番号	用語	初心者向けの意味	身近な具体例
1	AI（人工知能）	認識・予測・推論・生成などを行う技術やシステムの広い概念	画像の判別、需要予測
2	生成AI	学習したパターンをもとに文章や画像などを生成するAIの技術分野	メールの下書き作成
3	機械学習	データからパターンを学ぶ方法	過去の注文から需要を予測
4	ディープラーニング	多層のニューラルネットワークを使う機械学習の方法	音声認識、画像認識
5	大規模言語モデル（LLM）	大量のデータから言葉のパターンを学んだモデル	要約、翻訳、文章生成
6	プロンプト	AIへ渡す質問・指示・参考情報などの入力	「この文章を3行で要約して」
7	プロンプトエンジニアリング	入力の設計と改善によって回答を目的に近づけること	対象読者や出力形式を指定
8	トークン	モデルが文章などを処理する際の単位	文章を単語の一部などに分割
9	コンテキストウィンドウ	モデルが一度に扱える情報量の上限	長い資料を読み込める範囲
10	マルチモーダルAI	文章・画像・音声など複数の種類の情報を扱うAI	写真と質問を組み合わせる
11	テキスト生成AI	文章を生成するAI	お知らせ文、商品説明
12	画像生成AI	指示などをもとに画像を生成するAI	記事用イラスト
13	ハルシネーション	事実や根拠と合わない内容を、もっともらしく出力する現象	存在しない資料名を回答
14	バイアス	データや出力などに生じる偏り	特定の属性と職業を結び付ける
15	プロンプトインジェクション	入力などに紛れた指示によってAIの動作を意図せず変える攻撃	読み込む文書に不正な指示を埋め込む
16	グラウンディング	回答を資料や検索結果などの根拠に基づかせること	規程を参照して説明
17	RAG（検索拡張生成）	関連情報を検索・取得し、生成時に参照させる仕組み	社内マニュアルを検索して回答
18	ファインチューニング	学習済みモデルを追加学習で調整すること	特定の回答形式へ適応
19	API	ソフトウェアから別の機能やデータを利用するための仕組み	自社システムからAIを呼び出す
20	AIエージェント	目標に沿って計画し、ツールなどを使って作業するシステム	調査から結果の整理まで進める

すべての定義を一度に暗記する必要はありません。まず一文で意味を説明できるようになり、使う場面に出会ったときに詳しく調べる方法で十分です。

生成AI用語の基本①｜AIの全体像を理解する5語

最初は、AI・生成AI・機械学習・ディープラーニング・LLMの関係を押さえましょう。これらは、広い概念、技術分野、学習方法、モデルという異なるものを表しています。

1．AI（人工知能）

AIは、認識・予測・推論・生成などを行う技術やシステムを指す広い概念です。

たとえば、画像から商品を判別するシステムや、過去の販売データから需要を予測するシステムもAIの活用例です。文章や画像を作る生成AIは、この広い分野の一部に位置付けられます。

初心者は、「AIには、作る以外の役割もある」と覚えると整理しやすくなります。

AWLの用語解説AI（人工知能）を詳しく学ぶ意味・仕組み・具体例を個別記事で確認

2．生成AI

生成AIは、学習したデータのパターンをもとに、文章・画像・音声・動画などを生成するAIの技術分野です。

取引先へのメールの下書きを作る、記事のイラストを作る、説明文を別の表現に書き換えるといった使い方があります。

ただし、生成された内容が正確であることや、既存の作品と似ていないことまで保証するものではありません。生成後には、目的に合っているか、事実に誤りがないかを確認します。

AIやChatGPTとの違いは、生成AIとは？AI・ChatGPTとの違いで詳しく解説しています。

AWLの用語解説生成AIを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

3．機械学習

機械学習は、データからパターンを学び、新しいデータに対して予測や分類などを行う方法です。

たとえば、過去の注文数や曜日、天候のデータを使って、翌日の注文数を予測する場面で利用されます。

「学習」という言葉は、AIが人間と同じように理解したり、経験したりすることを意味するわけではありません。データに合うようにモデルの内部を調整する処理を指します。

AWLの用語解説機械学習を詳しく学ぶ意味・仕組み・具体例を個別記事で確認

4．ディープラーニング

ディープラーニングは、多層のニューラルネットワークを利用する機械学習の方法です。「深層学習」とも呼ばれます。

画像や音声などの複雑なパターンを扱う技術として発展し、現在の多くの生成AIにも使われています。

初めの段階では、細かな計算方法まで覚えなくても構いません。「機械学習の方法の一つで、多くの生成AIを支えている」と理解しておきましょう。

AWLの用語解説ディープラーニングを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

5．大規模言語モデル（LLM）

LLMは「Large Language Model」の略で、大量のデータから言葉のパターンを学んだモデルです。文章の生成、要約、翻訳、質問への回答などに使われます。

多くの生成型LLMは、入力やそれまでの文章を踏まえて、次に続くトークンを順に生成します。自然な文章を作れても、その内容が事実と一致するとは限りません。

ChatGPTは、こうした生成AIモデルを利用するサービスです。LLMはモデル、ChatGPTはサービスという違いを押さえると、説明記事を読みやすくなります。

AWLの用語解説大規模言語モデル（LLM）を詳しく学ぶ意味・仕組み・具体例を個別記事で確認

生成AI用語の基本②｜入力と回答に関わる5語

生成AIを実際に使うときは、プロンプトと情報量に関わる用語が役立ちます。依頼の仕方と、AIが参照できる情報の範囲を理解すると、回答を改善しやすくなります。

6．プロンプト

プロンプトは、AIに渡す質問・指示・参考情報などの入力です。

たとえば、「会議メモを要約してください」という依頼もプロンプトです。さらに、対象読者や出力形式を指定すると、用途に合う回答を得やすくなります。

次のように、目的と条件を組み合わせてみましょう。

以下の架空の会議メモを、新入社員向けに要約してください。決定事項と次の作業を分け、箇条書きで出力してください。メモにない内容は補わないでください。

長文にすること自体が目的ではありません。必要な条件を過不足なく伝えることが大切です。

入力の基本は、プロンプトの意味と使い方でも確認できます。

AWLの用語解説プロンプトを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

7．プロンプトエンジニアリング

プロンプトエンジニアリングは、入力を設計し、回答を確認しながら改善する取り組みです。

「商品説明を書いて」という依頼を、「初めて購入する人向けに、特徴を3点、各50文字程度で説明して」と具体化することも、その一例です。

初心者は、次の4項目から始めると実践しやすくなります。

目的：何を作りたいか
対象：誰が読むか
材料：何を参考にするか
形式：どのように出力してほしいか

一度の指示で完成させようとせず、回答を見て必要な条件を追加しましょう。

AWLの用語解説プロンプトエンジニアリングを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

8．トークン

トークンは、モデルが文章などを処理する際の単位です。文章は、単語、単語の一部、文字や記号などに分けて扱われます。

1トークンが常に1文字に対応するわけではありません。分け方は、言語やモデルが使う処理方式によって異なります。

この用語は、入力できる情報量やAPIの利用量を理解するときに登場します。文章の文字数とトークン数は、別のものとして考えましょう。

AWLの用語解説トークンを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

9．コンテキストウィンドウ

コンテキストウィンドウは、モデルが一度に扱える情報量の上限です。一般にトークン数で表されます。

会話の履歴、入力した資料、指示などが、この範囲に関わります。入力と出力の扱いはモデルやサービスの仕様によって異なります。

たとえば、長い資料を渡す場合、対応する情報量を超えると、一部を扱えなかったり、分割が必要になったりします。また、上限内であっても、重要な箇所を必ず正確に拾えるとは限りません。

「一度に扱う情報の範囲」と「会話を保存する機能」は分けて理解しましょう。

AWLの用語解説コンテキストウィンドウを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

10．マルチモーダルAI

マルチモーダルAIは、文章・画像・音声・動画など、複数の種類の情報を扱うAIです。

たとえば、写真を添付して「この画像に写っているものを説明してください」と質問する使い方があります。

ただし、入力できる情報と出力できる情報はモデルによって異なります。画像を読み取れるからといって、そのモデルが画像も生成できるとは限りません。

使いたいサービスが、何を入力でき、何を出力できるのかを確認しましょう。

AWLの用語解説マルチモーダルAIを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

生成AI用語の基本③｜作れるものと注意点を知る5語

生成AIの種類とリスクは、一緒に学んでおくと実際の利用に役立ちます。文章や画像を作れた後は、正確性、偏り、入力に紛れた指示などを確認する必要があります。

11．テキスト生成AI

テキスト生成AIは、文章を生成するAIです。

メール、お知らせ、商品説明、記事の下書きなどの作成に使われます。また、入力した文章を短くまとめたり、表現を整えたりする作業にも利用できます。

たとえば、店舗のお知らせを作る場合は、営業時間や日付などの確定情報を渡します。文章が自然でも、重要な数字や条件は元の情報と照合してください。

LLMは、テキスト生成AIを支える代表的なモデルです。

AWLの用語解説テキスト生成AIを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

12．画像生成AI

画像生成AIは、文章の指示や参考画像などをもとに、画像を生成するAIです。

たとえば、「白い背景に、ノートパソコンと観葉植物を置いたシンプルなイラスト」のように、構図や雰囲気を指定して作成します。

細かな文字、人物の手、商品形状などは、意図と異なる結果になることがあります。公開前には実物を確認し、必要に応じて修正しましょう。

商用利用の条件や素材の扱いは、利用するサービスごとに確認が必要です。

AWLの用語解説画像生成AIを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

13．ハルシネーション

ハルシネーションは、生成AIが事実や根拠に合わない内容を、もっともらしく出力する現象です。

たとえば、存在しない書籍や資料名を挙げたり、資料に書かれていない内容を要約へ追加したりする場合があります。

文体が丁寧で、具体的な数字が入っていても、正しいとは限りません。重要な情報は、公式資料や元の文書に戻って確認します。

「分からない場合は不明と答えて」と指示することは有用ですが、それだけで誤りを防げるわけではありません。詳しい確認方法は、ハルシネーションの原因・事例・対策を参考にしてください。

AWLの用語解説ハルシネーションを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

14．バイアス

バイアスは、データやモデル、出力、評価などに生じる偏りを指します。

たとえば、職業の説明や人物画像を生成するときに、特定の性別や年齢へ偏る場合があります。学習データだけでなく、入力の仕方や評価方法も結果に影響します。

「AIが出したので中立」とは判断できません。採用や顧客対応など、人への評価や機会に関わる場面では、出力に偏った前提が含まれていないかを確認しましょう。

ハルシネーションが主に事実や根拠との不一致を指すのに対し、バイアスは偏りの問題を表します。

AWLの用語解説バイアスを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

15．プロンプトインジェクション

プロンプトインジェクションは、入力や読み込む資料などに紛れた指示によって、AIを意図しない動作へ誘導する攻撃です。

たとえば、要約対象のWebページに、本来の作業と関係のない指示が埋め込まれているケースがあります。AIが参照する内容と、従うべき指示を取り違えることが問題になります。

特に、外部情報を読み込み、ツールを使って操作する仕組みでは注意が必要です。外部の文章に書かれた命令を、そのまま実行させない設計が求められます。

初心者は、「読み込む資料にも不正な指示が含まれる可能性がある」と覚えておきましょう。

AWLの用語解説プロンプトインジェクションを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

生成AI用語の基本④｜根拠と仕事への応用を知る5語

仕事への活用では、回答の根拠を補う方法と、AIをシステムへ組み込む方法が登場します。ここからの5語は、使う必要が生じたときに詳しく学んでも構いません。

16．グラウンディング

グラウンディングは、回答を資料や検索結果などの根拠に基づかせることです。

たとえば、就業規則について説明させる際に、実際の規程を渡して、その記載内容を参照させる使い方があります。

ただし、参照資料が古い、内容が誤っている、必要な情報が載っていない場合は、回答にも問題が生じます。根拠があることと、根拠が正しいことは別々に確認しましょう。

AWLの用語解説グラウンディングを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

17．RAG（検索拡張生成）

RAGは「Retrieval-Augmented Generation」の略です。質問に関係する情報を検索・取得し、その情報を参照させて回答を生成する仕組みを指します。

社内マニュアルへの質問なら、関連する項目を検索し、取り出した内容をモデルへ渡して回答させる流れです。

RAGは、グラウンディングを実現する代表的な方法の一つです。通常、情報を参照するたびにモデルを追加学習する仕組みではありません。

検索対象の漏れや古い資料、誤った読み取りによって回答が不正確になることもあります。参照元と回答の対応を確認する必要があります。

AWLの用語解説RAG（検索拡張生成）を詳しく学ぶ意味・仕組み・具体例を個別記事で確認

18．ファインチューニング

ファインチューニングは、学習済みモデルを追加学習によって調整することです。

たとえば、一定の形式で回答する例を学習に使い、その形式に合う出力へ適応させる用途があります。

資料を会話へ添付したり、「丁寧な文章にして」と指示したりすること自体は、ファインチューニングではありません。

初心者は、RAGは回答時に情報を参照する方法、ファインチューニングは追加学習でモデルを調整する方法と区別すると理解しやすくなります。

AWLの用語解説ファインチューニングを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

19．API

APIは「Application Programming Interface」の略で、ソフトウェアから別の機能やデータを利用するための仕組みです。

たとえば、自社システムからAIへ文章を送り、要約結果を受け取る処理に使われます。人が毎回チャット画面へ入力する代わりに、プログラムから機能を呼び出します。

チャットサービスの契約とAPIの契約・料金は、別に扱われる場合があります。利用時には、認証情報、送るデータ、課金条件を確認します。

チャット画面で生成AIを使い始める段階なら、APIの実装まで覚える必要はありません。

AWLの用語解説APIを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

20．AIエージェント

AIエージェントは、与えられた目標に沿って計画し、ツールなどを使いながら作業を進めるシステムです。

たとえば、指定したテーマを調査し、情報を比較して、結果を表にまとめる一連の作業が考えられます。実際にできることは、接続されたツールや与えられた権限によって異なります。

回答文を作るだけでなく、外部の操作に関わる場合は、誤りの影響も広がります。送信・購入・公開などの操作では、どこまで任せるか、人がどこで確認するかを決めておくことが大切です。

AWLの用語解説AIエージェントを詳しく学ぶ意味・仕組み・具体例を個別記事で確認

初心者が生成AI用語を学ぶ順番｜4段階で実践する

学習は、全体像を押さえてから、小さな操作を試し、安全性を確認し、必要な応用へ進む順番がおすすめです。これは理解を助けるための編集部提案で、必須の学習順序ではありません。

基本を実際の操作につなげるなら、ChatGPT・Claude・Geminiを使う前のAI用語で操作・料金・利用上限・安全性の言葉を確認してから、小さな作業を試しましょう。

段階	学ぶ用語	試すこと	理解の目安
1．全体像を知る	AI、生成AI、機械学習、ディープラーニング、LLM	技術・学習方法・モデル・サービスの違いを説明する	ChatGPTがサービスであると分かる
2．入力して使う	プロンプト、プロンプトエンジニアリング、トークン、コンテキストウィンドウ、マルチモーダルAI、テキスト生成AI、画像生成AI	架空の文章の要約や書き換えを試す	条件を追加して回答を改善できる
3．回答を確認する	ハルシネーション、バイアス、プロンプトインジェクション、グラウンディング	元資料と出力を照合する	事実・偏り・不審な指示を確認できる
4．応用を知る	RAG、ファインチューニング、API、AIエージェント	自分の業務で必要な仕組みを考える	参照・追加学習・接続・実行を区別できる

最初の操作前にハルシネーションを知っておく

表では安全性を3段階目にまとめていますが、ハルシネーションの意味は、最初に使う前から押さえておきましょう。

最初の練習には、個人情報や機密情報を含まない架空の文章が適しています。短い文章を要約させて、元の内容と比べてみてください。

「元の文章にないことが加わっていないか」「重要な条件が抜けていないか」を見るだけでも、生成AIの便利さと限界を理解できます。

用語を覚えるときは「意味・例・注意点」をセットにする

単語だけを暗記するよりも、次の3点を一組にすると、使う場面を思い出しやすくなります。

意味：何を表す言葉か
例：どのような作業で使うか
注意点：何を確認する必要があるか

たとえば、プロンプトなら「AIへの入力」「お知らせ文の作成指示」「条件を具体化しても正確性の確認は必要」と整理できます。

自分の仕事や日常の例に置き換えると、知識を実践へつなげやすくなります。

生成AI用語で混同しやすい違い

似た用語は、「何を表しているか」で比較すると整理できます。特に、技術とサービス、入力と学習、参照と追加学習を分けて考えることが大切です。

技術・モデル・サービスの関係をさらに整理したい方は、混同しやすいAI用語の違いでAI・生成AI・LLM・RAGなどの役割と使い分けを比較できます。

混同しやすい用語	違い
AI／生成AI／ChatGPT	AIは広い概念、生成AIは技術分野、ChatGPTは生成AIモデルを利用するサービス
LLM／テキスト生成AI	LLMはモデルの種類、テキスト生成AIは文章を生成するAIの呼び方
プロンプト／プロンプトエンジニアリング	前者は入力、後者は入力を設計・改善する取り組み
トークン／文字数	トークンはモデルの処理単位で、文字数と常に一致しない
コンテキストウィンドウ／保存された会話	一度に扱える情報量と、会話の保存機能は異なる
ハルシネーション／バイアス	事実や根拠との不一致と、偏りの問題
グラウンディング／RAG	根拠に基づかせる考え方と、その代表的な実現方法
RAG／ファインチューニング	回答時の情報参照と、追加学習によるモデル調整
API／AIエージェント	機能を利用する接続の仕組みと、目標に沿って作業するシステム

これらは、必ずどちらか一方だけを使う関係ではありません。AIエージェントがAPIを使って情報を取得したり、RAGとファインチューニングを組み合わせたりすることもあります。

初心者向け生成AI用語のよくある質問

生成AIの学習は、用語をすべて覚えてから始める必要はありません。小さく試しながら、分からない言葉を補っていきましょう。

最初に覚えるなら、どの用語が重要ですか？

AI・生成AI・LLM・プロンプト・ハルシネーションの5語を優先すると、全体像、依頼方法、回答の注意点を押さえられます。

その後、長い資料を扱うならトークンとコンテキストウィンドウ、社内情報の活用を考えるならRAGへ進むと、目的に合わせて学べます。

英語の略称も覚える必要がありますか？

最初は、日本語で意味を説明できれば十分です。

ただし、LLM・RAG・APIは、公式資料や解説記事によく登場するため、日本語の意味と略称をセットで覚えると調べやすくなります。

プロンプトを入力すると、AIはその内容を学習しますか？

会話中に情報を参照して回答することと、モデルの追加学習は異なります。

また、入力データがサービス改善や学習に使われるかどうかは、利用するサービス、契約、設定によって異なります。業務情報を入力する前に、データの扱いを確認してください。

RAGやAPIを知らなくても生成AIは使えますか？

はい。チャット画面から文章作成や要約を試す段階なら、実装に関する詳しい知識は不要です。

まずはプロンプトの書き方と回答の確認方法を学び、社内資料の検索や業務システムとの接続が必要になった段階で、RAGやAPIを詳しく調べましょう。

用語を覚えるだけで、生成AIを使いこなせますか？

用語の理解は土台になりますが、実際の利用では、材料の選び方、依頼の仕方、出力の確認が必要です。

短い文章の要約や書き換えを試し、目的に合うか、事実を変えていないかを確認する練習を重ねましょう。

まとめ｜生成AI用語は意味と具体例を結び付けて覚えよう

初心者が生成AI用語を学ぶときは、まずAI・生成AI・LLMで全体像をつかみ、プロンプトで操作を試し、ハルシネーションなどの注意点を確認する流れが役立ちます。

その後、必要に応じてRAG・API・AIエージェントなどの応用へ進みましょう。用語を知る目的は、難しい言葉を暗記することではなく、何ができて、何を確認すべきかを判断できるようになることです。

さらに詳しく学ぶ場合は、次の個別解説を活用してください。

ほかの言葉を調べたいときは、生成AI用語集から目的に合う用語を探せます。

出典・参考情報

以下の公式資料を参照して、用語の定義と技術上の違いを整理しました。具体例は理解を助けるための説明例であり、特定サービスの実体験や成果を示すものではありません。

情報確認日：2026年10月6日

Google公式の用語集

Google for Developers「Machine Learning Glossary: ML Fundamentals」
AI・モデル・機械学習・ディープラーニングなどの基本概念を確認。
Google for Developers「Machine Learning Glossary: Generative AI」
生成AI、プロンプト、マルチモーダル、コンテキストウィンドウ、グラウンディング、ファインチューニングなどの定義を確認。
Google for Developers「Machine Learning Glossary: Responsible AI」
バイアスなど、責任あるAI利用に関わる概念を確認。
Google for Developers「Machine Learning Glossary: Agentic」
AIエージェントやプロンプトインジェクションに関わる概念を確認。

IBMの技術解説

IBM「What Are Large Language Models (LLMs)?」
LLM、トークン、文章生成、モデルの学習と利用の違いを確認。
IBM「What Is Machine Learning?」
データからパターンを学ぶ機械学習と、ディープラーニングの関係を確認。
IBM「What Are AI Hallucinations?」
ハルシネーションの概念と、生成内容の検証が必要であることを確認。
IBM「What Is RAG (Retrieval Augmented Generation)?」
外部情報の検索・取得と生成を組み合わせる仕組みを確認。
IBM「What Is an API (Application Programming Interface)?」
ソフトウェア間で機能やデータを利用するAPIの役割を確認。

この記事を書いた人

田中和馬株式会社エヌ・ケーパートナーズ／AIスクールガイド｜AWL編集長

株式会社エヌ・ケーパートナーズが運営する「AIスクールガイド｜AWL」編集長。10年以上にわたり、SEOメディアの立ち上げ・構築・運用に携わってきました。

2024年頃から生成AIを独学で学び始め、その後、生成AIスクールでも体系的に学習。現在はChatGPT、Gemini、Claudeなどを活用し、ディープリサーチによる情報収集、マーケティング企画、記事構成・文書作成、メール作成、業務自動化などに日常的に取り組んでいます。

また、生成AIをWebサイトの企画・制作、コーディング、デザインにも活用。エンジニアやデザイナーの業務領域を理解しながら、自らディレクションを行い、メディアの設計から制作・運用まで一貫して担当しています。生成AIスクール・講座の調査、比較基準の設計、記事編集・品質管理も担当しています。