女性向けエンジニアスクール
3秒でわかる
学習した傾向をもとに文章や画像を新しく作り出すAI。分類や予測ではなく、下書きの作成や要約といった作る仕事を任せる用途で広がりました。
30秒図解
もう少し詳しく
どういうものか
生成 AI は、学習した大量のデータの傾向をもとに、文章、画像、音声、コードといった新しい成果物を作り出すモデルの総称です。文章を扱う代表が ChatGPT や Claude などの大規模言語モデルで、次に来る語をひとつずつ確率的に選んで文を組み立てます。画像では、ノイズだらけの状態から少しずつ形を整えていく拡散モデルが主流です。
従来の AI が「この画像は猫か犬か」「この顧客は解約しそうか」を当てる判別や予測を担っていたのに対し、生成 AI は出力そのものを作る点が違います。
なぜ必要か
下書きを作る、長い資料を要約する、形式の違うデータを整形する、といった作業は、正解が一つに定まらないため自動化しにくい領域でした。生成 AI はここを引き受けられるため、人は確認と判断に時間を回せます。逆に言えば、答えが一意に決まり正確さが絶対に必要な計算や検索は、依然として従来のプログラムの方が向いています。
具体例
import anthropic
client = anthropic.Anthropic()
res = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=300,
messages=[{
"role": "user",
"content": "次の問い合わせを、緊急度（高中低）と要約1文で返してください。\n"
"「注文した商品が届かず、明日の式で使う予定です」",
}],
)
print(res.content[0].text)指示の中で出力形式まで決めているのは、後続のプログラムで扱える形に揃えるためです。
つまずきやすいところ
最大の落とし穴は、事実でない内容をもっともらしく書く現象です。これは嘘をついているのではなく、次に来そうな語をつないだ結果が偶然もっともらしくなっているだけなので、堂々とした書きぶりは正しさの根拠になりません。社内文書や法令のように正確さが要る話題では、根拠となる文書を一緒に渡す方式が使われます。
もう一つは入力の扱いです。顧客情報や未公開の資料を無断で貼り付けると、契約と設定によっては学習や保存の対象になり得ます。利用規約と社内規定を確かめてから使う範囲を決めます。
似た用語との違い
包含関係になっており、AI が最も広く、LLM が最も狭い位置にあります。求人票や記事で「AI 導入」と書かれているとき、どの層の話なのかを見分ける手掛かりになります。
