AI Glossary
AI用語集
非エンジニアのためのAI・DX用語辞典
A - D
AI（人工知能）
人間の知的活動をコンピュータで再現する技術の総称です。文章生成、画像認識、データ分析、音声認識など幅広い分野で活用されています。近年は「生成AI」の登場により、非エンジニアでも日常業務でAIを活用する場面が急増しています。
ビジネスでの活用: 文書作成の自動化、顧客対応の効率化、データ分析の高速化など
API（Application Programming Interface）
ソフトウェア同士を連携させるための接続口です。異なるサービスやシステムをつないで自動化するために使われます。例えば、自社の業務システムとAIサービスをAPIで接続すると、手作業なしでデータのやり取りが可能になります。
ビジネスでの活用: 社内システムとAIの連携、業務フローの自動化、外部サービスとのデータ連携
ChatGPT
OpenAI社が提供する対話型AIサービスです。自然な文章で質問すると回答を生成します。文章作成、翻訳、要約、アイデア出しなど、ビジネスの幅広い場面で活用されています。無料プランと有料プラン（Plus / Team）があります。
ビジネスでの活用: メール文面の作成、議事録の要約、資料のドラフト作成、リサーチ
Claude Code
Anthropic社が提供するAIコーディングツールです。自然言語（日本語）の指示でプログラムを自動生成・修正でき、プログラミング未経験者でもWebアプリケーション構築が可能です。VS Codeと連携して使用します。ExteryのAI活用研修では、このClaude Codeを使った業務ツール自社開発の基礎力を10時間で習得。研修後の継続サポート（助成金対象外）で自走改善体制を構築し、開発の内製化を実現します。
ビジネスでの活用: 業務ツールの自作、データ処理の自動化、社内システムのプロトタイプ開発
DX（デジタルトランスフォーメーション）
デジタル技術を活用して業務プロセスやビジネスモデルを変革することです。単なるIT化（紙をデジタルに置き換える等）ではなく、組織文化や働き方まで含めた本質的な変革を指します。経済産業省も中小企業のDX推進を支援しており、各種補助金制度が整備されています。
ビジネスでの活用: 業務プロセスの見直し、顧客体験の向上、新しいビジネスモデルの構築
L - R
LLM（Large Language Model / 大規模言語モデル）
大量のテキストデータから学習した、言語を理解・生成するAIモデルです。ChatGPTやClaudeの基盤技術であり、自然な文章生成、翻訳、質問応答などを可能にします。GPT-4、Claude、Geminiなどが代表的なLLMです。
ビジネスでの活用: チャットボット、文書自動生成、カスタマーサポートの自動化
MCP（Model Context Protocol）
AIモデルと外部ツール・データを接続するための標準プロトコルです。Anthropic社が策定した仕様で、AIが社内システムやデータベース、外部サービスと安全に連携するための仕組みです。MCPを使うことで、AIが自社の業務データにアクセスし、より的確な回答や処理を行えるようになります。
ビジネスでの活用: AIと社内システムの連携、業務データを活用したAI応答の高精度化
RAG（Retrieval-Augmented Generation / 検索拡張生成）
AIが回答する際に外部データベースを検索し、取得した情報をもとに回答を生成する技術です。AIの知識だけでなく、自社の社内文書やFAQ、マニュアル等の最新情報を反映した回答が可能になります。ハルシネーション（誤情報生成）の軽減にも効果があります。
ビジネスでの活用: 社内ナレッジベースとAIの連携、FAQ自動応答、マニュアル検索の効率化
S - V
SaaS（Software as a Service）
インターネット経由で利用するソフトウェアサービスの形態です。自社のパソコンにインストールする必要がなく、ブラウザからアクセスするだけで利用できます。月額課金制が一般的で、初期費用を抑えて導入できるのが特徴です。
例: Google Workspace、Slack、Salesforce、freee
VS Code（Visual Studio Code）
Microsoft社が提供する無料のコードエディタです。プログラムの作成・編集に使われるソフトウェアで、Claude Code等のAIツールと連携して使用します。豊富な拡張機能があり、初心者から上級者まで幅広く利用されています。ExteryのAI活用研修でもVS Codeを使用します。
ビジネスでの活用: AIツールと連携したプログラム開発、コードの編集・管理
あ行 - は行
エンベディング（Embedding）
テキストや画像などのデータを数値ベクトル（数字の列）に変換する処理です。変換後のベクトル同士の距離を計算することで、意味的な類似度を測定できます。RAGやベクトルデータベースの前処理として使われる基盤技術です。
ビジネスでの活用: 類似文書の検索、レコメンデーション、テキスト分類
機械学習（Machine Learning）
データからパターンを学習して予測や判断を行うAIの基盤技術です。大量のデータを使ってモデルを訓練（学習）し、未知のデータに対しても精度の高い判断ができるようにします。生成AIやLLMも機械学習の一種です。
ビジネスでの活用: 売上予測、需要予測、異常検知、画像分類
生成AI（Generative AI）
テキスト・画像・音声・動画などのコンテンツを新たに生成するAI技術の総称です。ChatGPT、Claude、Midjourney、DALL-Eなどが代表例です。2023年以降に急速に普及し、ビジネスの生産性向上に大きなインパクトを与えています。
ビジネスでの活用: コンテンツ制作、マーケティング素材の生成、コード生成、データ分析
トークン（Token）
AIが文章を処理する際の最小単位です。英語では1単語が約1トークン、日本語では1文字が約1〜2トークンに相当します。AIサービスの利用料金はトークン数に基づいて計算されることが多く、コスト管理の際に重要な概念です。
ビジネスでの活用: APIコストの見積もり、入力文字数の最適化
プロンプト（Prompt）
AIに対する指示・質問文のことです。プロンプトの書き方によってAIの回答品質が大きく変わります。具体的な背景情報を含める、出力形式を指定する、段階的に指示するなどの工夫で、より正確で有用な回答を得ることができます。
ビジネスでの活用: AI活用の基本スキル、業務効率化の第一歩
プロンプトエンジニアリング（Prompt Engineering）
AIから望む回答を効率的に引き出すためのプロンプト設計技術です。背景情報の提供（コンテキスト）、段階的な思考の指示（Chain of Thought）、出力形式の指定、例示（Few-shot）などのテクニックを体系的に活用します。
ビジネスでの活用: AI活用の品質向上、業務プロセスの標準化
ベクトルデータベース（Vector Database）
テキストや画像を数値ベクトルに変換して保存・検索するデータベースです。従来のキーワード検索とは異なり、意味的に類似した情報を高速に検索できます。RAGの基盤技術として、AIと社内データを連携する際に重要な役割を果たします。
代表的なサービス: Pinecone、Weaviate、ChromaDB
ベンダーロックイン（Vendor Lock-in）
特定の企業の製品・サービスに依存し、他社への乗り換えが困難になる状態です。AI導入時には、ソースコードの所有権、データのエクスポート可否、API仕様の標準化度合いなどを確認することが重要です。Exteryではカスタム開発の納品時にソースコード一式を含めてお渡しすることで、ベンダーロックインを防ぐサービス設計をしています。
ビジネスでの活用: AIシステム導入時のリスク評価、調達要件の策定
ファインチューニング（Fine-tuning）
学習済みのAIモデルを特定の用途に合わせて追加学習させることです。自社データで調整することで、業界固有の専門用語や業務知識に対応させることができます。ただし、コストと効果のバランスを考慮し、RAGで十分かファインチューニングが必要かを判断することが重要です。
ビジネスでの活用: 業界特化のAIモデル構築、社内用語への対応
ハルシネーション（Hallucination）
AIが事実に基づかない情報をもっともらしく生成してしまう現象です。「AIの幻覚」とも呼ばれます。生成AIは確率的にテキストを生成するため、存在しない事実や数値を自信を持って出力することがあります。業務利用する際には、出力内容のファクトチェック（事実確認）が不可欠です。
対策: RAGの活用、出力の人間レビュー、ソース付き回答の要求