AIの意味と基礎用語12選｜語源から辞典形式で整理

AIに関する記事やニュースを読んでいると、「トークン」「ハルシネーション」「ファインチューニング」など、聞き慣れない用語が次々に出てきます。総務省「令和7年版情報通信白書」によると、個人の生成AI利用率は26.7%まで伸びており、専門家でなくてもAI関連の用語に触れる機会が増えています。本記事では、AI(Artificial Intelligence)の語源から、実務やニュースで頻出する基礎用語12語を、辞典形式で整理します。

目次

開く

閉じる

1. 用語理解のばらつきは、研修コンテンツで揃える
2. AIの語源｜Artificial Intelligenceの由来
3. 基礎用語12選｜辞典形式で整理する
4. 用語を実務でどう使うか
5. 用語知識を組織で共有する進め方
6. 用語学習でよくある失敗パターン3つ
7. 企業規模別に見る用語理解の優先順位
8. よくある質問(FAQ)
9. まとめ｜今日からできる3つのこと
10. 参考文献

用語理解のばらつきは、研修コンテンツで揃える

用語の理解を個人の学習に任せるのではなく、部署ごとの理解度に差が出やすい用語を優先的に研修コンテンツ化し、定期的に更新する仕組みを整えることが、組織全体でのAI活用をスムーズにする土台になります。以下に、経営層から現場担当者まで幅広く活用できる管理職向けeラーニングシステムから、特徴が異なる3サービスをご紹介します。

サービス名	GOOD(強み)	MORE(留意点)
STUDIO Powered by Leaf(株式会社インソース)	財務・管理会計・官公庁向けなど全254テーマから選択でき、フルプランなら全テーマが学び放題。人事評価やストレスチェック等の従業員サポートも行える	フルプラン以外では教材テーマが2つまでしか選択できない
KnowledgeDeliver(株式会社デジタル・ナレッジ)	日本初のeラーニング専門会社で、導入実績2,000社以上の安心感。ワンストップで専門分野に優れたスタッフによるサポート支援	教材制作時のミスの修正に時間・手間がかかる場合がある
NetLearning(株式会社ネットラーニング)	導入社数累計6,327社。高品質なeラーニングコースに加え、中小企業向け定額制・ポイント制・多機能LMSなど幅広い学習サービスを提供	サービスが多岐にわたるため契約サービスの吟味が必要

財務・法務等の専門テーマも幅広く揃えたい場合はテーマ網羅型、教材制作のサポート体制を重視する場合は専門会社型、定額制・多機能LMSなど柔軟な組み合わせを求める場合は組み合わせ型、という軸で検討すると選びやすくなります。

AIの語源｜Artificial Intelligenceの由来

AIは「Artificial(人工の)」と「Intelligence(知能)」を組み合わせた言葉で、日本語では「人工知能」と訳されます。

この用語自体は、1956年に米国で開催された研究会議で初めて使われたとされており、以来「人間の知的な活動をコンピュータで実現する」という広い意味で使われてきました。経済産業省・総務省の「AI事業者ガイドライン(第1.2版)」でも、AIは特定の技術を指す言葉ではなく、開発者・提供者・利用者という複数の立場から関わる技術群として整理されています(経済産業省・総務省「AI事業者ガイドライン(第1.2版)」2026年3月31日、https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/ 2026年9月17日取得)。この背景を知っておくと、「AI」という言葉が指す範囲の広さを理解しやすくなります。

基礎用語12選｜辞典形式で整理する

AI関連のニュースや資料で頻出する12の基礎用語を、意味の近い順にグループ化して整理すると、覚えやすくなります。

用語	意味
機械学習	データからパターンを学習し、予測や判断を行う技術。AIを実現する手法の一つ
深層学習	人間の脳神経の仕組みを模した多層構造で学習する、機械学習の一種
生成AI	文章・画像・音声など新しいコンテンツを生成するAIの総称
大規模言語モデル(LLM)	大量の文章データを学習し、自然な文章を生成できるAIモデル
トークン	LLMが文章を処理する際の最小単位。文字や単語の断片に分割される
プロンプト	AIに対して入力する指示文・質問文
ファインチューニング	既存のAIモデルを、特定の目的・データに合わせて追加学習させる調整作業
ハルシネーション	AIが事実と異なる内容をもっともらしく生成してしまう現象
RAG(検索拡張生成)	AIが回答を生成する際に外部の情報源を検索し、参照しながら回答する仕組み
AIエージェント	複数の情報を参照し、判断・実行までを一定範囲で自律的に行うAIの仕組み
マルチモーダル	文章・画像・音声など複数の種類の情報を組み合わせて処理できるAIの性質
オプトアウト	入力データがAIの学習に利用されることを、利用者側の設定で拒否できる仕組み

これらの用語は独立しているわけではなく、互いに関係しています。たとえば、生成AIの多くはLLM(大規模言語モデル)という技術を基盤にしており、LLMはトークン単位で文章を処理します。トークンは単純な文字数とは異なり、同じ文字数でも表記や言語によってトークン数が変わる単位で、多くのAIサービスの料金・処理負荷はこのトークン数を基準に計算されています。回答の精度を高めるためにファインチューニングやRAGといった手法が使われ、それでも完全に防げないハルシネーションのリスクに対しては、人による確認が必要になります。RAGは、AIの記憶だけに頼らず社内文書等を都度検索してから回答を生成する仕組みで、大規模な資料を扱う場面でのハルシネーションリスクを大きく低減できるとされています。RAGを支える周辺技術として、文章を意味のベクトルに変換する「埋め込み(Embedding)」や、それを保存・検索する「ベクトルデータベース」、長文を検索しやすい単位に分ける「チャンク分割」といった用語も、より深く理解したい場合に押さえておくと役立ちます。用語を単独で覚えるより、こうした関係性の中で理解する方が、実務での応用がしやすくなります。AI・機械学習・深層学習・LLMの「何の略か」という語源そのものをより詳しく知りたい方はAIは何の略？正式名称と関連用語の階層関係もあわせてご覧ください。

用語を実務でどう使うか

基礎用語を理解しておくと、AIサービスの機能説明や、社内でのAI活用に関する議論を、より正確に理解・判断できるようになります。

たとえば、AIサービスの説明に「RAGに対応」と書かれていれば、そのサービスは外部の情報を検索して回答に反映する仕組みを持つことがわかり、社内文書を参照させたい場合の候補として検討できます。「ハルシネーションのリスクがある」という説明があれば、重要な業務でその出力をそのまま使わず、人による確認を挟む必要があると判断できます。このように、用語の意味を理解しているかどうかが、AIサービスの機能を正しく評価できるかどうかに直結します。

トークン・ファインチューニング・RAG・ハルシネーションといった用語は、いずれも「AIの回答がなぜそうなるのか」「どこまで信頼できるのか」を判断する材料になります。しかし、これらを個人の自習だけで身につけようとすると、部署によって理解度にばらつきが生まれ、同じ「ハルシネーション」という言葉でも人によって受け止め方が違う、といった食い違いが起きがちです。用語の意味を全社で揃えた上で議論できる状態を作るには、基礎用語の解説を含んだ研修コンテンツを使って、体系的にインプットする機会を設けるのが近道です。

用語知識を組織で共有する進め方

用語の理解を個人の学習に任せるのではなく、部署ごとの理解度に差が出やすい用語を優先的に研修コンテンツ化し、定期的に更新する仕組みを整えることが、組織全体でのAI活用をスムーズにする土台になります。特に、経営層・企画部門・現場担当者では、必要とする用語の深さが異なるため、対象者に応じて説明の粒度を調整した資料を用意しておくと、理解の齟齬を防ぎやすくなります。

たとえば経営層向けには、「生成AI」「ハルシネーション」といった意思決定に直結する用語を中心に、リスクと投資判断の観点から説明する資料が適しています。現場の実務担当者向けには、「プロンプト」「トークン」「オプトアウト」など、日々のツール操作に関わる用語を、具体的な操作画面と紐づけて説明するほうが理解しやすくなります。用語集を一度作成した後も、AIの技術動向に応じて新しい用語(たとえば新しいモデルの仕組みや規制関連の用語)を追加し、定期的に見直すサイクルを社内に組み込んでおくことをおすすめします。

用語学習でよくある失敗パターン3つ

用語を単独で覚える、専門用語をそのまま資料に使う、古い用語知識のまま更新しないという3つが、AI用語の学習でよく見られる失敗の典型です。

失敗パターン1:用語を単独で覚える。それぞれの用語を個別に暗記し、用語同士の関係性を理解しないまま使ってしまうケースです。図2のような関係性を意識して覚えることが回避策になります。

失敗パターン2:専門用語をそのまま資料に使う。「RAG」「ファインチューニング」といった用語を説明なしに社内資料で使い、AIに詳しくない読み手に伝わらないケースです。用語の説明を併記する、または平易な言葉に言い換えることが回避策になります。

失敗パターン3:古い用語知識のまま更新しない。AI関連の用語は登場・変化が速いため、一度理解した内容のまま更新せず、新しい用語に対応できなくなるケースです。継続的に学ぶ仕組みを持つことが回避策になります。

企業規模別に見る用語理解の優先順位

すべての基礎用語を同じ優先度で学ぶ必要はなく、企業規模や導入フェーズによって、まず押さえるべき用語の順序は変わります。従業員数十名程度の小規模な組織では、AI活用の担当者が実質1-2名に集中していることが多く、専任の情報システム部門を持たないケースも少なくありません。このような組織では、「プロンプト」「トークン」「ハルシネーション」といった、日々の実務で直接使う用語を優先的に理解し、利用料金の目安や出力の確認方法を担当者自身が判断できる状態を作ることが現実的な出発点になります。

一方、複数の部署でAIツールの導入が進んでいる中堅・大規模な組織では、状況が異なります。企画部門がRAGやAIエージェントの仕組みを理解して導入シナリオを設計し、情報システム部門がファインチューニングやオプトアウトといった設定・運用に関わる用語を管理し、現場担当者はプロンプトやトークンといった操作に近い用語を使うというように、部署ごとに必要な用語の深さが自然に分かれていきます。この分業がうまく機能している組織では、部署間で用語の理解度に差があっても、それぞれの役割に応じた粒度で説明し合う文化が根付いていることが多く、逆に用語の理解がばらばらなまま議論が進む組織では、同じ「AI」という言葉が指す範囲について認識がずれ、投資判断や導入範囲の合意形成に時間がかかる傾向があります。

導入フェーズの観点でも優先順位は変わります。導入検討の初期段階では、生成AIとAIエージェントの違い、LLMとRAGの関係など、サービス選定に直結する用語の理解が重要になります。実際に運用が始まった後は、ハルシネーションへの対処や、オプトアウトの設定状況の把握など、リスク管理に関わる用語の重要度が相対的に高くなります。このように、用語学習を一律のカリキュラムとして扱うのではなく、組織の規模・部署の役割・導入フェーズに応じて優先順位を調整する視点を持つことが、限られた学習時間を有効に使う上で役立ちます。

よくある質問(FAQ)

Q1. AIという言葉はいつから使われていますか?

A. 1956年に米国で開催された研究会議で初めて使われたとされています。以来「人間の知的な活動をコンピュータで実現する」という広い意味で使われてきました。

Q2. ハルシネーションはなぜ起こりますか?

A. AIは学習したデータのパターンに基づいてもっともらしい文章を生成する仕組みのため、事実と異なる内容でも自然な文章として出力してしまうことがあります。RAG(検索拡張生成)を使うと、外部の情報源を参照して回答するため、このリスクを大きく低減できるとされています。重要な情報は出典を確認することが基本の対策です。

Q3. プロンプトとファインチューニングはどう違いますか?

A. プロンプトは、AIを使うたびに入力する指示文・質問文です。ファインチューニングは、AIモデル自体を特定の目的に合わせて追加学習させる調整作業で、一度行えばモデルの挙動が変わります。

Q4. RAGとは何ですか?

A. 「検索拡張生成」と訳される技術で、AIが回答を生成する際に外部の情報源を検索し、その内容を参照しながら回答する仕組みです。最新情報や社内文書を反映させたい場合に使われます。文章を意味のベクトルに変換する「埋め込み」や、それを検索する「ベクトルデータベース」といった技術に支えられています。

Q5. AIエージェントと生成AIはどう違いますか?

A. 生成AIは文章・画像などのコンテンツを生成する技術を指します。AIエージェントは、複数の情報を参照して判断・実行までを一定範囲で自律的に行う仕組みで、生成AIの技術を活用して作られることが多いです。

Q6. トークンとは何ですか?

A. LLMが文章を処理する際の最小単位で、文字や単語の断片に分割されます。単純な文字数ではなく、表記や言語によって数が変わる点に注意が必要で、多くのAIサービスの利用料金や利用回数の上限は、このトークン数を基準に計算されています。

Q7. 部署ごとに用語の説明の粒度を変えるべきですか?

A. 対象者に応じて調整することをおすすめします。経営層には投資判断に関わる用語を重点的に、現場担当者には日々のツール操作に関わる用語を、具体的な操作画面と紐づけて説明すると理解しやすくなります。

Q8. 用語集はどのくらいの頻度で見直すべきですか?

A. AIの技術動向は変化が速いため、定期的な見直しサイクルを社内に組み込むことをおすすめします。新しいモデルの仕組みや規制関連の用語が登場した際に、随時追加できる体制を整えておくと効果的です。

まとめ｜今日からできる3つのこと

1. 基礎用語12選を関係性で理解する:単独で暗記するのではなく、生成AI・LLM・トークンといった用語同士の関係を意識します。
2. 専門用語を使う際は説明を添える:社内資料で使う場合は、平易な言葉での言い換えや説明を併記します。
3. 継続的に用語を更新する:AI関連の用語は変化が速いため、一度学んだ内容を過信せず、定期的に情報を更新します。

参考文献

• 経済産業省・総務省「AI事業者ガイドライン(第1.2版)」2026年3月31日 https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/(2026年9月17日確認)
• 総務省「令和7年版情報通信白書」2025年 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112220.html(2026年9月17日確認)