっくり丸めて」軽くし、安く速く動かす技術です。
量子化は、AIが内部で扱う細かい数値を大づかみにまとめて、データ量を減らす工夫です。金額をいちいち1円単位で管理する代わりに100円単位に丸めて扱いを軽くするようなもので、多少のきめ細かさは犠牲にしつつ、動作を速く・安くできます。性能と軽さのバランスを取りながら、安価な環境でもAIを動かせるようにします。
使いどころ「自社の手元のパソコンや安いサーバーでAIを動かしたい」ときに、量子化された軽量モデルなら現実的に運用できる、という選択肢につながります。
ざっくり中身が公開され自分でも動かせるAIか、外部サービス越しにだけ使うAICか、の違いです。
オープンモデルは、AIの中身（モデル）が公開され、条件の範囲で自社の環境にも置いて使えるタイプです。クローズドモデルは中身が非公開で、提供会社のサービス越しに利用します。自前で機材を持つ持ち家タイプと、設備の整った賃貸を借りるタイプの違いに似ています。前者は自由度と情報管理のしやすさ、後者は手軽さと安定運用が利点です。
使いどころ「社外秘の情報を扱うので自社内で完結させたい」ならオープン寄り、「とにかく手軽に高性能を使いたい」ならクローズド寄り、と方針決めの軸になります。
最適AIは、法人向けのAI研修・AI受託開発・AI顧問を提供しています。大阪本社に加えて岡山・広島・高松に拠点があり、中四国は対面でも伺えます。初回相談は無料です。
この用語集は、最適AIが法人向けAI研修「最適スクール」の受講者向けに作成した教材をもとに公開しています。2026年時点の一般的な用法をビジネス初学者向けにまとめたもので、特定の製品・サービスの推奨を目的とするものではありません。用語の意味や範囲は今後変わることがあります。