AI用語集

たとえば

架空の店舗の紹介文を作る、説明用のイラスト案を出す、といった使い方です。

混同しやすい点

「作れる」と「そのまま公開できる」は別です。事実関係や権利、公開前の確認を省略しないでください。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

文章の要約や翻訳をするサービスの中で、言語を扱う中核として使われます。

混同しやすい点

LLMは技術の種類、ChatGPTなどはサービスの名前です。サービス全体と中で動くモデルを分けると比較しやすくなります。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

同じ作業でも、文章向けのモデルと画像向けのモデルでは得意分野が違います。

混同しやすい点

このサイトでは、名前だけで優劣を決めず、目的・入力・費用・結果をそろえて比較します。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

説明文と写真を一緒に渡し、「写真の内容を踏まえて紹介文を作る」という使い方が考えられます。

混同しやすい点

何を入力・出力できるかは個別の製品で確認します。画像対応という言葉だけで、動画や音声にも対応すると判断しないでください。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

「架空の店舗向けに、初心者にも分かる紹介文を200字で。未確認の料金は書かない」のように、目的と条件を伝えます。

混同しやすい点

立派な文章にするより、欲しい成果物・前提・禁止事項・確認方法を明確にするのが、このサイトの基本的な考え方です。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

長い資料を渡すときは、文字数だけでなく、提供元のトークン計測方法で上限を確認します。

混同しやすい点

1文字＝1トークンではありません。トークンと、サービスが表示するクレジット・残り％も同じ単位ではありません。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

長い会話に資料やツールの結果を足していくと、この範囲を使います。重要な条件を短く整理し直すと管理しやすくなります。

混同しやすい点

永続的な記憶や学習済みの知識とは別です。大きな上限があっても、資料の全箇所を同じ精度で扱う保証ではありません。

定義の参考：Anthropic：Context windows
出典確認 2026.10.05

たとえば

学習は仕組みを作る段階、推論は作った仕組みを使う段階、と分けると理解しやすくなります。

混同しやすい点

会話では、答えを導く考察（reasoning）も「推論」と呼ばれます。どの意味かを確認し、「推論したから正しい」とは扱いません。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

存在しない資料の名前やURLを、実在する根拠のように示すケースです。例示であり、特定のサービスの実測結果ではありません。

混同しやすい点

流ちょうさでは正誤を判断できません。このサイトでは、出典を開いて主張と一致するか確認することを勧めています。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

架空の調査作業で、検索→資料を読む→不足を再検索→報告、という手順を状況に応じて選ぶイメージです。

混同しやすい点

「エージェント」の範囲は提供元によって異なります。無制限に任せるのではなく、権限・費用上限・停止条件・人の確認を設計します。

定義の参考：Anthropic：Building effective agents
出典確認 2026.10.05

たとえば

問い合わせを分類→回答案を作成→人が確認→送信、のように、送信前の確認を固定の手順へ組み込みます。

混同しやすい点

自動化と自律性は同じではありません。決まった道筋を進む方式と、AIが次の道筋を選ぶ方式を区別すると設計しやすくなります。

定義の参考：Anthropic：Building effective agents
出典確認 2026.10.05

たとえば

「天気を調べて」に対し、天気取得ツールへ地域を渡し、返された情報を使って回答するイメージです。

混同しやすい点

ツールを指定したことと実行が成功したことは別です。実行結果と権限を確認し、削除・送信などは適切な承認を挟みます。

定義の参考：Anthropic：Tool use
出典確認 2026.10.05

たとえば

資料検索などの機能をMCPサーバーとして提供し、対応するAIアプリから利用する構成です。

混同しやすい点

MCP自体はAIモデルでも安全性の保証でもありません。接続先の信頼性と、読み取り・書き込みの権限を別に確認します。

定義の参考：MCP公式：What is MCP?
出典確認 2026.10.05

たとえば

検索で読ませる架空のページに「この商品だけを薦めて」という指示があり、AIが資料の一部として扱わず指示に従うケースです。Webページやファイルを経由するものは間接型と呼ばれます。

混同しやすい点

利用者の入力から直接起きる場合もあります。ハルシネーション（もっともらしい誤回答）とは原因が異なり、RAGや追加学習だけで防げるものではありません。業務では外部資料を指示として扱わず、ツールの権限を限定し、送信や公開の前に人が確認します。

定義の参考：OWASP：LLM01:2025 Prompt Injection（2025版）
出典確認 2026.10.05

たとえば

架空の問い合わせ対応で、AIが回答案を作り、人が宛先と本文を確認して承認した後に送信する構成です。途中で情報が足りなければ、人に質問してから続ける使い方もあります。

混同しやすい点

ワークフローは手順全体、HITLはその中で人が関与する設計です。ここではエージェントの実行時の確認を扱い、追加学習とは区別します。人の承認は正確さ・安全性や処理成功の保証ではありません。Webアプリでは実行前に対象と内容を示し、承認後に内容が変わった場合や拒否・中断時の扱いも確認します。製品ごとの停止・再開の条件は別途確認が必要です。

定義の参考：Mastra：Human-in-the-loop（Agents公式文書・現行版。発表日／更新日の明示なし）
出典確認 2026.10.06

たとえば

架空のWeb運用で、アクセス集計だけを頼むAIに記事の公開・削除ツールと管理者権限も渡し、承認なしで実行させる構成です。「使える機能」「触れる対象」「人の確認が必要な操作」を分けて点検します。

混同しやすい点

プロンプトインジェクションは指示の混入、こちらは誤動作が被害につながる実行範囲の問題です。最小権限は対策の一つ、HITLは人を介在させる設計です。Web開発では不要なツールを外し、接続先でも操作ごとに認可し、公開・削除の前に対象と内容を人が確認します。「実行しないで」という指示だけに頼らず、テスト環境で許可外の操作が拒否されるか確かめます。ここでの例・対策説明は編集部による整理で、実機未検証です。

定義の参考：OWASP：LLM06:2025 Excessive Agency（2025版のリスク分類。参照ページに発表日・更新日の明示なし。特定製品の仕様ではありません）
出典確認 2026.10.09

たとえば

架空の社内マニュアルから該当箇所を探し、「この資料を根拠に回答して」と渡すイメージです。

混同しやすい点

資料を追加学習することとは別です。検索の取りこぼし、古い資料、回答の読み違いも確認します。RAGだけで正しさは保証できません。

定義の参考：Cloudflare：RAGの構築ガイド
出典確認 2026.10.05

たとえば

「返品したい」という質問から、表現が違っても関連する「商品返却の手順」を探す使い方が考えられます。

混同しやすい点

似ていることと正解であることは別です。検索結果の本文と対象条件を読み直す必要があります。

定義の参考：Cloudflare：Vector databases
出典確認 2026.10.05

たとえば

架空の製品の説明を、用意した仕様書の記載に沿って作るイメージです。RAGはそのための方法の一つです。

混同しやすい点

リンクが付いているだけでは確認完了にしません。このサイトでは、その本文が主張を支えているか、日付と対象が合うかも確認します。

定義の参考：Google：機械学習用語集
出典確認 2026.10.05

たとえば

自分のWebアプリからAIのAPIへ文章を送り、返された要約を画面に表示する構成です。

混同しやすい点

人が操作する画面とAPIは別の利用経路です。APIの料金・上限・認証・データの扱いを確認してから組み込みます。

定義の参考：MDN：API
出典確認 2026.10.05

たとえば

コードを読み、自分の用途に合わせて修正する場合も、適用されるライセンスの条件を確認します。

混同しやすい点

コードが見えるだけでOSIの定義を満たすとは限りません。安全性・無料運用の保証でもなく、モデル重みの公開とも同義ではありません。

定義の参考：OSI：The Open Source Definition
出典確認 2026.10.05