AI関連の記事でよく見るカタカナ語や略語、結局どういう意味？を整理＆具体例で理解する

前文
AI関連の記事や動画を見ていると、

コンテキスト
トークン
推論
マルチモーダル
エージェント
RAG

など、カタカナや略語が大量に出てきます。
しかも説明を読んでも、

「で、結局何なの？」

と、分かりにくい。

この記事では、AI分野で頻出する用語を、単語の意味だけ見ると逆に分かりにくい、という点を踏まえて、

よくある説明
実際の画面や操作
誤解しやすいかもしれない点
つまりどういうことか

の順で整理します。

AIサービス / AIモデル / AIエンジンの違い

この辺りはかなり混同してるかも。
よく分かってないまま、あるいは一般人の感覚だと、

ChatGPT = AIそのもの

と思ってしまってる人もいるかも。でも実際には違う。

AIサービス

📕 辞書的説明

ユーザーが直接使うアプリやサイト。例えば、

ChatGPT
Claude
Gemini
Perplexity

など。

🖥️ 実際の例

ブラウザで開いて使っている、あの画面そのもの。

つまり“入口”。

👀 AI画面だとどこで見かける？

ChatGPTのサイト
Claudeのサイト
Geminiのサイト

など。

⚠️ 誤解しやすいかもしれない点

「ChatGPT」というサービス名と、
「GPT-4o」などのモデル名が混ざりやすい。

💡 つまり

AIサービスは、ユーザーが触るアプリ側。

AIモデル

📕 辞書的説明

文章生成そのものを担当する頭脳部分。

🖥️ 実際の例

例えば、

GPT-4o
GPT-4.1
Claude Sonnet
Gemini 2.5 Pro

など。サービスの中で動いています。

👀 AI画面だとどこで見かける？

モデル選択欄。

⚠️ 誤解しやすいかもしれない点

“ファッションモデル”の意味ではない。
AIの「モデル」は、数学モデル・統計モデルなどのこと。
つまり、

「こういう入力なら、こういう結果になりやすい」

を大量データから学習したもの。

ちなみに最近は、

AI彼女
AI彼氏
AIアバター

なども増えたため、その文脈で「AIモデル」と言うと、
少し誤解しやすい単語になっているかもしれない。

💡 つまり

AIモデル は、AIの頭脳部分。

AIエンジン

📕 辞書的説明

AIモデルを動かすための処理基盤。

🖥️ 実際の例

推論高速化や最適化処理など。ただし実際には、

AI本体
AI機能全体
AIモデル

くらいの曖昧な意味で使われることも多い。

👀 AI画面だとどこで見かける？

高速モード
高精度モード
推論エンジン

など。

⚠️ 誤解しやすいかもしれない点

記事によって意味が違うことが普通にある。

💡 つまり

AIエンジンは、AIを動かす裏側の処理部分。

プロンプト（Prompt）

📕 辞書的説明

AIへの入力・指示。

入力欄そのものを指す場合もあれば、入力した文章を指す場合もある。

🖥️ 実際の例

「このコードを修正して」
「要件定義を箇条書きで」
「おはよう」

これ全部プロンプト。

👀 AI画面だとどこで見かける？

入力欄
「プロンプト改善」
APIの prompt: パラメータ

など。

⚠️ 誤解しやすいかもしれない点

“長文の特殊命令”
だけを指すと思われがち。

でも普通の会話文でもプロンプトです。

💡 つまり

プロンプトとは、AIへの入力全般。

システムプロンプト

※最近かなり頻出

📕 辞書的説明

AIの根本動作を決める内部指示。

🖥️ 実際の例

例えば、

丁寧口調
コード優先
回答制限
キャラ設定

など。

ChatGPTの「カスタム指示」も近い。

👀 AI画面だとどこで見かける？

カスタム指示
System Prompt
Instructions

など。

⚠️ 誤解しやすいかもしれない点

“裏技” みたいに扱われがち。

でも実際には、
AIサービス側でも大量利用されています。

💡 つまり

システムプロンプトは、AIの基本設定。

コンテキスト（Context）

📕 辞書的説明

AIが回答生成時に参照する前後の文脈。

🖥️ 実際の例

例えば、

「Pythonで」

と言った後、次の回答もPython前提で続く。

👀 AI画面だとどこで見かける？

会話履歴
「この会話を続ける」

など。

⚠️ 誤解しやすいかもしれない点

“プロンプト” と混同されやすい。

プロンプトは今の入力。コンテキストは会話全体寄り。

💡 つまり

コンテキストとは、AIが参照している会話の流れ。

コンテキストウィンドウ

📕 辞書的説明

AIが一度に扱える情報量。

🖥️ 実際の例

長文PDF
大量コード
長い会話

を、どこまで保持できるか。

👀 AI画面だとどこで見かける？

「◯万トークン対応」
長文対応アピール

など。

⚠️ 誤解しやすいかもしれない点

“賢さ” そのものではありません。

どちらかというと、作業机の広さ。

💡 つまり

コンテキストウィンドウとは、AIの作業領域サイズ。

トークン（Token）

📕 辞書的説明

AIが文章を処理する単位。文字数とは一致しません。

🖥️ 実際の例

10文字でも、15トークンになることがあります。

API料金も、入力トークン＋出力トークンで計算される。

👀 AI画面だとどこで見かける？

API料金
最大トークン数
長すぎるため途中で中断されました

など。

⚠️ 誤解しやすいかもしれない点

1文字 = 1トークン
単語 = 1トークン

ではない。
内部辞書（Tokenizer）で区切られます。

💡 つまり

トークンとは、AI用の容量単位。

推論（Reasoning） / 高度な推論

※最近のAI競争でかなり重要視されている部分。

📕 辞書的説明

AIが情報を組み合わせ、順番に考えて結論を導く処理。

🖥️ 実際の例

エラー原因の整理
数学問題
因果関係の分析
長文条件整理

など。

👀 AI画面だとどこで見かける？

Thinking...
Analyzing...
Reasoning...
思考中

など。

⚠️ 誤解しやすいかもしれない点

“検索している” と思われがち。
でも実際には、内部で順番に考えて整理している状態。
また、「高度な推論」という言葉も最近かなり増えました。
ただこれは、

“超知能” というより、

複数条件整理
自己チェック
手順構築
比較分析

などを、段階的に処理する能力のこと。

💡 つまり

推論とは、「即答」ではなく、「考えてから答える」能力。

マルチモーダル（Multimodal）

📕 辞書的説明

文字・画像・音声など、複数形式を扱えるAI。

🖥️ 実際の例

写真をアップロード
PDF解析
音声入力
画像認識

など。

👀 AI画面だとどこで見かける？

クリップアイコン
マイクボタン
「解析中...」

など。

⚠️ 誤解しやすいかもしれない点

“画像生成” だけを指すわけではありません。

💡 つまり

マルチモーダルとは、文字専用ではないAI。

API

📕 辞書的説明

サービス同士を接続する仕組み。

🖥️ 実際の例

自作アプリにAIを組み込む
GASからAIを呼び出す
Chrome拡張から使う

など。

👀 AI画面だとどこで見かける？

APIキー
Endpoint URL

など。

⚠️ 誤解しやすいかもしれない点

“開発者専用” と思われがち。
最近はノーコード系でも大量利用されています。

💡 つまり

APIとは、AIなど他の機能を外部から呼び出す接続口。

LLM（Large Language Model）

📕 辞書的説明

大量テキストを学習した、大規模言語モデル。

🖥️ 実際の例

ChatGPTやClaudeの、文章生成能力そのもの。

👀 AI画面だとどこで見かける？

モデル選択欄
「LLM使用」

など。

⚠️ 誤解しやすいかもしれない点

サービス名ではない。

💡 つまり

LLMとは、文章生成AI本体。

エージェント（Agent）

📕 辞書的説明

AIが自律的にタスクを進める仕組み。

🖥️ 実際の例

検索
要約
表作成
メール送信

などを連続実行。

👀 AI画面だとどこで見かける？

Agent
Tasks
Browser Use
Automations

など。

⚠️ 誤解しやすいかもしれない点

“人格AI”みたいな意味ではない。

💡 つまり

エージェントとは、AI版の半自動作業員。

ワークフロー（Workflow）

📕 辞書的説明

タスクを順番に処理する流れ。

🖥️ 実際の例

PDFを読む
要約する
Slackへ送信

など。

👀 AI画面だとどこで見かける？

ワークフロー作成
ノード一覧

など。

⚠️ 誤解しやすいかもしれない点

AI専用用語ではない。

昔からある業務用語、日本語で言うと「作業の流れ」「手順の流れ」。
（むしろ日本語でそのまま言ってもいいくらい）

💡 つまり

ワークフローとは、自動処理の手順書。

ノーコード（No-code）

📕 辞書的説明

コードを書かずに開発すること。

🖥️ 実際の例

Dify
Zapier
Make
Bubble
ノーコードで開発

など。GUI操作中心で構築する。

👀 AI画面だとどこで見かける？

ドラッグ＆ドロップUI
ノード接続画面

など。

⚠️ 誤解しやすいかもしれない点

“完全にコード不要” ではない。

API理解やロジック理解は普通に必要です。

💡 つまり

ノーコードとは、コード量を減らす開発。

RAG（ラグ）

📕 辞書的説明

外部データを参照しながら回答する仕組み。

🖥️ 実際の例

社内PDF検索
マニュアル参照
FAQ検索

など。

👀 AI画面だとどこで見かける？

データソース追加
検索中...

など。

⚠️ 誤解しやすいかもしれない点

“AIが学習した” わけではないケースも多いです。

💡 つまり

RAGとは、資料を見ながら答えるAI、や、その仕組み・機能のこと。

ベクトル検索

_📕 辞書的説明

意味の近さで検索する技術。

🖥️ 実際の例

「請求書の書き方」で、類似文書を探す。

👀 AI画面だとどこで見かける？

類似度スコア
意味検索

など。

⚠️ 誤解しやすいかもしれない点

普通のキーワード検索とはかなり別物。

💡 つまり

ベクトル検索とは、意味ベース検索。

ファインチューニング（Fine-tuning）

📕 辞書的説明

既存AIを追加学習させること。

🖥️ 実際の例

社内文体へ寄せる
特定業界向けに調整

など。

👀 AI画面だとどこで見かける？

Fine-tuned Model
学習データアップロード

など。

⚠️ 誤解しやすいかもしれない点

RAGとの違いが混同されやすい。

RAGは「資料参照」。

Fine-tuningは「AI自体の追加調整」。

似ているようで結構違います。

💡 つまり

ファインチューニングとはAIの追加教育。

ハルシネーション（Hallucination）

📕 辞書的説明

AIがもっともらしい誤情報を生成する現象。

🖥️ 実際の例

存在しないURL
架空仕様
実在しない店

などを、本当に存在するように答える。

👀 AI画面だとどこで見かける？

「事実確認してください」
「不正確な可能性があります」

など。

⚠️ 誤解しやすいかもしれない点

“たまにしか起きない” わけでない。
かなり頻繁に起きます。

💡 つまり

ハルシネーションとは、AIの「それっぽい嘘」。

最後に

辞書的説明だけだと理解しづらいことも具体的例などと絡めることができれば、何のことか把握・理解しやすくなり、ひいては覚えやすいのではないかと思う。特にAI界隈では、

AIチャット
AIエージェント
自動化
Web操作
PDF解析

など全部が混ざり始めています。なので、

「実際どの画面で出てくる何なのか」

で理解すると、かなり把握しやすくなるのではないかと思います。
あと普通に英単語の意味を知っていれば把握しやすい場合もありそう。頭文字のアルファベット略語などは、略してない英単語がわかれば、それらの意味を知っていれば意味が繋がるだろうから。

以上。