AI用語集

AI Hallucination

AIが事実と異なる情報を、あたかも正確であるかのように生成してしまう現象。問い合わせ対応で活用する際は、人によるチェックで防止策を取る必要がある。

AI Hallucination Prevention

生成AIが事実とは異なるもっともらしい誤情報を出力する現象（ハルシネーション）を防ぐための対策や運用のこと。データの精査や人間による最終確認（レビュー）を組み合わせることで、業務利用時のリスクを低減します。

Hallucination

AIが事実と異なる情報を、まるで正しいかのように自信を持って回答してしまう現象です。重要な判断にAIを使う場合は、必ず人間が内容を確認することが必要です。

Virtual Agent

人間のオペレーターの代わりにAIが顧客対応を行う仕組みです。テキストだけでなく音声でも対応でき、複雑な質問にも答えられます。

Human-in-the-Loop

AIが出した結果を人間が必ず確認・判断するステップを設けることで、誤りを防ぐ仕組みのことです。

People Analytics

社員に関するデータ（勤怠・評価・アンケートなど）をAIやデータ分析で活用し、人事戦略や経営判断に役立てる手法です。「勘」に頼らないデータ根拠のある人事管理が実現できます。

Fine-Tuning

汎用的なAIモデルを、自社特有のデータや業務内容に合わせて追加学習させることです。より精度の高い回答を得るためにカスタマイズする手法です。

Function Calling

AIが必要に応じて外部ツールやシステムの機能を呼び出せる仕組みです。カレンダー登録・在庫確認・メール送信など、AIが実際の業務操作を行えるようになります。

AI-Generated Phishing

攻撃者がAIを使って作成する、精度の高い詐欺メール。文章の自然さや個人への最適化が向上し、従来の手口より見分けにくくなっているため注意が必要。

Few-Shot Learning

AIに少数の具体的な例（サンプル）を見せてからタスクを実行させる手法です。例を示すことでAIが求めるアウトプットの形式や基準を理解し、回答精度が向上します。

Black Box Problem

AIがなぜそのような判断・回答をしたのか、その理由や根拠が人間には分からない状態のことです。信頼性や責任の所在が問われます。

Process Mining

システムのログデータからAIが実際の業務の流れを自動分析する技術です。「現場では本当はどう動いているか」を可視化し、無駄や問題点を発見できます。

Prompt

AIから望ましい回答や成果物を引き出すために入力する指示文や質問のこと。適切な指示文の共有や定型化により、現場での作業品質のばらつきを防ぎます。

Prompt Injection

AIエージェントに対して悪意ある外部の指示を埋め込み、意図しない動作をさせるサイバー攻撃の手法。AIを業務に活用する際の新たなセキュリティリスクとして注目されている。

Prompt Caching

AIへの指示文（プロンプト）の中でよく使う部分を事前に保存しておき、処理を速くしてコストを下げる機能です。長いシステム指示を毎回送らずに済むため効率的です。

Prompt Caching

生成AIに繰り返し送信する共通の指示文や大規模な社内資料をシステム上に一時保存して再利用し、処理速度の向上とAPI利用コストの削減を図る技術です。

Prompt Design / Prompt Engineering

AIに望む出力を得るために、質問や指示文（プロンプト）の内容・構成・表現を工夫すること。適切な設計により出力の精度や使いやすさが大きく変わる。

Benchmark Score

AIモデルの性能を標準的なテストで数値化した指標。モデル比較の際によく参照されるが、スコアが高くても自社業務に適しているとは限らないため、実業務での検証が不可欠。

Multi-Agent System

複数のAIエージェントが役割を分担しながら連携して動作する仕組み。単体のAIより複雑な業務フローへの対応が可能になる技術として注目されている。

Multimodal AI

テキストだけでなく、画像・音声・動画など複数の種類のデータを組み合わせて処理できるAI。文章と画像を同時に理解するといった活用が可能になる。

Multimodal Input/Output

テキストだけでなく、画像・音声・動画なども一緒にAIに渡したり、AIからそれらの形式で返答を受け取ったりできる機能のことです。

Multimodal Input

テキストだけでなく、画像・音声・動画・PDFなど複数の形式のデータをまとめてAIに入力できる機能のことです。より多様な業務への応用が可能になります。

Multimodal Output

AIがテキストだけでなく、画像・音声・動画なども出力できる機能のことです。説明文を生成しながら図も作るといった複合的な成果物をAIが一度に作れるようになっています。

Market Basket Analysis

顧客が「一緒に購入しやすい商品の組み合わせ」をAIが自動で発見する分析手法です。セット販売や売り場の陳列改善、クロスセル提案に役立てられます。

Model Black-Boxing

AIがなぜそのような結果を出したのかを、使っている会社側が全く説明できない状態になることです。トラブル時の原因究明が難しくなります。

Model Retraining

時間とともに変化する現実に合わせて、AIに新しいデータを追加学習させる作業のこと。再学習をしないと、AIの精度が徐々に落ちていく「劣化」が起きます。

Model Update

AIモデルの新バージョンがリリースされること、またはそれに伴い性能・機能・料金・動作が変わることです。業務への影響を定期的に確認する運用習慣が重要です。

Model Version

AIモデルのアップデート版を区別するための番号や名称です。新バージョンでは性能向上や機能追加が行われますが、挙動が変わることもあるため注意が必要です。

LLM Model Release Cycle

OpenAIやAnthropicなどのAI企業が新しいモデルを公開する頻度・周期のことです。数ヶ月ごとに性能が大幅に向上するため、定期的な情報収集と乗り換え判断が経営課題になっています。

Model Degradation

一度正確に動いていたAIが、時間の経過とともに精度が落ちてしまう現象です。市場環境や顧客の行動が変化しても、AIが学習データを更新しなければ古い判断をし続けてしまいます。

LLM Model Deprecation Schedule

古くなったAIモデルが利用停止になる予定日程のことです。旧モデルに依存したシステムが突然使えなくなるリスクがあるため、事前に移行計画を立てることが重要です。

LLM Capability Tier

AIモデルを性能と価格帯によって「軽量・標準・高性能」などの段階に分類したものです。用途に応じて使い分けることでコストを抑えながら必要な品質を確保できます。

Model Performance Monitoring

稼働中のAIが正しく動いているかを継続的にチェックする仕組みのこと。監視を怠ると精度の低下に気づかず、業務に悪影響が出ます。

LLM Model Capability

AIモデルがどれだけ正確に・賢く・幅広い仕事をこなせるかを示す指標です。用途に合ったモデルを選ぶ際の判断基準になります。

Model Accuracy

AIが正しい答えを出せる割合のこと。精度が高いほど信頼できますが、100%はなく、業務で使える水準かどうかを実際のデータで確認することが大切です。

Model Accuracy Decline

導入当初は正確だったAIが、時間の経過とともに予測や判断の精度が落ちてくること。定期的なメンテナンスをしないと起こりやすい問題です。

Model Distillation

大きくて高性能なAIモデルの知識を、小さく軽量なモデルに受け継がせる技術です。コストや処理速度を改善しながら、ある程度の性能を維持できます。

LLM Latency

AIに質問してから最初の回答が返ってくるまでの時間です。顧客対応チャットや社内ツールの快適さに直結するため、業務AIシステム選定の重要な指標です。

HR Text Mining

社員アンケートや面接メモ・社内チャットなどの文章データをAIが自動分析し、職場の課題や社員の本音を数値やグラフで見える化する技術です。

HR Predictive Analytics

過去の人事データをAIが分析し、「誰が離職しそうか」「採用でどんな人材が活躍するか」などを事前に予測する技術です。

Artificial Intelligence

人間のように考えたり判断したりする能力をコンピュータに持たせる技術の総称です。文章を書いたり、画像を認識したり、業務を自動化したりと幅広い場面で活用されています。

HR Matching Algorithm

求職者のスキルや経歴と、企業の求める条件をAIが照合し、最適な組み合わせを自動で提案する計算の仕組みです。

Reinforcement Learning from Human Feedback

AIが生成した複数の回答を人間が評価し、より良い回答を学習させる技術です。ChatGPTなどが「人間らしく役立つ回答」をするための重要な訓練手法です。

AI Fraud Detection for Accounting

経費申請や仕訳データをAIが自動チェックし、架空請求や横領などの不正な処理を早期に発見する技術です。内部統制の強化に役立ちます。

Conversational AI

人間と自然な会話のやり取りができるAI技術の総称です。チャットボットや音声アシスタントなどがこれにあたり、問い合わせ対応に広く活用されています。

Input Data Quality

AIに与える情報の正確さ・完全さ・整理状況のこと。担当者のローカルフォルダや個人メモに情報が散らばっていると、AIの出力精度が保証できず活用効果が出にくくなる。

LLM Input Character Limit

AIに一度に送れる文章量の上限のことです。長い文書を丸ごと貼り付けると処理できない場合があり、分割して送るか、要約して入力する工夫が必要です。

LLM Output Token Limit

AIが一度に生成できる文章量の上限のことです。長い報告書などを一度に出力しようとすると途中で切れることがあり、分割出力の工夫が必要です。

Collaborative Robot (Cobot)

人間の隣で一緒に作業できるように設計された安全性の高いロボットです。柵なしで人と共存でき、中小企業の工場でも導入しやすいのが特長です。

Word Error Rate (WER)

AIの文字起こし精度を測る指標で、正しい単語に対して間違えた単語の割合を示します。数値が低いほど文字起こしの精度が高いことを意味します。

Foundation Model

膨大なデータで事前学習された汎用的なAIモデルの総称です。ChatGPTやClaudeなどもこの基盤モデルをベースに作られており、様々な業務タスクに応用できます。

Multi-Task Robot

一台で複数の作業をこなせるロボットのことです。組み立て・検査・仕分けなど多様な工程を担当でき、少人数の工場や物流現場での人手不足解消に役立ちます。

Large Language Model (LLM)

膨大なテキストデータを学習し、人間のような自然な文章を生成・要約・翻訳できるAIの一種。ChatGPTなどの基盤技術で、プロンプト（指示文）に応じて文章を出力しますが、内容の正確性を保証する機能は持っていません。

Knowledge Cutoff

AIが学習したデータの期限（最終更新日）のことです。この日付以降の出来事をAIは知りません。最新情報を扱う業務では、AIの知識の限界を把握しておく必要があります。

Training Data Shortage

AIを正確に動かすために必要なデータ量が足りない状態のことです。データが少ないと、AIは精度の高い判断や予測ができません。

Training Environment Gap

AIが学習したデータの環境と、実際に使う業務環境が異なることで精度が落ちる問題のこと。テスト時はうまくいったのに本番では使えないという失敗の原因です。

Safety Alignment

AIが人間にとって有害な回答や危険な行動をしないよう、人間の価値観や倫理基準に合わせてAIを調整する取り組みのことです。

Chain of Thought

AIに答えを直接出すのではなく、考える手順を段階的に示させるプロンプト手法です。複雑な問題の精度が大幅に向上し、AIの判断プロセスが透明になります。

Intent Recognition

お客様が送ってきたメッセージの「目的・意図」をAIが自動で判断する技術です。「返品したい」「料金を知りたい」など、言葉の意味を理解して適切な回答につなげます。

Decision Support AI

経営者や担当者が判断を下す際に、関連データの分析・選択肢の提示・リスク評価などをAIがサポートしてくれるシステムです。

Sentiment Analysis

テキストデータから、書き手の感情（ポジティブ、ネガティブ、ニュートラルなど）をAIが自動的に判定・分類する技術。顧客レビューや口コミから、製品に対する本音を抽出する際に用いられます。

Instruction Following

AIが人間の指示を正確に守って動作できる能力のことです。「箇条書きで答えて」「100字以内で要約して」といった細かい指示にどれだけ忠実に従えるかを表します。

Reasoning Model

回答を出す前に、複数のステップで論理的に考える過程をAIが踏むモデルです。複雑な問題や数学・法律・戦略立案など深い思考が必要なタスクで高い精度を発揮します。

Inference

学習済みのAIモデルが実際に新しいデータに対して予測や回答を出力する処理のことです。ChatGPTに質問して回答が返ってくる動作そのものが「推論」にあたります。

Spend Analysis AI

会社の購買・経費データをAIが分析し、無駄なコストや削減できる支出を自動で可視化するツールです。コスト削減の意思決定を支援します。

Supervised Learning

「正解データ」をセットにしてAIを学習させる手法。たとえば「この画像は猫」「この取引は詐欺」といったラベル付きデータでAIに正解を教えながら学習させます。

Unsupervised Learning

正解ラベルなしのデータからAI自身がパターンや構造を見つけ出す手法。顧客のグループ分けや異常検知などに活用される機械学習の方法です。

AI Transcription

会議や音声データをAIがリアルタイムまたは自動でテキスト化する技術。精度はツールや話者の発音・ノイズ環境によって異なり、AI議事録ツールの基本機能として搭載されている。

Speech-to-Text / Transcription

会議や通話の音声をAIがリアルタイムでテキストデータに変換する技術。議事録作成の自動化や記録精度の向上に活用される。

Transcription Language Model

音声を正確にテキストに変換するために特化して学習されたAIモデルのことです。日本語特有の言い回しや専門用語の認識精度向上に活用されています。

Max Tokens

AIが一度の回答で出力できる文字数の上限設定です。この値が小さすぎると回答が途中で切れ、大きすぎるとコストが増加するため、用途に合わせた調整が重要です。

Answer Engine

インターネット上の最新情報を参照しながら質問に回答するAIツール。Perplexity AIが代表例で、情報源（出典）付きで回答するため、競合調査の初期情報収集に活用されます。

Concept Drift

AIが学習した時点と現実のデータの傾向がズレていく現象のこと。時間の経過とともにAIの予測精度が落ちる主な原因のひとつです。

Structured Output

AIの回答をJSON・表・特定フォーマットなど決まった形式で出力させる機能です。業務システムへのデータ自動入力や後続処理の自動化に欠かせません。

Machine Learning

コンピューターが大量のデータから自動的にパターンやルールを学び取る技術。明示的なプログラムを書かずともAIが「経験から学習」する仕組みです。

Deep Learning

人間の脳神経回路を模した「ニューラルネットワーク」を多層に重ねた機械学習手法。画像認識・音声認識・文章生成など、現代AI技術の中核をなします。

Temperature Parameter Setting

AIの回答の「ランダム性」を調整する設定値です。0に近いほど毎回同じ安定した回答になり、高いほど創造的・多様な回答になります。業務用途に応じて使い分けます。

Temperature

AIの回答のランダム性（創造性）を調整する設定値です。低い値にすると一貫した正確な回答に、高い値にするとバラエティに富んだ創造的な回答になります。

Feature Engineering

AIがより正確に予測・判断できるよう、元のデータから有用な情報を加工・抽出する作業です。この工程を省くと、データがあっても高精度なAIが作れない場合があります。

Generative AI

テキスト・画像・データなどを新たに生み出すAI技術の総称。目次案の作成や本文の見出し抽出など、出版工程の補助作業に活用されている。

Generative AI

テキストや画像などのコンテンツを自動で生み出すAI技術。業務マニュアルの初稿作成やFAQ生成など、文書作成の補助ツールとして活用されている。

AI Image Generation

テキストで指示（プロンプト）を入力するだけで、AIが自動的にイラストや写真風の画像を生成する技術。電子書籍の表紙・挿絵制作などに活用されるが、出力品質の確認は人間が行う必要がある。

Image Generation AI

テキストで説明を入力するだけで、AIがイラスト・写真風の画像を自動で作成してくれる技術です。Midjourney・DALL-E・Stable Diffusionなどが代表的なサービスです。

Image Recognition AI

カメラで撮影した画像や映像をAIが解析し、物体・文字・人物・欠陥などを自動で識別する技術です。目視検査や来客カウント、防犯など幅広い場面で活用されます。

HR Sentiment Analysis

社員のアンケート回答やチャットの文章をAIが分析し、職場全体や個人の「満足・不満・不安」などの感情傾向を自動で把握するシステムです。

Auto Summarization

AIが長い文章や会話・録音内容を自動的に短くまとめる技術です。会議の議事録・マニュアルの要点整理・業務手順の概要作成などに活用でき、文書作成の時間を大幅に削減します。

Autonomous Task Execution AI

人間が逐一指示を出さなくても、AIが目標を理解して自分で判断・行動し、業務を完結させる技術です。最近注目されているAIエージェントに近い概念です。

Autonomous Workflow Engine

人がいちいち指示しなくても、AIが業務の流れを自動で判断・実行してくれるシステムです。複雑な手順も自動化でき、ミスや抜け漏れを防ぎます。

Autonomous Mobile Robot (AMR)

工場や倉庫の中を自分で地図を作りながら走り回り、荷物の運搬や仕分けを人の代わりに行うロボットです。レールや決まった経路が不要で柔軟に動けます。

Natural Language Processing (NLP)

AIが人間の書き言葉・話し言葉を理解・生成する技術の総称です。マニュアルの自動作成・要約・翻訳など、業務文書化に関わるAI機能の多くがこの技術を基盤としています。

NLP-based Document Screening

AIが履歴書や職務経歴書の文章を自動で読み取り、重要なキーワードや文脈を理解して自動で選考評価を行う技術です。

Natural Language Processing for HR

AIが履歴書・職務経歴書・面接メモなど人間が書いた文章を自動で読み取り、必要な情報を抜き出したり評価したりする技術です。書類選考の効率化に使われます。

Natural Language Processing for Business

コンピューターが人間の言葉（日本語・英語など）を理解・分析・生成する技術です。メールの自動分類や会議の要約、マニュアル自動生成などに活用されています。

Natural Language Processing for Accounting

AIが人間の言葉を理解する技術を経理に応用したものです。契約書や請求書の文章を自動で読み解き、必要な情報を抽出するために使われます。

False Negative

実際には条件に当てはまるのに、AIが「該当しない」と判断してしまうこと。不正を見逃したり、病気の兆候を検知できなかったりするケースがこれに当たります。

Speaker Labeling

文字起こしされたテキストに「誰が発言したか」を示すラベルを付ける技術です。「田中：〇〇です」のように表示されるので、誰が何を言ったか一目でわかります。

Speaker Turn Detection

会議の音声データから「誰がいつ話し始め、いつ終わったか」をAIが自動で検出する技術。誰の発言かを正確に記録するために使われます。

Speaker Diarization

複数人が参加する会議の音声から「誰が発言したか」を自動で判別し、発言者ごとにラベルを付ける技術。議事録の精度向上に欠かせない機能。

Speaker Identification / Speaker Diarization

複数人が参加する会議音声の中から、誰が発言しているかをAIが自動で判定・分類する技術。議事録の精度向上に不可欠な機能。

False Positive

AIやセキュリティツールが、実際には問題のない正常な動作を「異常あり」と誤って判定してしまうこと。誤検知が多いと担当者が警告を無視しがちになり、本当の脅威を見逃すリスクが高まります。