#活用テクニック

AI・生成AI 用語完全ガイド2026｜40の基礎用語を体系的に解説

by Synth
AI・生成AI 用語完全ガイド2026｜40の基礎用語を体系的に解説

AI・生成AIの基礎40語を6カテゴリに分類し、初心者にも分かるよう体系的に整理。LLM・RAG・MCP・AIエージェント・プロンプトインジェクションまで、2026年時点で必ず押さえたい用語を、Synthが忖度なしで一気に解説します。

目次

「AIエージェント」「MCP」「ハルシネーション」「RAG」——。AI関連のニュースを開くたびに、知らないカタカナと英略語が増えていく。そう感じているのは、あなただけではありません。

わたし（Synth）も2024年頃から仕事でAIを触っていますが、用語のアップデート速度は明らかに加速しています。2022年には「プロンプト」すら一般的でなかったのに、2026年現在は「コンテキストエンジニアリング」「エージェント」「コンピュータ操作」まで議論の対象になっています。

本記事はAI・生成AIで必ず押さえたい40語を6カテゴリに分類し、初心者でも一気に体系化できるよう設計した完全ガイドです。各用語には専用の解説ページへのリンクを貼っているので、気になった用語だけ深掘りすることもできます。

忖度はしません。流行語を煽る記事ではなく、「業界ニュースを今日から自力で読み解けるようになる」ことだけを目的に書きました。

用語の理解が深まったら、こちらの実践記事も合わせてどうぞ:

まず押さえたい10語：これだけ知れば業界ニュースの8割は読める

40語に進む前に、最重要の10語を1行ずつ整理します。出先や移動中にこの表だけスクリーンショットして、迷ったときに見返してください。

用語一言で言うと
AI人間の知的作業をコンピューターに代わりにさせる技術の総称
生成AI文章・画像・音声・動画を新しく作り出すAIの総称
LLM文章を理解・生成する大規模なAIモデル（ChatGPTやClaudeの中身）
プロンプトAIへの指示文や質問文そのもの
ハルシネーションAIが自信満々に事実と違うことを言う現象
RAG外部データを検索してから答えを生成する仕組み
AIエージェント目標を与えると自分でツールを使って自律的に動くAI
MCPAIと外部ツールをつなぐ業界標準プロトコル
ファインチューニング既存モデルに追加学習させ用途特化させる手法
プロンプトインジェクション悪意ある指示文でAIのルールを上書きする攻撃手法

この10語を口頭で他人に説明できれば、AI関連の会議や記事の文脈はおおむね追えます。理想は「家族にこの10語を5分以内で説明できるか」を基準に練習すること。説明できなければ理解は浅い、というのが個人的な目安です。

カテゴリ1: 基本概念（8語）— ここを飛ばすと全てが砂上の楼閣になる

最初に押さえるべきは「AIとは何の総称か」「LLMはどう位置付けられるか」という土台です。応用用語をいくら覚えても、ここが曖昧だと業界ニュースの解像度が上がりません。

1. AI（人工知能）

人間が頭を使ってする作業を、コンピューターに代わりにやらせる技術の総称。画像認識・自動運転・将棋AI・ChatGPTまで、すべてAIに含まれる広い概念です。

2. 生成AI

文章・画像・音声・動画などを新しく作り出すAIの総称。AIの中でも「分類する」「予測する」ではなく「ゼロから作る」側に立つもの。「AI」と「生成AI」は同義語ではないので、ニュースを読むときは必ず区別してください。

3. LLM（大規模言語モデル）

膨大なテキストを学習し、文章を理解・生成できる大規模なAIモデル。ChatGPT・Claude・Geminiの「中身」がこれです。生成AIの中で「文章担当」のパートと覚えると整理しやすい。

4. 機械学習

人がルールを書く代わりに、コンピューターがデータからパターンを学習する技術。AIの実装手段として最も主流の方法論で、LLMもこの技術の延長線上にあります。

5. 深層学習（ディープラーニング）

多層のニューラルネットワークでデータを学習する、機械学習の一手法。2010年代後半からの第3次AIブームの主役で、LLMも画像生成AIも全てこれの上に成り立っています。

6. 推論（Inference）

学習済みのAIモデルを実際に動かして答えを出す処理のこと。「学習」がモデルを作る工程、「推論」が出来上がったモデルを使う工程。ChatGPTに質問を投げて返答を待っている瞬間、サーバー側で動いているのが推論です。電気代・GPU費用の大半はここに消えています。

7. AGI（汎用人工知能）

人間並み、もしくはそれを超える幅広い知的タスクをこなせる汎用的なAIを指す概念。OpenAIとAnthropicが共にミッションの中核に据えていますが、ARC-AGI-2など最新ベンチマークでは人間に大差で負けており、2026年時点で「真のAGIはまだ先」が大勢の見方です。

8. AI Alignment（アライメント）

AIシステムを人間の意図・価値観・目標に沿って動くようにするための研究領域。AGIに近づくほど重要性が増します。Anthropicが提唱する「Constitutional AI」が代表例。

カテゴリ2: 代表モデル（4語）— 名前と運営会社をセットで覚える

LLMには複数の「ブランド」があります。ニュースで頻出する4ブランドの開発元と性格を一度に整理しておきましょう。

9. GPT

OpenAIが開発する大規模言語モデルの名前。ChatGPTの中身として動いています。2026年4月にGPT-5.5が公開され、推論と即答を1つのモデルが自動切替する設計に進化しました。

10. Claude

Anthropic社が開発するLLMの名前。Opus（最上位）・Sonnet（バランス型）・Haiku（軽量）の3系統。2026年4月リリースのClaude Opus 4.7が最新フラッグシップで、コーディングや長時間タスクに特に強いとされています。

11. Gemini

Google（Google DeepMind）が開発するLLM。テキスト・画像・音声・動画を同時に扱えるマルチモーダル性能が売り。Google検索・Workspace・Androidに深く統合されています。

12. Llama

Meta社（旧Facebook）が開発・公開しているLLMで、誰でもダウンロードして使える「オープンモデル」の代表格。手元のMacや自社サーバーで動かしたいなら第一候補です。詳しくは[Apple SiliconでローカルLLMを動かすガイド](/blog/apple-silicon-local-llm-m5-guide-2026/)も併読してください。

カテゴリ3: 画像・動画・音声生成（7語）— マルチモーダル時代の主力プレイヤー

LLMが「文章担当」なら、画像・動画・音声はそれぞれ別の専用モデルが担当しています。混同しないよう、運営元と用途をセットで覚えてください。

13. DALL-E

OpenAIが開発した画像生成AI。ただし2026年に役目を終え、後継のGPT Imageへ移行済みです。古い記事では「DALL-E 3で生成」と書かれていることがありますが、いま新しく覚える必要はありません。

14. Sora

OpenAIが開発した動画生成AI。テキストから音声付きの動画を作れます。2026年に独立アプリは終了し、ChatGPTやAPI経由での提供に集約されました。

15. Stable Diffusion

Stability AI社が開発したオープンソースの画像生成AI。手元のPCで動かせる自由度の高さが最大の特徴で、Midjourneyのような月額課金なしで使える代わりに、自分でセットアップする手間があります。

16. Midjourney

Midjourney社が運営する画像生成AIサービス。芸術的・写真的な仕上がりに定評があり、デザイナーやクリエイティブ職に支持されています。V8.1が2026年5月時点のデフォルト。

17. Whisper

OpenAIが開発した多言語対応の音声認識（音声→テキスト）AIモデル。文字起こしや議事録作成に使われており、オープンソースで公開されているのでローカルでも動かせます。

18. TTS（音声合成）

テキストを人間のような自然な音声に変換するAI技術の総称。OpenAI、Google、Anthropicなど主要プレイヤーが全社対応しています。Whisperが「音声→文字」、TTSが「文字→音声」と覚えてください。

19. ElevenLabs

高品質な音声合成と声のクローンで業界を牽引するAI音声テクノロジー企業。短い音声サンプルから本人そっくりの声を作れる技術が話題で、ナレーション・吹き替え業界に大きな影響を与えています。

カテゴリ4: コーディングAI（4語）— エンジニアの仕事を変えた4ブランド

AI活用が最も進んでいるのはソフトウェア開発の現場です。主要4ツールの違いを押さえておけば、技術ニュースの解像度が一気に上がります。市場全体はコーディングエージェント市場マップ2026を併読してください。

20. Cursor

AIを中心に据えて再設計された、コードを書くための統合型エディタ（IDE）。Anysphere社が開発し、VS Codeをフォークして作られています。エディタごとAIに置き換える発想で、2024〜2025年に急成長しました。

21. Claude Code

Anthropic公式のターミナル（CLI）で動くAIコーディング・エージェント。GUIではなくCLIに振り切った設計が特徴で、エディタを選ばずに使えます。詳しくはClaude Code完全ガイド2026を参照。

22. GitHub Copilot

GitHub（Microsoft）が提供する、AIコーディングアシスタントの草分け的存在。2021年から提供され、長らく業界のデファクトでしたが、2025〜2026年にCursorやClaude Codeに押されています。移行先比較も合わせてどうぞ。

23. Devin

Cognition Labsが開発した、自律的にコードを書き上げるAIソフトウェアエンジニア。「AIエンジニア」を最初に名乗ったプロダクトで、エージェント型コーディングの先駆け的存在です。

この4ツールの違いを一言で言えば、Cursorは「エディタ型」、Claude CodeとDevinは「エージェント型」、GitHub Copilotは「補完型」です。エディタ型は人間が運転席で隣に座らせる、エージェント型は人間が監督役に回りAIが運転する、補完型はAIが助手席で口を出す——役割の置き方が違います。どれが優れているという話ではなく、自分の仕事スタイルに合うものを選ぶのが正解です。

カテゴリ5: プロンプト・テクニック（5語）— AIから答えを引き出す技術

ここからはAIを「使う側」の用語です。同じLLMでも、プロンプトの組み方次第で出力品質は数倍変わります。

24. プロンプト

AIに何をしてほしいかを伝える、テキスト形式の指示や質問のこと。AIとの全てのやり取りはこのプロンプトから始まります。

25. プロンプトエンジニアリング

AIから狙った回答を引き出すために、指示文を設計・改善する技術。2026年現在はより広い「コンテキストエンジニアリング」へと進化しています。詳しくはChatGPTプロンプトガイドを参照。

26. Few-shot（少数事例学習）

少数の入出力例をプロンプトに添えて、AIに望むパターンを学ばせる手法。「こういう入力にはこう答えてほしい」という例を2〜3個見せるだけで精度が劇的に上がります。

27. RAG（検索拡張生成）

AIが回答を生成する前に外部のデータベースから関連情報を検索し、その情報を根拠として答えを組み立てる仕組み。社内マニュアル検索チャットボットの主流技術で、ハルシネーションを大幅に減らせます。

28. ファインチューニング

既存のAIモデルに追加データを学習させ、特定の用途や文体に合わせて調整する手法。RAGが「外から資料を渡す」のに対し、ファインチューニングは「モデル自体に覚え込ませる」アプローチ。コストは高いが、独自スタイルを染み込ませたい場合に有効です。

混同しやすい3つの選択肢を整理しておきます。プロンプト工夫は0円で今すぐ試せるが効果に限界、RAGは社内文書を参照させたいときの主流で工数も中程度、ファインチューニングは文体やドメイン知識を完全に身につけさせたいときの最終手段で工数とコストが大きい。実務では「まずプロンプト→ダメならRAG→それでもダメならファインチューニング」の順で検討するのがコスパの定石です。いきなりファインチューニングに飛びつくと、9割のケースで予算を溶かします。

カテゴリ6: エージェント・機能（5語）— 2026年の最大トレンド

「AIに頼んだら自分で全部やってくれる」時代の用語群です。ニュースの主役はいまここに移っています。

29. AIエージェント

目標を与えると自分で計画を立て、外部ツールを使いながら自律的にタスクを実行するAIシステム。2026年は「AIエージェント元年」と呼ばれ、OpenAI Workspace Agents、Anthropic Claude Cowork、Google Workspace Intelligenceが相次いで一般提供されました。リスク面はAIエージェントのセキュリティリスクを必ず併読してください。

30. MCP（Model Context Protocol）

AIが外部のアプリやデータベースとやり取りするときの「共通の話し方」を決めたオープンな規格。Anthropicが2024年11月に公開し、2025年12月にLinux Foundationへ寄贈、OpenAI・Google・Microsoftが共同スポンサーとして参加して実質的に業界標準化しました。「AIとツールのUSB-C」と例えられます。

31. Function Calling（関数呼び出し）

LLMが自分で外部APIや関数を呼び出すための仕組み。AIエージェントの基礎技術で、OpenAIが最初に普及させました。

32. Tool Use

Anthropicの呼称で、Claudeが外部ツールを使う仕組み。OpenAIのFunction Callingとほぼ同じ概念です。両者は呼び方が違うだけで実態は近いと覚えてください。

33. Computer Use（コンピュータ操作）

Claudeが画面を見てマウス・キーボードを動かし、人間のようにPCを操作する機能。「ブラウザを開いて検索する」「Excelに数字を入力する」を自動化できます。可能性は大きい一方、リスクもあるためエージェント暴走事例も知っておくべきです。

カテゴリ7: トークンとコンテキスト（2語）— 料金と上限を理解する基準

AIサービスの料金体系と「忘れっぽさ」を理解する鍵がこの2語です。

34. トークン

AIが文章を処理する際の最小単位。日本語1文字＝約1〜2トークン、英語1単語＝約1〜2トークンが目安。ChatGPTやClaudeのAPI料金は「100万トークンあたり◯ドル」で計算されるので、これを知らずに使うとコストが読めません。

35. コンテキストウィンドウ

AIが一度のやり取りで覚えていられる、入力と出力を合わせた最大トークン数のこと。2026年現在、Claude Opus 4.7は約20万トークン、Gemini 3.5は100万トークンを超えます。これを超えると古い会話が忘れられていきます。

実務での目安として、A4文書1ページが約1,000〜1,500トークン、英語の小説1冊が約8〜10万トークン、日本語の長編小説が約30〜40万トークンです。Gemini 3.5の100万トークンなら長編小説3冊分を一度に読ませても余裕がある計算ですが、コンテキストが長くなるほど推論コストと応答時間が増えるため、必ずしも「大きいほうが正義」ではありません。社内文書を要約させたいだけなら20万トークンで十分なケースが大半です。

カテゴリ8: セキュリティ・倫理（3語）— 知らずに使うと事故る用語

便利さと裏腹のリスクを示す用語です。「ハルシネーションは構造的に消せない」「プロンプトインジェクションは完全防御策がない」という前提で運用設計するのが2026年の主流です。

36. ハルシネーション

LLMが事実と異なる情報を、まるで本当のことのように自信を持って出力してしまう現象。日本語では「幻覚」。実務での向き合い方はAIハルシネーション完全ガイドで詳しく解説しています。

37. プロンプトインジェクション

悪意ある指示文をLLMに読み込ませ、開発者があらかじめ設定したルールを上書きしてしまう攻撃手法。OWASPがまとめるLLMアプリの脆弱性ランキングで「最も深刻なリスク（LLM01）」に位置付けられています。詳しくはAIデータ窃取の記事を参照。

38. ジェイルブレイク（脱獄）

LLMに組み込まれた安全ガードレールを突破し、本来拒否すべき出力を引き出す手法。プロンプトインジェクションとは目的が異なります（プロンプトインジェクション＝指示の上書き、ジェイルブレイク＝制限の突破）。

カテゴリ9: 主要企業（2語）— ニュースに必ず出てくる2社

最後は人物・会社名です。技術用語より会社の関係性のほうが、ニュースの背景理解には効きます。

39. OpenAI

ChatGPTやGPTシリーズ、Soraなどを開発する米国の生成AI企業。Sam AltmanがCEOを務め、生成AIブームの火付け役。Microsoftと深く提携しています。

40. Anthropic

Claudeを開発する米国のAI企業。元OpenAI出身のAmodei兄妹（Dario・Daniela）が創業し、AI Safety（安全性）を最重視する姿勢が特徴。詳しくは業界戦略マップも合わせてどうぞ。

AI用語はなぜこれほど多い？背景にある3つの理由

ここまで読んで「とにかく多いな」と感じたはずです。理由は3つあります。

  1. 業界の進化速度が異常: ChatGPT公開から3年で「プロンプト→RAG→エージェント→MCP→コンピュータ操作」と主役級の概念が毎年入れ替わっています。これは1990年代の半導体、2010年代のスマートフォンを超えるスピードです。
  2. 複数社が別の呼称で出している: 同じ概念をOpenAIは「Function Calling」、Anthropicは「Tool Use」と呼ぶように、用語が乱立しがちです。仕様統一が追い付いていない。
  3. 技術と運用の両方の用語が混ざる: LLMやTransformerのような技術用語と、プロンプトエンジニアリングやシャドーAIのような運用用語が同じ文脈で飛び交うため、初心者には特に混乱しやすい構造です。

要するに「整理する側が追い付いていない」のが現状です。だからこそ、自分で地図を持っておくことに価値があります。

どう覚えるべき？Synthが薦める学習順序

「とにかく上から順に40語暗記」は最悪のやり方です。挫折します。私が薦める順序は以下です。

  1. 基本概念4語: AI → 生成AI → LLM → プロンプト
  2. 代表モデル4語: GPT → Claude → Gemini → Llama
  3. リスク3語: ハルシネーション → プロンプトインジェクション → ジェイルブレイク
  4. 応用テクニック3語: Few-shot → RAG → ファインチューニング
  5. エージェント3語: AIエージェント → MCP → Function Calling

ここまでの17語を押さえれば、業界ニュースの大半は読めるようになります。残り23語は「ニュースに出てきた瞬間にこの記事を辞書代わりに引く」で十分です。

そして最も大事なこと——用語学習と並行して、必ずChatGPTかClaudeを毎日触ってください。手を動かさない用語学習は受験英語と同じで、頭に入ってもすぐ抜けます。

あなたへの影響：用語が分かると何が変わるか

非エンジニアの方が用語を押さえると、現実的に以下が変わります。

  • ニュースの理解スピードが3倍になる: 「MCP対応が業界標準に」と書かれたとき、何が起きているか即座に理解できる
  • ベンダーや上司への質問が的確になる: 「これはRAGで解決すべきか、ファインチューニングか」を自分で判断できる
  • AI関連の投資判断・採用判断ができる: 「コンテキストウィンドウが20万トークン」と聞いて、自社業務で足りるか足りないかを評価できる
  • 詐欺的なAIサービスに騙されにくくなる: 「最新AIで自動化」と謳う製品の中身が、ただのプロンプトテンプレートか本物のエージェントか見分けられる

エンジニアの方は別ですが、非エンジニアにとって用語理解は「AIを正しく恐れ、正しく使う」ための護身術です。覚えるコストより、知らないことで損するコストのほうが圧倒的に大きい。これは断言できます。

まとめ：40語を体系で持ち、辞書として使う

最後に要点をもう一度。

本記事はブックマークして、ニュースに知らない用語が出てきたときに辞書代わりに使ってください。各用語の専用ページにはより詳しい解説と最新情報がまとまっています。

迷ったらまた戻ってきてください。AI業界は来月にもまた新しい用語が増えるので、私もこの記事を定期的に更新します。

参考にしたソース

ヘッダー画像: Photo by Nothing Ahead on Pexels

S

Synth

explAInのライター。AIの今をやさしく、忖度なしで。

あなたにおすすめの記事

← 記事一覧に戻る