AI BASICS · CHAPTER 03

機械学習の中で、
生成AIは何をするか。

生成AIは、機械学習と対立する別系統ではありません。機械学習を使って文章や画像などを生成する技術です。この章では、その包含関係を踏まえて、数量を予測する仕事と文章を作る仕事で、何を確かめるかを分けます。

機械学習には、予測・分類・生成などがある

機械学習は、データからモデルを学習する方法です。売上数量の予測、メールの分類、データのグループ分け、文章の生成など、出力や目的には違いがあります。ここではまず、過去の販売数から翌週の数量を予測する仕事を考えます。

数量の予測では、学習に使っていない期間の実績と予測値を照合します。予測は確定した注文数ではありません。足りなく見積もったときの欠品と、多く見積もったときの余剰では業務への影響が違うため、誤差の大きさと方向を確認します。

生成AIは、学んだパターンをもとに、文章、画像、音声、コードなどを作ります。会議の発言を整理する。提案書の構成案を出す。求人票を読み手に合わせて書き換える。研修資料の説明をやさしくする。人が白紙から始めていた作業に、最初の候補を置けることが大きな特徴です。

文章が自然でも、その中の数字、固有名詞、出典が確認済みとは限りません。文章生成の仕事では、読みやすさに加え、材料にない事実を足していないか、読み手や会社の方針に合っているかを人が確認します。

在庫の案内を例に考えます。過去の販売数から翌週の数量を予測する工程と、その予測結果や確定在庫から案内文を作る工程では、求める成果物が違います。前者では実績との予測誤差、後者では材料との一致や表現を確認します。いずれも機械学習を使うことがあり、生成AIという名前だけでは確認方法は決まりません。

実務では、予測モデルの結果を材料にして、生成AIで説明文を作る構成も考えられます。その場合も、生成した文章の数字が正しいことと、元の予測が適切だったことを別々に評価します。文章に数字が書かれただけで、数量予測の検証を通ったことにはなりません。

次の章では、生成AIが回答を作る仕組みと、なぜ「自然な答え」をそのまま信じてはいけないのかを学びます。

CHAPTER PRACTICE

この章でできるようになること：モデルの種類ではなく、成果物ごとに確認方法を決める。

架空の業務：過去の販売数から翌週の数量を予測し、その結果と確定在庫を使って取引先向けの案内文を作る。

数量の予測と文章の下書きに、それぞれ何の根拠が必要かを考えてください。「生成AIが数字を書いたから予測もできた」と扱わないことが目標です。

演習と照合例はTHINKLABが作成した教材です。特定のAIで実測した出力や効果ではありません。

照合例を開く

考えた内容を、以下の例と比べてください。文章が同じである必要はありません。
場面・問い	照合例	理由・確認点
翌週の販売数量を予測する	過去データから学習する予測モデルが候補。学習に使っていない期間で予測を照合する。	生成AIかどうかという名前だけでなく、対象期間・データ・予測誤差を見る。
確定情報から案内文を作る	生成AIも機械学習を利用する。数量・在庫・連絡条件を材料にした文章生成として扱う。	文章を整えることと、材料の数字が正しいことは別に確認する。
材料にない『来週100個売れる』という出力	検証済みの予測として採用しない。どの予測結果かを確認し、根拠がなければ削除する。	数字を出力しただけでは、数量予測の評価を通ったことにはならない。

出典は技術・利用上の注意を確認するための資料です。演習の状況、照合例、試行方法はTHINKLABによる整理であり、出典機関の承認や製品の評価を示しません。

内容・出典確認：2026年10月24日