生成AI

概要

生成AIとは、学習したデータの特徴や構造をもとに、文章・画像・音声・動画などのコンテンツを生成するAIを指す言葉です。英語ではGenerative AIと呼ばれ、GenAIとも略されます。NISTの用語集も、生成される内容にテキストだけでなく画像・動画・音声などを含めています。[1][2]

ここでの中心は「内容を生成する」という働きです。文章を返す対話サービスだけを指す言葉として捉えると、画像や音声などを扱う生成の仕組みが説明から抜けてしまいます。[1]

同じ「生成」という言葉でも、出来上がるものは異なります。次は、NISTが挙げる出力形式を理解するための仮の利用例です。[1]

一つのモデルですべての形式を扱えるとは限りません。NISTは生成AIに複数の技術的な方式があることや、複数のモデルの組み合わせによって異なる形式を扱うシステムがあることを説明しています。使いたい形式と、利用するモデル・サービスが対応する形式を分けて確認します。[2]

LLMは大規模言語モデルのことで、文章を扱う生成AIを理解するうえで関係する技術です。NISTは生成AIの開発・利用を説明する中でLLMの学習や、LLMを組み込んだアプリケーションを扱っています。一方で、生成AIという言葉の範囲には、言語以外の内容を生成する技術も含まれます。[2][1]

モデルは内容を生成するための仕組み、サービスはそれを利用する画面や機能を含むもの、と分けて考えると整理しやすくなります。NISTも、モデルをAPIなどで提供することと、モデルをソフトウェアへ組み込んでアプリケーションを作ることを区別して説明しています。[2]

新しい文章を出力することだけでは、その回答を作る際にWebや社内資料を検索したかは分かりません。外部の情報を取得してモデルへ渡すRAGは、検索と生成を組み合わせる構成です。NISTは、モデルに別の情報検索システムを組み合わせ、取得した情報を文脈として使う仕組みとして説明しています。[2]

たとえば、商品紹介の文案を作る場合と、現行の製品マニュアルを参照して仕様を答える場合では、必要な情報の扱いが違います。後者では、参照する資料をどう用意し、何が回答の根拠になったかまで確認する必要があります。

NISTは、生成AIが誤った内容を自信のある表現で提示する現象をConfabulationとして説明しています。文章が読みやすくても、その文章にある事実が正しいとは限りません。また、生成された根拠や引用自体が誤っている場合も挙げています。[3]

同資料は、個人に関する情報が漏れたり、生成・推測されたりするリスクも扱っています。利用に当たっては、入力してよい情報を確認し、公開・提出する内容は目的に応じて点検します。[3]

寄稿: 2026年10月5日／出典確認: 2026年10月5日／最終監修: 2026年10月5日 ---

supervisor
桑田陽介
代表取締役
Web制作・運用・改善に20年以上携わり、WordPress、CMS構築、SEO、AWSなど、Webサイトの企画・制作から公開後の運用まで幅広く担当。実務経験にもとづき、本記事の内容・表現・技術情報を監修しています。

『ホームページ制作の相談をしたい』『もっとたくさん商品を売りたい』等、ご要望をお伝えくださいませ。

疑問に思っていること、お困りごと、具体的な内容が未定でも、まずはお気軽にご相談くださいませ。