AI ENCYCLOPEDIA
AI辞典
AIを仕事で理解するための用語集。Wikipediaの要約ではなく、使いどころと人の確認点から学びます。
公開用語 201 件
LEARNING PATH
AIの歴史と現在の分類を、一続きで理解する
ルールベースから生成AI・マルチモーダルAIまで。進歩の転換点と、用途・学習方法・能力の違いを整理します。
まとめページを読む →CATEGORY
AI基礎
AGIとは
AGIは、幅広い知的作業を人並み以上にこなすAIの概念です。過剰期待を避けるための用語。
読む →AIのバイアスとは
AIのバイアスは、データや設計に由来する偏りが出力に出ることです。重要判断は人が確認します。
読む →ANI（特化型AI）とは
ANIは、特定タスクに強い現在主流のAIです。仕事での使いどころと注意点を整理します。
読む →Attention（注意機構）とは
Attentionは、どの部分を重視して処理するかを決める仕組みです。実務では概念理解で十分なことが多いです。
読む →Chain of Thoughtとは
Chain of Thoughtは、途中の考え方を書かせて推論を助ける技法です。出力の取り扱いに注意します。
読む →LLMとは
文章の続きを予測することで、要約・下書き・言い換えなどを行うモデルの総称です。ChatGPTやClaudeなどの裏側にある中核技術のひとつです。
読む →LoRAとは
LoRAは、少ない追加パラメータでモデルを寄せる手法です。データ品質と評価が重要。
読む →PEFTとは
PEFTは、パラメータ効率の良い追加学習の総称です。目的適合と評価が先。
読む →RAGとは
Retrieval-Augmented Generation の略で、社内資料などを根拠に寄せて回答を作りたいときに使われます。資料の質と人の確認運用が成果を左右します。
読む →RLHFとは
RLHFは、人の好みフィードバックでモデルを寄せる手法です。万能ではなく、方針設計が重要。
読む →Temperatureとは
Temperatureは、出力のばらつきを調整する設定値です。用途に合わせて人が調整します。
読む →Top-pとは
Top-pは、候補トークンの累積確率で多様性を抑える設定です。公式の推奨範囲を確認します。
読む →Transformerとは
Transformerは、現代の大規模言語モデルの中核アーキテクチャです。実務では概念理解で十分な場面が多いです。
読む →グラウンディングとは
グラウンディングは、出力を根拠資料や事実に結びつけることです。RAGや引用と併用します。
読む →コンテキストウィンドウとは
コンテキストウィンドウは、一度に参照できる入力の長さの上限です。長い仕事は要約・分割・検索と併用します。
読む →システムプロンプトとは
システムプロンプトは、モデルの役割や制約を先に与える指示層です。漏洩や注入への対策も検討します。
読む →スループットとは
スループットは、単位時間あたりに処理できる量です。レイテンシとセットで見ります。
読む →ゼロショットとは
ゼロショットは、具体例なしで指示だけから解かせる使い方です。難しい場合は例示を追加します。
読む →ソフトマックスとは
スコアを確率分布に変換する関数です。Temperature調整と関係します。
読む →トークナイザとは
トークナイザは、テキストをトークンへ分割・復元する部品です。言語によって効率が異なります。
読む →トークンとは
トークンは、AIが文章を処理するときの分割単位です。正確な換算はモデルや言語で異なります。
読む →ナレッジグラフとは
ナレッジグラフは、物事の関係をグラフで表した知識表現です。構築・メンテコストがあります。
読む →ニューラルネットワークとは
ニューラルネットワークは、層状の計算でパターンを学ぶモデルの枠組みです。現場では概念レベルで十分なことが多いです。
読む →パラメータ（モデル）とは
パラメータは、モデル内部の学習で決まる重みの集合です。用途適合と評価で選ぶ。
読む →ハルシネーションとは
ハルシネーションは、もっともらしいが事実と異なる生成のことです。公開前は根拠と一次情報を人が確認します。
読む →ファインチューニングとは
ファインチューニングは、既存モデルを特定データで追加学習することです。まずはプロンプトやRAGで足りないか確認します。
読む →フューショットとは
フューショットは、少数の例を示してから解かせる使い方です。例の質が結果を左右します。
読む →ベクトル（表現）とは
ベクトルは、意味などを多次元の数値列で表したものです。近さの定義は設計次第。
読む →マルチモーダルAIとは
マルチモーダルAIは、テキスト以外（画像・音声など）も扱えるAIです。読み取り誤りは人が確認します。
読む →レイテンシとは
レイテンシは、リクエストから応答までの遅れです。用途に応じて許容を決めます。
読む →ロジットとは
ロジットは、次トークン候補の生のスコアです。実務では概念理解で十分なことが多いです。
読む →過学習とは
過学習は、訓練データに合わせすぎて汎化が落ちる状態です。業務データでも同様の罠があります。
読む →過小適合とは
過小適合は、モデルがデータの構造を十分学べていない状態です。特徴・モデル・データの見直しが必要。
読む →拡散モデルとは
拡散モデルは、ノイズ除去の過程で画像などを生成するモデルです。プロンプトと確認が品質を左右します。
読む →学習データとは
学習データは、モデルの学習に使うデータの集合です。偏りが出力に影響しうります。
読む →基盤モデルとは
基盤モデルは、幅広いタスクに転用できる大規模モデルです。利用条件・更新は提供者の案内を確認。
読む →機械学習とは
機械学習は、データから規則や予測を学ぶ技術の総称です。生成AIはその一部として捉えります。
読む →記号的AIとは
記号的AIは、明示的な規則や論理で知を扱うアプローチです。学習ベースと併用されることもあります。
読む →強化学習とは
強化学習は、試行と報酬で行動方針を学ぶ枠組みです。設計と評価が難しい領域でもあります。
読む →教師あり学習とは
教師あり学習は、正解ラベル付きデータで学ぶ機械学習です。ラベル品質が成果を左右します。
読む →教師なし学習とは
教師なし学習は、正解ラベルなしで構造やグループを見つける学習です。解釈と業務判断は人が行います。
読む →語彙（ボキャブラリ）とは
語彙は、モデルが扱うトークン種類の集合です。トークナイザとセットで理解します。
読む →事前学習とは
事前学習は、大規模データで汎用能力を先に学ぶ段階です。利用時は学習済みモデルを使うことが多いです。
読む →深層学習とは
深層学習は、深いニューラルネットワークを使う機械学習です。生成AIの技術的土台のひとつ。
読む →推論（Inference）とは
推論は、学習済みモデルで実際に出力を計算することです。学習（訓練）とは別フェーズ。
読む →生成モデルとは
生成モデルは、新しいデータ（文章・画像など）を作り出すモデルです。出力の妥当性は人が確認します。
読む →知識蒸留とは
知識蒸留は、大きなモデルの振る舞いを小さいモデルへ移す手法です。用途適合を評価して採用します。
読む →転移学習とは
転移学習は、別タスクで学んだ知識を別用途へ転用することです。転用先での評価が必要。
読む →評価ベンチマークとは
評価ベンチマークは、モデル性能を測るための定番テスト群です。自社ユースケースで評価します。
読む →埋め込み（エンベディング）とは
埋め込みは、文章などを数値ベクトルに変換した表現です。品質は分割方法と評価設計に左右されります。
読む →量子化（モデル）とは
量子化は、重みの精度を落として軽くする手法です。品質低下がないか評価します。
読む →類似検索とは
類似検索は、近い意味や特徴の項目を探す検索です。キーワード検索と併用も有効。
読む →
CATEGORY
生成AI
AI-OCR（光学文字認識）とは
AI-OCRは、画像や紙の文書から文字を読み取ってテキスト化する技術です。誤読は人が確認して直す。
読む →AIアップスケーリングとは
AIアップスケーリングは、画像や映像の解像度をAIで拡大・高精細化する技術です。補完部分は推測である点に注意します。
読む →AIアバターとは
AIが生成・制御する人物風の映像キャラクターです。実在人物との混同を避ける表示が必要。
読む →AIコピーライティングとは
AIコピーライティングは、広告文やキャッチコピーの案をAIで作ることです。ブランドトーンの最終判断は人が行います。
読む →AIと著作権とは
AI生成物の著作権や学習データの権利をめぐる論点です。商用利用前は法務・専門家に確認します。
読む →AIパーソナライゼーションとは
AIパーソナライゼーションは、利用者ごとの傾向に合わせてAIが表示や提案を変えることです。過度な絞り込みや偏りに注意します。
読む →AIライティングアシスタントとは
AIライティングアシスタントは、文章作成を支援するAI機能・ツールの総称です。事実内容の正しさは別途確認します。
読む →AI音声・音声合成とは？用途別の選び方
AI音声・音声合成を、ナレーション・日本語読み上げ・ボイスクローン・吹き替え・商用利用など『何に使うか』から選ぶためのガイドです。日本語の自然さ、感情表現、声の一貫性、編集性、料金、権利まで確認します。
読む →AI画像編集とは？できること・画像生成との違いを基礎から解説
AI画像編集の意味と仕組み、AI画像生成との違い、不要物削除・背景変更・写真補正・部分修正など代表的な機能を基礎から解説します。具体的なツール比較や作業手順は目的別の実践ガイドへ案内します。
読む →AI検索エンジンとは
AI検索エンジンは、生成AIを組み込んで回答や要約を提示する検索サービスです。重要な判断は一次情報と併用します。
読む →AI言い換えとは
AIが文章を別の言い回しに書き換えることです。意味の変化がないか人が照合します。
読む →AI生成物の明示とは
AIで作った文章・画像などであることを利用者に示すことです。社内の公開基準に含めておく。
読む →AI翻訳とは
AIが文章を別の言語に変換することです。契約・公式文書は専門家が確認します。
読む →AI要約とは
AI要約は、長い文章や資料をAIが短くまとめることです。重要条件の省略がないか原文で確認します。
読む →ChatGPTとは
文章作成・要約・翻訳・プログラミング支援など幅広い用途で使われます。仕事では下書きと整理の道具として扱い、最終判断は人が行います。
読む →Claudeとは
長文の整理や丁寧な文書の下書きなど、慎重な言い回しが求められる場面で検討されます。最終的な採用・公開は人が確認します。
読む →Geminiとは
チャットでの調査や文書の下書きなど、対話型の業務支援で使われます。公開情報以外の社内事実は、人が確認する前提で使います。
読む →NotebookLMとは
NotebookLMとは、アップロードした資料をもとに整理・要約するGoogleのツールです。資料にないことは出ない／誤る前提で、人の確認は残します。
読む →アウトペインティングとは
アウトペインティングは、画像の外側をAIで自然に拡張して描き足す技術です。拡張部分の不自然さは人が確認します。
読む →アンサーエンジンとは
アンサーエンジンは、検索の代わりに直接的な回答文を返すサービスの呼び方です。出典の粒度を確認して使い分けります。
読む →インペインティングとは
インペインティングは、画像の一部を指定してAIで自然に描き直す技術です。合成箇所の開示が誠実な運用につながります。
読む →コンテンツモデレーションAIとは
コンテンツモデレーションAIは、不適切な投稿や生成物をAIが検知・振り分ける仕組みです。誤検知に備え人のレビュー導線を残します。
読む →コンテンツ生成とは
コンテンツ生成は、記事・資料・画像などの成果物をAIで作ることの総称です。独自性・事実確認は人が管理します。
読む →コンテンツ来歴（プロベナンス）とは
コンテンツ来歴は、画像や動画がどのように作られたかを記録・証明する仕組みです。対応状況はサービスごとに異なります。
読む →スタイル変換とは
スタイル変換は、ある画像の作風・雰囲気を別の画像に適用する技術です。既存作品の模倣は権利上の注意が必要。
読む →スライド自動生成AIとは
スライド自動生成AIは、文章や骨子からプレゼン資料のたたき台を作るAIです。数字や表記の正確性は人が確認します。
読む →チャットボットとは
チャット形式で質問に自動応答する仕組みです。回答範囲と誤答時の導線を設計します。
読む →ディープフェイクとは
AIで人物の映像や音声を実在するかのように加工・合成する技術です。真偽確認の手順を社内に持つ。
読む →テキストから画像生成（Text-to-Image）とは
テキストから画像生成は、文章の説明を入力して画像に変換する仕組みです。最終採用前に人が内容を確認します。
読む →テキスト生成とは
AIが文章を新しく作り出すことの総称です。事実確認は用途に応じて人が行います。
読む →バーチャルインフルエンサーとは
AIで生成・運用される仮想の人物キャラクターです。実在人物との混同を避ける配慮が必要。
読む →プレゼンテーションAIとは
プレゼンテーションAIは、発表資料や話し方の準備をAIで支援することです。本番の判断は発表者が担う。
読む →レコメンドAIとは
レコメンドAIは、利用者に合った商品やコンテンツをAIが提案する仕組みです。偏った提案になっていないか点検します。
読む →音楽生成AIとは
音楽生成AIは、指示や条件から楽曲やBGMを作るAIです。著作権・利用範囲は規約で確認します。
読む →音楽生成AIとは？用途別の選び方
音楽生成AIを、BGM・歌入り楽曲・動画広告・ゲームや映像・商用利用など『何を作りたいか』から選ぶためのガイドです。曲の完成度だけでなく、歌詞、ボーカル、編集性、料金、権利も確認します。
読む →音声アシスタントとは
音声アシスタントは、音声で指示を受けて応答するAIの仕組みです。聞き取り誤りへの備えが必要。
読む →音声クローンとは
音声クローンは、特定の声の特徴を再現して合成音声を作る技術です。なりすましリスクへの注意が必要。
読む →音声認識（Speech-to-Text）とは
音声認識は、話した音声を文字に変換する技術です。誤変換は人が確認して直す。
読む →画像生成AIとは
画像生成AIは、文章などの指示から新しい画像を作るAIです。権利関係と事実性は人が確認します。
読む →感情分析AIとは
感情分析AIは、文章から書き手の感情や評価の傾向を推定する技術です。個別対応の要否は人が判断します。
読む →合成データとは
合成データは、実データの代わりにAIなどで人工的に作るデータです。実データとの乖離は評価して使います。
読む →合成メディアとは
AIによって生成・加工された画像・音声・映像の総称です。出所の明示が信頼性につながります。
読む →生成AI検索とは
生成AI検索は、検索結果をもとにAIが要約・回答を生成する検索方式です。出典確認は引き続き必要。
読む →対話型AIとは
対話型AIは、自然な会話のやり取りができるように設計されたAIです。用途に応じて応答範囲を設計します。
読む →動画生成AIとは？用途別の選び方
動画生成AIを、実写・アニメーション・商品広告・SNS短尺・音声付き映像など『何を作りたいか』から選ぶためのガイドです。生成品質だけでなく、編集性・音声・料金・商用利用も確認します。
読む →
CATEGORY
開発
AIエージェントとは
調べる・作る・直すなどの作業を連続して進めやすくなります。仕事では権限と途中確認（人が止める地点）の設計が先に必要です。
読む →AIオーケストレーションとは
AIオーケストレーションは、複数のAI処理やツール呼び出しの流れを制御・調整することです。失敗時の処理も設計しておく。
読む →AIコーディングアシスタントとは
コードの提案・補完・説明を行うAI開発支援ツールです。レビューとテストは開発者が担う。
読む →AIコードレビューとは
AIがコードの問題点や改善案を指摘する支援機能です。設計判断は人のレビューに委ねります。
読む →AIコード補完とは
AIコード補完は、入力中のコードの続きをAIが予測して提案する機能です。提案の妥当性は開発者が判断します。
読む →AIテスト生成とは
テストコードやテストケースの案をAIが作ることです。期待値の妥当性は人が確認します。
読む →AIナレッジマネジメントとは
AIナレッジマネジメントは、社内の知識・文書をAIで整理・検索しやすくする取り組みです。元データの整備が前提になります。
読む →AIパイプラインとは
データの取得からAI処理、結果の活用までの一連の処理の流れです。人の確認ポイントも設計に含めります。
読む →AIペアプログラミングとは
AIを相棒として対話しながらコードを書き進めるスタイルです。最終判断は人が行います。
読む →AI可観測性（オブザーバビリティ）とは
AIシステムの内部状態や挙動を外から把握できるようにすることです。ログ・メトリクスの整備が前提。
読む →AI回答の引用・出典表示とは
AIの回答に、根拠となった情報源を添えて示す仕組みです。引用元の取り違えは起こりうります。
読む →AI倫理とは
AIの開発・利用に伴う公平性や社会的影響を考える分野です。実務のリスク判断の土台になります。
読む →Function Calling（関数呼び出し）とは
AIが会話の中で外部の関数やAPIを呼び出す仕組みです。呼び出せる範囲は権限で制御します。
読む →Human-in-the-Loop（人の介在）とは
AIの処理の途中や最後に、人の確認・判断を組み込む設計です。確認のタイミングを事前に決めます。
読む →LLMOpsとは
LLMOpsは、大規模言語モデルの活用・運用に特化したMLOpsの考え方です。プロンプト管理・評価などを含む。
読む →LLM評価（Evals）とは
AIモデルや応答の品質を、自社の基準で測る取り組みです。継続的な評価運用が望ましい。
読む →MCPとは
MCPとは、AIとツール・データをつなぐための共通的な接続の考え方です。仕事では便利さより、何にアクセスさせるかの権限設計が本題。
読む →MLOpsとは
MLOpsは、機械学習モデルの開発から運用までを継続的に回す取り組みです。生成AI運用にも考え方が応用できります。
読む →エージェントフレームワークとは
AIエージェントを組み立てるためのソフトウェアの枠組みです。要件適合を評価してから採用します。
読む →エッジAIとは
クラウドではなく端末や現場側でAI処理を行うことです。端末の処理能力に制約があります。
読む →ガードレール（AI）とは
AIの入出力が逸脱しないように設ける制約・チェックの仕組みです。業務要件に応じて設計します。
読む →コサイン類似度とは
2つのベクトルの向きの近さを測る指標です。値の解釈は用途に応じて設計します。
読む →サンドボックス化（AI）とは
AIの実行環境を隔離し、影響範囲を限定する仕組みです。エージェント導入初期に重視されります。
読む →ジェイルブレイク（AI）とは
AIの安全対策や利用制限を回避しようとする指示手法です。利用ポリシーの周知で予防します。
読む →ストリーミング応答とは
ストリーミング応答は、生成結果を一括ではなく逐次表示していく応答方式です。実装側での対応が必要になります。
読む →セマンティック検索とは
キーワードの一致ではなく意味の近さで探す検索方式です。キーワード検索との併用も有効。
読む →チャンキング（分割）とは
チャンキングは、長い文書を検索・処理しやすい単位に分割することです。粒度の調整が必要になります。
読む →ツール利用（AIのTool Use）とは
AIが外部ツールを使って作業を補うことの総称です。使えるツールと権限を設計します。
読む →ハイブリッド検索とは
キーワード検索と意味検索を組み合わせる検索方式です。重み付けの調整で精度が変わります。
読む →バッチ推論とは
バッチ推論は、複数の入力をまとめて一括で処理する推論方式です。リアルタイム性が必要な用途には不向き。
読む →プロンプトインジェクションとは
プロンプトインジェクションは、外部入力に仕込まれた指示でAIの挙動を乗っ取ろうとする攻撃です。入力の検証と権限設計で対策します。
読む →ベクトルデータベースとは
ベクトルデータベースは、埋め込みベクトルを保存し、類似検索を高速に行うデータベースです。RAG構築の基盤要素になります。
読む →マルチエージェントシステムとは
マルチエージェントシステムは、複数のAIエージェントが役割分担して協調する仕組みです。監視と停止手段の設計が重要。
読む →モデルドリフトとは
モデルドリフトは、運用開始後、時間経過とともにモデルの精度や傾向がずれていく現象です。定期的な評価と見直しが必要。
読む →モデルモニタリングとは
モデルモニタリングは、本番運用中のAIモデルの挙動や性能を継続的に監視することです。アラート基準を事前に決めておく。
読む →モデルレジストリとは
モデルレジストリは、使用するAIモデルのバージョンや情報を一元管理する仕組みです。更新履歴の管理にも使われります。
読む →レッドチーミング（AI）とは
AIの弱点や悪用可能性を、あえて攻撃的な視点で洗い出す取り組みです。発見した弱点はガードレールに反映します。
読む →ローカルLLMとは
クラウドを介さず手元の端末やサーバーで動かす言語モデルです。性能・運用負荷とのトレードオフがあります。
読む →ローカルLLM実行環境（Ollama的な仕組み）とは
ローカルLLM実行環境は、手元の端末でローカルLLMを簡単に動かすための実行環境の総称です。本番運用は別途の設計が必要。
読む →自律型エージェントとは
自律型エージェントは、人の逐次指示なしに、目標達成まで自律的に動くよう設計されたAIです。権限範囲と停止条件を先に決めます。
読む →責任あるAI（Responsible AI）とは
AIを安全・公正・説明可能に使うための組織的な考え方です。継続的な見直しが必要になります。
読む →説明可能なAI（XAI）とは
AIがなぜその出力・判断をしたかを人が理解できるようにする取り組みです。完全な説明ができるとは限らない。
読む →
CATEGORY
仕事
AI CoE（推進組織）とは
AI CoEは、全社のAI活用を横断的に推進する専門チームです。方針・ガイドライン整備を担う。
読む →AIカスタマーサポートとは
AIカスタマーサポートは、問い合わせ対応の一部をAIチャットボットなどが担うことです。切り替えタイミングの設計が重要。
読む →AIガバナンスとは
AIガバナンスは、組織内のAI利用に関するルール・責任体制を整えることです。現実的な線引きが求められります。
読む →AIスキルギャップとは
AI活用に必要なスキルと、組織・個人が持つスキルとの差です。定期的な見直しが必要になります。
読む →AIトランスフォーメーションとは
AI活用を前提に業務や組織のあり方を見直す取り組みです。現場の巻き込みが成否を分けります。
読む →AIによる業務自動化とは
AIによる業務自動化は、定型的な業務の一部をAIで自動処理することです。例外処理は人が対応できるようにします。
読む →AIによる生産性向上とは
AI活用によって業務の処理速度や質を高めることです。任せる範囲を具体的に決めるのが近道。
読む →AIによる文書作成自動化とは
AIによる文書作成自動化は、報告書や提案書などの文書作成をAIで効率化することです。最終確認は担当者が行います。
読む →AIベンダー選定とは
AIベンダー選定は、導入するAIサービスやベンダーを比較・評価するプロセスです。チェックリストで抜け漏れを防ぐ。
読む →AIメール仕分けとは
AIメール仕分けは、受信メールの内容をAIが分類・優先度付けすることです。誤分類に備えた確認導線が要ります。
読む →AIユースケースとは
AIを実際にどの業務のどの場面で使うかという具体的な適用例です。小さく始めて広げるのが基本。
読む →AIリテラシーとは
AIの特性・限界を理解し、適切に使いこなす基礎知識です。研修や教材で底上げを図ります。
読む →AI営業支援とは
AI営業支援は、提案資料や顧客対応の準備をAIで支援することです。顧客への約束事項は人が確認します。
読む →AI活用の承認フローとは
AIが作った成果物を、公開・実行前に人が承認する業務の流れです。確認者とポイントを明確にします。
読む →AI議事録要約とは
AI議事録要約は、会議の録音やメモをAIが要約し議事録化することです。重要なニュアンスは人が確認します。
読む →AI採用支援とは
AI採用支援は、応募書類の一次確認や面接準備などをAIで支援することです。公平性・説明責任への配慮が要ります。
読む →AI支援の意思決定とは
AIが提示する情報や選択肢を参考に、人が意思決定することです。AIの提示内容の偏りを確認します。
読む →AI時代のリスキリングとは
AI活用を前提に、新しいスキルを学び直すことです。業務変化への適応が目的。
読む →AI推進担当（AIチャンピオン）とは
AI推進担当は、現場でのAI活用を推進・支援する社内の担当者です。成功事例の共有を担う。
読む →AI投資対効果とは
AI導入にかけた投資が、成果に見合っているかを見る考え方です。自社での試験導入と計測が欠かせない。
読む →AI導入（アダプション）とは
AI導入は、組織にAIツールを実際に定着させていくプロセスです。研修と成功事例の共有が鍵になります。
読む →AI導入のチェンジマネジメントとは
AI導入に伴う業務や意識の変化を、混乱なく進める取り組みです。人の合意形成が難所になりやすい。
読む →AI導入パイロット（PoC）とは
AI導入パイロットは、本格導入の前に、小規模な範囲でAI活用を試す取り組みです。小さな失敗を許容する設計が重要。
読む →AI利用の行動規範とは
AI利用の行動規範は、従業員がAIを使う際に守るべき基本姿勢をまとめたものです。ポリシー整備の土台になります。
読む →AI利用時の機密情報の扱いとは
AIに入力してよい情報とだめな情報の線引きです。迷う場合は入力しないのが安全。
読む →RPAとAIの違いとは
RPAとAIの違いは、決まった手順を自動化するRPAと、判断を伴うAIの役割の違いです。業務の性質で使い分けります。
読む →シャドーAIとは
シャドーAIは、会社の許可や把握なしに従業員が独自にAIを利用することです。ポリシー整備と周知で対処します。
読む →プロジェクト管理とAIとは
スケジュール管理や進捗報告の作成をAIで支援することです。責任を伴う判断は人が行います。
読む →マーケティング領域のAI活用とは
コンテンツ制作や分析などマーケティング業務にAIを取り入れることです。ブランド判断は人が担う。
読む →経理・財務領域のAI活用とは
経理・財務領域のAI活用は、経費処理や資料作成など経理・財務業務にAIを取り入れることです。金額・計算結果は人が検証します。
読む →社内AI利用ポリシーとは
社内AI利用ポリシーは、社員がAIをどう使ってよいかを定めた社内規程です。ルール不在はリスクの見えない利用を招く。
読む →社内コミュニケーションとAIとは
社内コミュニケーションとAIは、社内向けの連絡や説明資料の作成にAIを活用することです。トーンと受け止められ方は人が確認します。
読む →人事領域のAI活用とは
人事領域のAI活用は、採用・評価・教育など人事業務にAIを取り入れることです。バイアスの点検が特に重要。
読む →知識労働とAIとは
知識労働とAIは、調査・分析・文書作成など知識労働にAIがどう関わるかという論点です。人に残る役割を意識して設計します。
読む →法務領域のAI活用とは
法務領域のAI活用は、契約書の確認や社内規程の整理などにAIを取り入れることです。法的解釈・最終判断は専門家が行います。
読む →
CATEGORY
プロンプト
Chain of Thoughtプロンプティングとは
AIに考える過程を書かせるよう促す指示の技法です。出力が長くなる点は考慮します。
読む →インストラクションチューニングとは
インストラクションチューニングは、指示に従いやすくなるようモデルを追加学習させる手法です。実務では概念理解で十分な場面が多いです。
読む →コンテキストの事前提示とは
コンテキストの事前提示は、本題の依頼の前に、背景情報や前提を先に伝えておく技法です。長くなりすぎない要約が望ましい。
読む →システムメッセージとは
システムメッセージは、会話の前提として、AIアプリ側が設定する指示のことです。役割・制約を安定させります。
読む →セルフコンシステンシーとは
セルフコンシステンシーは、同じ問いを複数回解かせ、多数派の答えを採用する手法です。コストと精度のトレードオフがあります。
読む →ソクラテス式プロンプティングとは
ソクラテス式プロンプティングは、答えを直接求めず、問いを重ねて考えを深めさせる技法です。結論を急がず対話を重ねるのが前提。
読む →ネガティブプロンプトとは
ネガティブプロンプトは、生成してほしくない要素をあえて指定する技法です。文章生成にも応用できります。
読む →フューショットプロンプティングとは
フューショットプロンプティングは、少数の入出力例を示してから本番の依頼をする技法です。例の質と数のバランスが重要。
読む →ブレインストーミングプロンプトとは
アイデアを幅広く出させることを目的にした依頼の技法です。実現性の絞り込みは後工程で行います。
読む →プロンプトエンジニアリングとは
AIから望む出力を得るために、指示文を設計・改善する取り組みです。テンプレ丸暗記より考え方が重要。
読む →プロンプトチェーンとは
1つの依頼を複数の段階に分け、順番にAIに処理させる技法です。段階が増えると手間も増えります。
読む →プロンプトテンプレートとは
プロンプトテンプレートは、繰り返し使えるように定型化した指示文のひな形です。定期的な見直しで陳腐化を防ぐ。
読む →プロンプトとは
目的・読者・制約・出力形式を明確にすると、人が確認しやすい下書きを取りやすくなります。仕事では一発正解より、直せる下書きを狙います。
読む →プロンプトのデバッグとは
プロンプトのデバッグは、思った結果が出ないとき、指示のどこが原因かを切り分ける作業です。行き当たりばったりより効率的。
読む →プロンプトのバージョン管理とは
プロンプトのバージョン管理は、業務で使うプロンプトの変更履歴を記録・管理することです。モデル更新時の切り分けにも役立つ。
読む →プロンプトの評価とは
プロンプトの評価は、作ったプロンプトが狙い通りの出力を出せているかを検証することです。評価用の入力例をあらかじめ用意します。
読む →プロンプトライブラリとは
プロンプトライブラリは、業務でよく使うプロンプトをまとめて管理する仕組みです。属人化の解消につながります。
読む →メタプロンプティングとは
AI自身に、より良いプロンプトの案を考えさせる技法です。採用判断は人が行います。
読む →ロールプロンプティングとは
AIに特定の役割や立場を演じさせてから依頼する技法です。根拠のない自信過剰にも注意します。
読む →確認質問を促すプロンプトとは
確認質問を促すプロンプトは、情報が不足するときに、AIから先に質問させる技法です。重要な依頼ほど有効に働く。
読む →区切り記号の活用とは
区切り記号の活用は、指示文と資料・データを記号で明確に区切って渡す技法です。社内テンプレートに組み込みやすい。
読む →構造化出力プロンプトとは
JSONや表など、システムで扱いやすい形式での出力を求める技法です。形式の妥当性チェックは別途行います。
読む →出力形式指定プロンプトとは
出力形式指定プロンプトは、回答の形式（箇条書き・表・JSONなど）を指示に明記する技法です。形式指定でも中身の確認は必要。
読む →制約指定プロンプトとは
制約指定プロンプトは、文字数・禁止事項・トーンなどの制約を指示に明記する技法です。条件が多すぎると逆に崩れることもあります。
読む →反復的プロンプティングとは
反復的プロンプティングは、一度で完成を狙わず、対話を重ねて出力を磨いていく進め方です。毎回の指示を短く保つと扱いやすい。
読む →比較検討プロンプトとは
比較検討プロンプトは、複数の選択肢を並べて比較させる依頼の技法です。比較観点は依頼側が指定します。
読む →要約プロンプトとは
要約プロンプトは、長い文章を目的に応じて短くまとめさせる依頼の技法です。省略された条件がないか原文で確認します。
読む →