今さら聞けないAI用語集【2026年最新版】初心者向け基本8語

はじめに：用語は暗記しなくていい。意味が分かれば十分

「プロンプト」「ハルシネーション」「RAG」……。AIの話題に触れると、知らない用語が次々に出てきます。
文脈でなんとなく分かっていても、説明しようとすると自信がない。そんな状態になりやすい分野です。

この記事は、用語を丸暗記するための辞書ではありません。
初心者がつまずきやすい基本語を、“実際のツールや機能”とセットで解説します。

• その言葉は何のことか
• どんな場面で出てくるか
• どこに注意すれば安全か

この3点がつながると、AIの理解は一気に安定します。困ったときに戻って確認できるよう、ブックマーク推奨の保存版としてまとめました。

✅30秒まとめ（ここだけ掴めばOK）
生成AIは「下書きを作る道具」で、中心はLLM（文章を作る頭脳）です。
答えの質はプロンプト（指示文）で決まり、長文になるほどトークンとコンテキストウィンドウの制限が効いてきます。
ハルシネーションとバイアスを前提に、重要情報は確認する。資料ベースで答えさせたいときはRAG（NotebookLM系）が便利です。

📍このページで扱う8語
生成AI／LLM、プロンプト／トークン、コンテキストウィンドウ／ハルシネーション、バイアス／RAG

1. 生成AI（Generative AI）

ひとことで：文章・画像・コードなどを「新しく作る」AI。

具体例（ツール／機能）：
ChatGPT / Gemini / Copilotの文章作成、要約、言い換え。画像生成機能（画像を作る、雰囲気を変えるなど）。

実態（何が起きる？）：
生成AIは、検索結果をそのまま返す仕組みが基本ではありません。学習した大量のデータの“型”を使って文章や画像を組み立てます。
得意なのは「下書き」「たたき台」「整理」「言い換え」。ゼロから完璧を当てるというより、人間の作業を前に進める道具です。

注意点：
生成＝正確とは限りません。とくに人名・数字・最新情報は、最終確認を人間が担う前提で扱うのが安全です。

指示のコツ：
「対象（誰向け）」「条件（字数・口調）」「出力形式（見出し/箇条書き）」を先に指定すると安定します。
例：初心者向け／200字／やさしい口調／最後に注意点1つ

ありがちな誤解：
生成AIは“考えて発見”するより、学習したパターンを組み立てるのが中心です。ひらめきの代役というより、下書きの相棒に向きます。

2. LLM（大規模言語モデル）

ひとことで：文章を作るための「中身のエンジン」（ChatGPT等の頭脳）。

具体例（ツール／機能）：
ChatGPTやGeminiの“モデル”という概念。環境によってはモデルを選ぶ画面があり、同じ質問でも答えのクセが変わります。

実態（何が起きる？）：
LLMは、膨大な文章を学習し「次に来やすい言葉」を確率で選びながら文章を組み立てます。その結果、文脈に合う文章を長く整えるのが得意になります。
この仕組みのおかげで文章は自然になります。一方で、根拠が弱い話題でも“それっぽく整った文”を出してしまうことがあります。
初心者が押さえるべき感覚はこれです。文章のうまさと、事実の正しさは別になり得ます。

注意点：
きれいに書いてあっても、間違っていることがあります。重要な場面ほど、根拠の確認が必須です。

指示のコツ：
「断定を避けて」「不確かな点は“不確か”と書いて」「根拠（出典）を示して」を添えるだけで事故が減ります。

ありがちな誤解：
LLMは“知っているから答える”というより、“それらしい文章を作れる”仕組みです。正しさは別途チェックが必要です。

3. プロンプト（Prompt）

ひとことで：AIへの指示文（質問＋条件＋出力形式ぜんぶ）。

具体例（ツール／機能）：
ChatGPT/Geminiの入力欄に打つ文章そのもの。テンプレやカスタム指示が使える場合は、それもプロンプトの一部です。

実態（何が起きる？）：
プロンプトは、AIに渡す“設計図”です。
曖昧だとブレます。条件が増えるほど安定します。

• 悪い例：「記事を書いて」
• 良い例：「初心者向け。1500字。見出しH2/H3。専門用語には一言補足。最後に注意点3つ」

注意点：
AIは行間を読まない前提で動きます。書いてない条件は、ないものとして扱われがちです。

指示のコツ：
迷ったら「目的／対象／条件／形式」の4点セットにすると崩れません。
例：目的＝用語解説、対象＝初心者、条件＝2000字、形式＝見出し＋箇条書き

ありがちな誤解：
プロンプトは“魔法の呪文”ではありません。曖昧さを減らすほど、AIのブレが減るという実務スキルです。

4. トークン（Token）

ひとことで：AIが文章を処理するときの「量の単位」（文字数の代わり）。

具体例（ツール／機能）：
APIの料金説明で見かける（トークン課金）。また、長文を入れたら返答が途切れる／雑になる現象でも体感します。

実態（何が起きる？）：
AIには「一度に扱える量」の上限があり、会話や資料はトークン量で管理されます。
長文ほど、コストや処理負担が増えます。やり取りが長いほど、後述のコンテキストも圧迫します。
初心者はまず、トークン＝お金（コスト）と容量（限界）に関係すると押さえれば十分です。

注意点：
長文を一気に投げるほど、ズレや抜けが増えます。情報が多いときは分割が安全です。

指示のコツ：
「まず要点を箇条書きで整理→次に本文」の二段構えが安定します。
例：最初に要点10個、その後に本文

ありがちな誤解：
トークンは単純な文字数ではありません。「長文ほど重くなる」程度の感覚を持っておくと困りません。

5. コンテキストウィンドウ（Context Window）

ひとことで：AIが一度に覚えておける「会話・資料の範囲」（短期記憶）。

具体例（ツール／機能）：
長いチャットで「前に言ったのに通じない」「前提がズレる」現象。やり取りが長い作業（記事制作など）で起きやすいです。

実態（何が起きる？）：
AIは会話の全部を永久に覚えているわけではありません。一定量を超えると、古い情報から押し出されます。
結果として、途中で決めたルールや条件が反映されなくなり、ズレが出ます。

注意点：
長い作業ほど、前提の再掲が必要です。放置すると、だんだん別の方向へ滑ります。

指示のコツ：
途中で一度「前提まとめ」を作らせ、以降はそれを固定します。
例：「ここまでの前提を箇条書きで整理。以降はその前提を維持」

ありがちな誤解：
コンテキストは“永続メモリ”ではありません。長いやり取りほど、要点の再提示が効きます。

6. ハルシネーション（Hallucination）

ひとことで：AIが事実ではないことを「もっともらしく作る」現象。

具体例（ツール／機能）：
架空の統計・論文・判例・経歴などが出る。とくに「最新」「数字」「人名」「医療・法律」などで起きやすいです。

実態（何が起きる？）：
AIは“正解を検索している”わけではなく、文章を組み立てています。分からないときに「分からない」で止まらず、穴を埋めることがあります。
それがハルシネーションです。自信満々に見えるので厄介です。

注意点：
重要箇所は一次情報（公式・原文・一次資料）で確認が基本です。AIを「確認せず引用」すると事故につながります。

指示のコツ：
「出典を示す」「不確かな点は“不確か”と明記」を入れると、ハルシネーションを減らせます。
出典が出ても、そのリンク先や一次情報を確認するのが基本です。

例：「根拠（出典）を示して。推測は推測と書いて」

ありがちな誤解：
ハルシネーションは“バグ”というより起き得る性質です。仕組みを知って、確認手順でカバーするのが現実的です。

7. バイアス（Bias）

ひとことで：AIの回答に混ざる「偏り」や「思い込み」。

具体例（ツール／機能）：
文章が特定の立場に寄る、決めつけが混ざる。画像生成では職業や役割が固定観念っぽく出ることもあります。

実態（何が起きる？）：
AIは学習データの影響を受けます。元データに偏りがあれば、出力にも偏りが出やすい。
ここは「AIが悪い」というより、データの写し鏡になりやすい性質です。

注意点：
便利な要約ほど、前提が省略され、偏りが見えにくくなることがあります。見た目の中立に安心しすぎないのがコツです。

指示のコツ：
「別の立場でも説明して」「反対意見も挙げて」と頼むと偏りが見えます。
例：「賛成/反対の両方の観点で整理して」

ありがちな誤解：
バイアスは「露骨な差別表現」だけではありません。論点の選び方や語調にも出ます。

8. RAG（検索拡張生成）

ひとことで：AIに“資料を探させて”（取り出して）、その内容を材料に答えを作らせる仕組み。

具体例（ツール／機能）：

• NotebookLM：自分が入れた資料をもとに要約・回答（引用＝根拠が出る）
• 社内FAQチャット：社内マニュアルや規程を参照して案内
• 製品サポートAI：マニュアル検索→回答の流れ

実態（何が起きる？）：
普通のAIは学習済みの知識だけで答えようとします。RAGはその前に「探す」工程が入ります。
イメージは、記憶だけで答えるから、資料を見ながら答えるへ。NotebookLMを使ったことがあるなら、まさに「その感じ」です。

注意点：
資料が古い／検索で拾えない／文書が散らかっているとズレます。RAGは“資料品質”に素直です。

指示のコツ：
「引用（根拠）を必ず示して」と指定すると、確認が一気に楽になります。
例：「参照した箇所（引用）を示して。根拠がない部分は推測と明記」

ありがちな誤解：
RAGを入れれば“最新情報も絶対正しい”になるわけではありません。参照元が正しいかは別途確認が必要です。

よくある質問

トークンは何文字くらい？

トークンは単純な文字数ではありません。AIが文章を分割して扱う「単位」なので、同じ文字数でも内容や表記で増減します。初心者の方は、「長文ほどトークンが増えて、料金や処理の負担が上がる」という感覚を持っておけば十分です。長い文章を扱うときは、要点を先に箇条書きにする／分割して渡す、といった工夫が安全策になります。

RAGがあれば、AIの嘘（ハルシネーション）はなくなる？

減りますが、ゼロにはなりません。RAGは「資料を探して、その内容を材料に答える」仕組みなので、根拠がある回答を作りやすくなります。一方で、参照する資料が古い／間違っている／検索で拾えない場合はズレます。NotebookLMのように引用が出るタイプでも、引用箇所を確認し、重要な判断は一次情報で押さえるのが基本です。

まとめ：暗記より「理解＋確認」で十分

AI用語は毎年増えます。全部覚えるのは現実的ではありません。
それでも、基本8語を“実態込み”で押さえると、AIの扱いはかなり安定します。
生成AIとプロンプトで作業を進め、トークンとコンテキストで限界を意識する。さらにハルシネーションとバイアスを前提に、重要情報は確認する。資料に基づいて答えさせたいときはRAG（NotebookLM系）です。
迷ったらこのページに戻って、「ブレる→プロンプト」「途中でズレる→コンテキスト」「自信満々に間違う→ハルシネーション」の3つから見返すと早いです。