企業の生成AI導入で使うAI用語集50選｜RAG・AIエージェント・MCP・PoCをわかりやすく解説【2026年8月最新】

株式会社AIworker

2026年8月29日 00:05

AIの用語は、意味を調べても業務とつながらないことがあります。「ベクトル検索」の説明を読んでも、自社が何を判断すればいいのかまでは書かれていない。

この用語集は、企業でAIを検討する人が使う言葉に絞って、一言でいうと何か、企業導入のどの場面で出てくるかの2点で整理しました。詳しく知りたい語には、当社が書いた解説記事へのリンクを付けています。

上から順に読む必要はありません。提案書や社内資料で分からない言葉が出てきたときに、該当のカテゴリを見てください。

この記事の要点

✅ 用語は6つのカテゴリに分け、企業導入の流れに沿って並べています
✅ 各用語は定義より「どの場面で出てくる言葉か」を重視して説明しています
✅ 詳細が必要な語は、個別の解説記事へリンクしています

1．AIの基礎

生成AI
NISTの生成AIプロファイルでは、文章、画像、音声、動画などのコンテンツを生成するAIとして説明されています。社内文書の作成だけでなく、画像制作や動画生成など、使われる業務はさまざまです。

LLM（大規模言語モデル）
大量の文章を学習した、生成AIの中核。ChatGPTやClaudeの中身にあたります。仕組みはLLMの仕組みを中学生にもわかるように解説で扱っています。

機械学習
データからパターンを学ぶ技術の総称。生成AIも機械学習の一種ですが、範囲はもっと広く、需要予測や異常検知も含みます。

ディープラーニング（深層学習）
機械学習の一手法で、多層のニューラルネットワークを使うもの。現在の生成AIはこの技術の上に成り立っています。

基盤モデル
NISTの用語集では、幅広い用途へ適応できるよう広範なデータで学習されたモデルと説明されています。GPT、Claude、Geminiなどのモデル群が代表例です。企業はそのまま使うだけでなく、プロンプトや検索連携などを組み合わせて業務へ合わせます。

推論モデル
回答前の推論へ、通常より多くの計算を使うモデル。複雑な計算や計画づくりに向きますが、処理時間や利用量も増えることがあります。簡単な要約まで推論モデルへ任せる必要があるかは、業務ごとに判断します。

マルチモーダル
文章に加えて、画像、音声、動画など複数種類のデータを扱えること。ただし、対応する形式は製品ごとに違います。提案書に「マルチモーダル対応」とあれば、自社の図面や録音データで試してください。

オープンウェイト
モデルの重みが公開されているもの。ライセンスや必要な機器などの条件を満たせば、自社環境で動かせる場合があります。「オープンソース」と同じ意味とは限らないため、利用条件まで確認が必要です。

2．AIへ指示する

プロンプト
AIへの指示文。同じモデルでも、指示の書き方で結果が変わります。基本はプロンプトエンジニアリングの基本で解説しています。

システムプロンプト
利用者が入力する指示とは別に、AIの役割や振る舞いを設定する指示。企業利用では、回答形式や禁止事項を共通設定に入れることがあります。ただし、機密情報の保護をシステムプロンプトだけに任せるのは危険です。詳しくはシステムプロンプトとは？へ。

メタプロンプト
プロンプトそのものをAIに作らせる手法。詳細はメタプロンプトとは？で扱っています。

コンテキスト（コンテキストウィンドウ）
コンテキストは、回答を作るためにAIへ渡される会話や資料などの情報です。コンテキストウィンドウは、その情報を一度に扱える上限を指します。長い文書を毎回すべて渡すと入力トークンが増えるため、検索や要約で必要な部分へ絞る設計が必要になります。

トークン
AIが文章を処理するときの単位。文字数や単語数とは一致せず、分け方はモデルによって異なります。APIでは利用量やコンテキスト上限をトークンで示すことが多いため、実際の業務文書で使用量を確かめるのが確実です。

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出すこと。完全になくす前提ではなく、根拠を示させ、誰が何を確認するかまで決めます。対策はAIの「嘘」はどう防ぐ？へ。

3．社内データを使う

RAG（検索拡張生成）
社内文書を検索し、その内容をもとにAIに回答させる仕組み。モデル自体は変えません。入門はRAGとは？、構築は社内AI（社内GPT・RAG）の作り方完全ガイドで扱っています。

ベクトル検索
文書を数値の並びに変換し、意味の近さで探す方式。「解約」で検索したときに「退会」を含む文書も見つけられるのが、キーワード検索との違いです。

埋め込み（エンベディング）
文章を数値の並びへ変換する処理そのもの。ベクトル検索の前段にあたります。

チャンク分割
長い文書を検索しやすい単位へ切り分けること。切り方が悪いと、必要な情報が分断されて検索に当たらなくなります。RAGの精度を左右する地味な工程です。

ファインチューニング
用意した学習データを使い、特定の仕事でのモデルの振る舞いを調整すること。社内文書の最新情報を参照させたい場合は、まずRAGや検索連携で足りるかを検討します。詳細はLLMファインチューニング入門へ。

ナレッジグラフ
人物、製品、規程などの情報を、関係性とともに構造化して持つ方式。文書検索だけでは追いにくい関連を表現できます。導入前には、誰が関係性を登録・更新するのかも決めておきます。

社内GPT
社内向けに用意したAIチャットの通称です。社内データを参照するものもあれば、法人向け生成AIの利用環境をそう呼ぶ場合もあります。名前だけでは構成が分からないため、検索対象や権限、保存条件を確認してください。ChatGPTを社内で使えない企業の解決策で選択肢を比較しています。

4．AIに実行させる

AIエージェント
ここでは、外部のツールやシステムを使いながら複数の処理を進めるAIを指します。どこまで自律的に動くかは製品によって違うため、「自動化できます」だけで判断せず、実行範囲と承認箇所を確認します。製品の例はAIエージェント『Manus』とは？へ。

MCP
公式仕様では、AIアプリケーションと外部のデータやツールを接続するためのオープンなプロトコルと説明されています。ベンダーの提案書に出てきた場合、方式そのものより何と、どの権限でつながるかを確認してください。

API
プログラムから機能を呼び出す仕組み。AIを自社システムへ組み込む場合はこの形になります。Claude API入門で具体的な使い方を扱っています。

Skills
AIに仕事の手順や参照資料をまとめて渡す仕組み。ここではClaudeのSkillsを想定しています。製品によって同じ名前の機能や仕様があるとは限りません。詳細はClaude Skillsとは？へ。

サブエージェント
調査、実装、レビューなど、特定の作業を分担する補助的なAI。別の文脈で動くか、利用できるツールを制限できるかなど、仕組みは製品によって異なります。

Computer Use
AIが画面を見て、クリックや入力を行う機能。APIのないシステムも操作できる代わりに、誤操作の影響が大きくなります。Claude Computer Useとは？を参照してください。

ワークフロー自動化
決まった手順を自動で流す仕組み。判断が不要な処理は従来型の自動化のほうが安定します。AIを使うべきかは、判断の有無で切り分けてください。

Human in the Loop
処理の途中に人の確認を入れる設計。全自動と全手動の間を取る考え方で、金額や社外への影響が大きい業務ほど必要になります。

5．企業へ導入する

PoC（概念実証）
本格導入の前に、小さく試して効果を確かめる工程。合格条件を先に決めておかないと、判断できないまま終わります。進め方は生成AIのPoCの進め方へ。

要件定義
何を作るかを決める工程。AIの場合、精度をどう測るか、誰が確認するかまで含みます。

RFP（提案依頼書）
複数のベンダーへ同じ条件で提案を求める文書。目的、対象業務、条件をそろえて伝えることで、提案を比較しやすくなります。書き方はAI開発の要件定義とRFPで扱っています。

業務棚卸し
どの業務にAIを使うかを決めるための整理。ツール選定の前工程にあたります。手順は生成AIの業務棚卸しガイドへ。

ROI（投資対効果）
投じた費用に対して、どれだけ効果が得られたかを見る指標。削減時間だけでなく、ミスの減少や対応速度など、対象業務に合った効果を置きます。示し方はAI導入のROIをどう説明する？を参照してください。

TCO（総保有コスト）
導入費だけでなく、運用、保守、教育まで含めた総額。クラウドとオンプレの比較では特に重要で、生成AIの費用はいくら？で扱っています。

権限設計・最小権限
誰が何を実行できるかを決める設計。必要な範囲だけ権限を与え、AIに人以上の権限を渡さないことが原則です。調査だけのAIに書き込み権限を与えない、といった形で適用します。詳細は生成AI・AIエージェントの権限設計へ。

監査ログ
誰がいつ何をしたかの記録。問題が起きたときの確認に使いますが、ログ自体が新たな機密情報になる点に注意が必要です。

シャドーAI
会社が承認・把握していない状態で、社員が業務に使っているAI。禁止だけで解決を図るのではなく、使えるサービス、入力できる情報、申請方法を示す必要があります。リスクは生成AI・ChatGPTの情報漏洩リスクと対策へ。

AIガバナンス・ガードレール
AIガバナンスは、AI利用に関する方針、責任者、確認手順などを整える取り組みです。ガードレールは、入力できる情報や実行できる操作を制限する具体的な仕組みを指します。同じ意味ではありません。AI事業者ガイドライン第1.2版も参照しながら、AIガイドライン作成完全ガイドで社内ルールの作り方を整理しています。

準委任契約・請負契約
AI開発で論点になる契約形態。準委任は業務の遂行、請負は仕事の完成を中心に考える契約ですが、名称だけで責任範囲は決まりません。成果物、検収、精度、修正対応を契約書で確認し、必要に応じて法務や専門家へ相談してください。AI開発の契約で失敗しない確認項目へ。

内製と外注
自社で作るか外部に頼むか。技術力だけでなく、必要なデータを準備できるか、公開後に改善する担当者がいるかで判断します。AI内製化 vs 外注で整理しています。

定着
導入したAIが、対象業務のなかで継続して使われている状態です。1,000件を超える商談データを分析したところ、導入したのに使われない・定着しないという話題が43.7%の商談で出ていました。これは企業へのアンケート回答率ではなく、商談中の言及率です。

6．製品・提供形態を理解する

クラウド型
提供事業者のクラウド環境を利用する形態。自社で基盤を持たずに始めやすい一方、保存場所、学習への利用、ログ、削除条件は契約と設定で確認します。

オンプレミス
自社が管理する設備内へシステムを設置する形態。構成によっては外部APIや保守事業者との通信が残るため、「オンプレだからデータが外へ出ない」とは限りません。データフローを図にして確認します。

ローカルLLM
自社の端末やサーバーでモデルを動かすこと。詳細はローカルLLMとは？へ。

プライベートクラウド
特定の組織向けに分離して構成されたクラウド環境。専有範囲や管理責任はサービスによって違うため、「専用環境」という言葉だけで判断せず、ネットワークや運用主体を確認します。

法人プラン
組織単位で契約する形態。管理者機能やデータの取り扱いは製品・プランによって異なります。退職時のアカウント停止、利用状況の確認、権限管理など、自社に必要な機能が含まれるかを見ます。

エンタープライズ向け機能
SSO、SCIM、監査ログ、保存期間の制御など、組織で利用者とデータを管理するための機能群。搭載される機能は製品ごとに異なります。社内規程と取引先要件を先に整理し、必要な機能を照合します。

コーディングAI
コードの作成、修正、説明、テストなどを支援するAI。開発者向けに始まった製品でも、ファイル整理や資料作成など、コード以外の作業を扱う場合があります。

AIリテラシー
AIを業務で適切に使う力。操作の習熟だけでなく、どこまで任せてよいかを判断できることを含みます。

この用語集の使い方

用語の意味が分かっても、自社にとって必要かどうかは別の話です。RAGの仕組みを理解しても、自社の文書が検索対象に入るかは提案書を読まないと分かりません。

用語を覚えることより、提案書でその言葉に出会ったときに何を聞き返すかを持っておくほうが、実務では効きます。検証を続けるか止めるかの判断基準はAI導入をやめる判断で扱っています。

よくある質問

Q. これだけ覚えれば十分ですか

全部を覚える必要はありません。自社が検討している範囲、たとえば社内文書の検索であればカテゴリ3、業務の自動実行であればカテゴリ4に絞って読めば足ります。

Q. 用語の意味が記事によって違うことがあります

AI分野は用語の定義が固まりきっておらず、製品によって呼び方が変わることもあります。提案を受けたときは、一般的な定義よりもその提案書で何を指しているかを確認してください。

Q. 社内で言葉が揃っていません

よくある状態です。経営が言う「AI導入」と情シスが言う「AI導入」が違うまま議論すると、話が噛み合いません。この用語集を共有資料として使い、社内で意味を揃えるところから始めるのも一案です。

Q. 新しい用語が次々出てきます

追いかけ続ける必要はありません。自社の業務に関係する範囲だけ押さえ、それ以外は必要になったときに調べる形で十分です。

用語ではなく、業務から考えるために

用語を覚えることが目的ではありません。自社のどの業務にAIを使い、どこまで任せ、誰が確認するか。そこが決まれば、必要な用語も自然に絞られます。

AIネイティブX研修｜自社の業務で判断できる状態にする

実際の業務を題材に、AIへ任せる範囲と人が確認する範囲を切り分ける演習を行います。用語の暗記ではなく、自部門の業務へ当てはめて考えられる状態が残ります。

AIネイティブX伴走｜対象業務の選定から運用まで並走する

業務の棚卸し、対象の選定、検証、改善までを一緒に進めます。社内で言葉と判断基準が揃うため、部署をまたいだ議論が進むようになります。

業務AIプロ｜必要な範囲だけを自社仕様で作る

汎用ツールで届かない業務に対し、社内データや既存システムと接続したAIを個別に開発します。権限、ログ、例外処理、保守まで設計します。

どの用語が自社に関係するのか分からない段階でも、現状の業務と課題を伺いながら整理できます。

▶️ サービス資料のダウンロード（資料請求）

▶️ 無料カウンセリング・AI活用診断のご予約

著者情報