生成AI用語集｜業務担当者が最低限おさえる基本用語をやさしく解説【2026年版】
提案書や打ち合わせで出てくる生成AIの用語を、業務担当者の目線でやさしく整理した用語集です。モデル・プロンプト・トークンといった基本の言葉から、ハルシネーション・RAG・ファインチューニング・AIエージェントといった検討の場で判断に関わる言葉まで、意味と「なぜそれが自社の判断に効くのか」をあわせて解説します。
結論：生成AIの用語は数多くありますが、業務担当者が判断のために知っておくべきものは十数個に絞れます。押さえる順番は①仕組みの言葉（モデル・プロンプト・トークン）②リスクの言葉（ハルシネーション・学習利用）③選択肢の言葉（RAG・ファインチューニング・エージェント・API）の3段です。全部を正確に覚える必要はありません。提案書に出てきた言葉の意味と、それが費用や安全性のどこに効くのかが分かれば、検討の場で流されずに判断できます。
提案を受けている最中に知らない言葉が出てきても、その場で聞き返しにくい——よくある場面です。ところが用語の理解が曖昧なまま進むと、要件と見積もりが噛み合わないまま契約に至ります。本記事では、業務の判断に関わる用語だけを選び、意味とあわせて「どこで効いてくるか」を添えて整理します。
3段階で覚える
- 仕組みの言葉: 何が起きているのかを説明できるようになる。モデル、プロンプト、トークン、コンテキスト
- リスクの言葉: 何に気をつければよいかが分かる。ハルシネーション、学習利用、プロンプトインジェクション
- 選択肢の言葉: どの作り方を選ぶかの判断に効く。RAG、ファインチューニング、AIエージェント、API、マルチモーダル
この順で押さえると、提案の内容が「何を使って、どういう作り方で、どんなリスクがあるか」の3点で読めるようになります。
用語1：仕組みを説明するための言葉
モデルは、文章や画像を生成する仕組みそのものを指します。同じサービスでも複数のモデルが用意されていることが多く、速さを優先するものと、複雑な指示に強いものが分かれています。提案書で「どのモデルを使うか」が書かれていない場合は、費用も品質も見積もれないので必ず確認してください。プロンプトは、AIに出す指示のことです。同じモデルでも指示の書き方で結果が大きく変わるため、導入後の成果を左右する現実的な要素になります（業務で使うプロンプトの書き方）。トークンは、AIが文章を処理するときの単位です。日本語では、おおむね文字数に比例して増えると考えておけば実務上は足ります。重要なのは、多くのサービスでこの単位が課金の根拠になっていることで、長い資料を大量に読ませる使い方は費用が伸びます（AI導入の費用の考え方）。コンテキストは、AIが一度に見られる情報の範囲を指します。これが小さいと長い資料を丸ごと渡せず、途中で前の内容を忘れたような挙動になります。
用語2：リスクを理解するための言葉
ハルシネーションは、AIが事実でない内容をもっともらしく生成する現象です。悪意のある嘘ではなく仕組み上避けられない性質で、文章が自然なぶん見抜きにくいのが厄介なところです。対策は精度の高いサービスを選ぶことではなく、確認の工程を業務に組み込むことです（生成AIのハルシネーション対策ガイド）。学習利用は、入力した内容が今後のモデルの改善に使われることを指します。サービスやプランによって扱いが異なり、法人向けの契約や管理者設定で外せる場合があります。ここを確認せずに業務の情報を入力するのが、最も多いリスクの入口です（生成AIのセキュリティ対策ガイド、生成AIの社内ガイドライン策定ガイド）。プロンプトインジェクションは、読み込ませた文書やWebページの中に紛れ込んだ指示に、AIが従ってしまう問題です。社外から届いた文書をAIに処理させる仕組みを作るときは、この可能性を前提に設計する必要があります。
用語3：作り方の選択肢に関わる言葉
RAGは、自社の文書やデータをAIに参照させて回答させる仕組みの呼び名です。社内規程やマニュアルに基づいて答えさせたい場合の標準的な作り方で、モデル自体を作り替えないため比較的取り組みやすい選択肢です（社内ナレッジをAIに答えさせるRAG入門）。ファインチューニングは、モデル自体を自社のデータで追加学習させる手法です。RAGとどちらを選ぶかは提案で分かれやすい論点で、費用も所要期間も変わります（RAGとファインチューニングの違いと使い分け）。AIエージェントは、目標を渡すと自分で手順を考えて複数の作業を続けて実行する仕組みを指します。チャットで一問一答する使い方との違いは、外部のシステムを操作するところまで踏み込む点で、そのぶん権限の設計が重要になります（AIエージェントとは何か、AIエージェント導入ガイド）。APIは、AIの機能を自社のシステムから呼び出すための接続口です。既製のサービス画面を使うのではなく、自社の業務システムに組み込みたい場合に登場します。マルチモーダルは、文章だけでなく画像や音声も扱えることを指す言葉で、紙の書類の読み取りや写真の説明文づくりといった用途につながります（AI-OCRで紙の書類仕事を減らすガイド、画像生成AIの業務活用ガイド）。
用語が判断のどこに効くか
| 用語 | ざっくりした意味 | どこに効くか |
|---|---|---|
| トークン | AIが文章を処理する単位 | 従量課金の費用が読めるようになる |
| ハルシネーション | もっともらしい誤りが混ざる性質 | 確認工程を業務手順に入れる判断 |
| 学習利用 | 入力内容が改善に使われるか | 契約するプランの選定 |
| RAG | 自社文書を参照して答えさせる | 社内文書の整備費用の見積もり |
| AIエージェント | 手順を考えて連続実行する | 権限と承認の設計の要否 |
言葉を覚えること自体が目的ではありません。提案の中身を自分の言葉で言い換えられるかが目安です。
注意点：用語の定義は場面によって揺れる
生成AIの用語は、事業者によって使い方が微妙に異なることがあります。特に「エージェント」や「自動化」といった言葉は、指している範囲が提案ごとに違いがちです。打ち合わせで出てきたら、言葉の意味を尋ねるのではなく「具体的にはどの作業を誰の代わりにやるのですか」と聞くほうが、認識のずれが早く見つかります。もうひとつ、用語に詳しくなることと、自社に合う判断ができることは別物です。判断に必要なのは、対象業務の実態を知っていることのほうで、言葉は後からついてきます。基礎から体系的に学びたい場合はAI関連の資格・検定ガイドと社員向けAI研修の設計ガイドを、サービス選定の手順は失敗しないAIサービスの選び方と法人向け生成AIサービスの比較をご覧ください。もうひとつ覚えておきたいのは、用語の多くが英語のまま使われるせいで、日本語に置き換えると意味が広がりすぎるという点です。たとえば「学習」という言葉は、モデルそのものを作る工程を指す場合と、入力した内容が今後の改善に使われることを指す場合があり、社内の会話ではこの2つが頻繁に混ざります。打ち合わせで話が噛み合わないと感じたら、同じ言葉を互いに別の意味で使っていないかを疑ってください。言葉の定義をそろえるだけで、止まっていた検討が一段進むことがあります。
よくある質問
Q. 担当者はどこまで用語を知っておくべきですか？
A. 提案書に出てくる言葉を読み飛ばさずに済む程度で十分です。目安は、見積もりの金額が何によって増減するのかを説明できることと、どこにリスクがあるかを言えることの2つです。
Q. 専門用語を使わずに説明してくれる会社を選ぶべきですか？
A. 用語を避けること自体が良し悪しではありませんが、聞いたときに業務の言葉で言い換えられるかは良い判断材料になります。言い換えられない相手は、自社の業務を理解していない可能性があります。
Q. 用語は次々に増えます。追いかけ続ける必要がありますか？
A. 必要ありません。新しい言葉の多くは、既存の仕組みに名前を付け直したものです。本記事の3段階の枠組みに当てはめて「仕組みの話か、リスクの話か、作り方の選択肢の話か」を分類すれば、たいていは位置づけが分かります。
Q. 社内で用語の理解にばらつきがあります。どうすればよいですか？
A. 一覧を配るより、実際の提案書や社内の検討資料に出てきた言葉だけを、その都度1行で説明して共有するほうが定着します。使う場面とセットで覚えたほうが忘れにくいためです。
AITECHは、提案書の言葉が分からないという段階から相談できる窓口です。まずは受け取っている提案の内容をそのままお持ちください。