AI用語集

人の「考える・判断する」をまねるコンピュータの技術

文章を理解する、画像を見分ける、次に起きることを予測するなど、人が頭を使って行う作業をコンピュータにさせる技術をまとめて呼ぶ言葉です。どこまでをAIと呼ぶかに決まった線はなく、技術の進歩とともに意味も変わってきました。

文章・画像・音声などを新しく作れるAI

これまでのAIが「仕分ける・当てる」中心だったのに対し、生成AIは指示に応じて文章や画像、音声などをゼロから作ります。メールの下書き、企画のたたき台、画像づくりなど、仕事での使い道が一気に増えました。

OpenAIの対話型AIサービス

話しかけるように質問や依頼を入力すると、文章で答えを返してくれます。文章の作成、要約、アイデア出しなど、生成AIを仕事で使い始めるきっかけになった代表的なサービスです。

Anthropicの対話型AIサービス

長い資料を読み込んで整理したり、丁寧な文章を書いたりするのが得意です。プログラムを書く作業の手伝いにも広く使われています。

Googleの生成AI

Googleが開発した生成AIで、Gmailやドキュメントなど、Googleのサービスとあわせて使えるのが特長です。文章だけでなく、画像や音声もまとめて扱えます。

Microsoftの生成AIアシスタント

WordやExcel、Outlook、TeamsなどのMicrosoft製品の中で、文書の下書きや集計、会議のまとめを手伝います。いつも使っているソフトの中からAIを呼び出せるのが強みです。

AIに出す指示文

生成AIに入力する質問や依頼の文章のことです。目的・前提・ほしい形式をはっきり書くほど、返ってくる答えの質が上がります。

会話の形で自動応答するしくみ

質問を入力すると、決まったルールやAIが自動で返事をするプログラムです。Webサイトの問い合わせ窓口やLINEの自動応答などで使われています。

仕事や生活を手伝うAIの相棒

質問への回答、予定の整理、文章の作成などを、人の代わりに手伝ってくれるAIの総称です。対話型AIのサービスや、スマホの音声アシスタントなどが含まれます。

言葉から画像を作るAI

「夕焼けの海辺を歩く犬」のように文章で伝えると、その内容の画像を作ります。広告やWebサイトの素材づくり、企画のイメージ共有などに使われています。

話した言葉を文字にする技術

人の声をAIが聞き取り、文字のデータに変える技術です。スマホの音声入力や会議の自動記録など、身近なところで使われています。

音声や動画の言葉を文章にすること

会議や面談、動画の中で話された内容を文字にする作業です。いまはAIが自動で行えるようになり、議事録づくりの手間が大きく減りました。

コンピュータが自動で訳すこと

ある言語の文章を、AIなどが別の言語に自動で置きかえる技術です。精度は大きく上がりましたが、契約書など大事な文書は人の確認が欠かせません。

長い文章を短くまとめること

要点だけを残して、長い文章や会議の内容を短くまとめることです。生成AIが特に得意な作業の一つで、資料を読み込む時間を大きく減らせます。

考えを整理するための相談相手

テニスの壁打ちのように、考えをぶつけて返ってきた反応から考えを深めることです。生成AIを相手にすると、時間を気にせずアイデアの整理や反論の確認ができます。

AIの頭脳にあたる中身

大量のデータから学んだ知識や判断のクセを、計算できる形にまとめたものです。同じサービスでも、どのモデルを使うかで答えの質や速さが変わります。

AIが学ぶための材料

AIを育てるときに読み込ませる文章・画像・数値などのデータです。どんなデータで学んだかによって、AIの得意・不得意や偏りが決まります。

画像の中の文字を読み取る技術

紙の書類やレシート、写真に写った文字を読み取り、パソコンで扱える文字のデータに変える技術です。手入力の手間と入力ミスを減らせます。

好みに合わせたおすすめ表示

過去の購入や閲覧の記録から、その人が興味を持ちそうな商品や記事を選んで見せるしくみです。ネット通販や動画サービスでおなじみです。

顔で本人かどうかを確かめる技術

カメラに映った顔の特徴を読み取り、登録された本人かどうかを判定します。スマホのロック解除や入退室の管理などに使われています。

AIで作った本物そっくりの偽の映像・音声

実在の人物の顔や声をAIで合成し、本人が話しているかのような映像や音声を作る技術、またはその作品です。なりすまし詐欺に悪用されることもあり、注意が必要です。

話しかけて操作できるスピーカー

声で頼むと、天気を答えたり音楽を流したり、家電を操作したりできるスピーカーです。中では音声認識とAIアシスタントが動いています。

AIが人の知能を超えるとされる転換点

AIが自ら賢くなり続け、人間の知能を上回ることで社会が大きく変わる、とされる未来の時点を指します。いつ来るのか、本当に来るのかは専門家の間でも意見が分かれます。

大量の文章から学んだ言葉のAI

膨大な量の文章を読み込み、言葉のつながり方を学んだAIモデルです。文章で会話するAI（ChatGPT、Claude、Geminiなど）の中心にある技術です。

データからルールを学ぶAIの方法

人が細かいルールを書くのではなく、たくさんの例となるデータからコンピュータ自身にパターンを見つけさせる方法です。売上の予測や不正の検知など、幅広い場面で使われています。

何層にも重ねた計算で学ぶ機械学習

人の脳の神経のつながりをまねた計算のしくみを何層にも重ね、複雑な特徴を自動でつかむ方法です。画像認識や音声認識、生成AIの性能を大きく伸ばしました。

脳の神経をまねた計算のしくみ

たくさんの小さな計算の単位をつなぎ合わせ、情報を受け渡しながら答えを出すしくみです。ディープラーニングの土台になっています。

人が話す・書く言葉をAIで扱う技術

日本語や英語など、人がふだん使う言葉をコンピュータが理解したり作ったりするための技術の総称です。翻訳、要約、チャットボットなどを支えています。

AIがもっともらしい間違いを答えること

生成AIが、事実と違う内容や存在しない情報を、自信ありげに答えてしまう現象です。数字や固有名詞、法律や税金の話は、必ず元の資料で確かめる必要があります。

AIが文章を数える単位

生成AIは文章を「トークン」という細かい単位に区切って扱います。一度に読める量や利用料金は、このトークンの数で決まることが多いです。

AIへの指示の出し方を工夫する技術

欲しい答えを安定して引き出すために、指示の書き方や順番、例の示し方を工夫することです。役割や前提を与える、出力の形を指定するなどの型があります。

AIに最初に渡しておく前提の指示

会話が始まる前に、AIの役割や話し方、守るべきルールをまとめて設定しておく指示文です。社内向けのAIに「社内規程に沿って答える」といった前提を持たせるときに使います。

使い回せる指示文のひな形

よく使う指示を、空欄を埋めれば使える形にしておいたものです。チームで共有すると、誰が使っても同じ質の答えを得やすくなります。

AIに渡す前提や背景の情報

質問そのものに加えて、目的や状況、参考資料など、答えを出すために必要な周りの情報のことです。コンテキストが足りないと、AIは一般論しか返せません。

AIが一度に覚えておける量

生成AIが一回のやり取りで読み込める文章の上限のことで、トークンの数で表します。上限を超えると、会話の前半や資料の一部を忘れてしまうことがあります。

文字・画像・音声をまとめて扱えること

文章だけでなく、画像や音声、動画など、複数の種類の情報を組み合わせて理解したり作ったりできることです。写真を見せて質問する、といった使い方ができます。

いろいろな用途の土台になる大型のAIモデル

大量のデータで幅広く学ばせた汎用のAIモデルです。これを元に、特定の業務向けに調整したり、さまざまなサービスに組み込んだりします。

人のように何でもこなせるAI

特定の作業だけでなく、初めて出会う課題も含めて、人と同じように幅広く考えて対応できるAIのことです。目標として語られることが多く、実現の時期は分かっていません。

目的に向けて自分で段取りして動くAI

指示された目的に対して、必要な手順を自分で考え、検索やツールの操作をしながら作業を進めるAIです。一問一答のチャットより、任せられる範囲が広いのが特長です。

正解つきのデータで学ぶ方法

「この画像は猫」のように、答えの付いたデータをたくさん見せて学ばせる方法です。分類や予測など、正解がはっきりしている作業に向いています。

正解なしでデータの特徴を見つける方法

答えを付けずにデータを与え、似たもの同士のまとまりや隠れた傾向をAI自身に見つけさせる方法です。顧客のグループ分けなどに使われます。

試行錯誤でうまくいくやり方を学ぶ方法

行動した結果に点数を与え、点数が高くなるやり方をAIに繰り返し探させる方法です。ゲームのAIやロボットの動きの学習でよく使われます。

AIモデルの中の調整つまみ

AIモデルが学習の中で少しずつ調整していく数値のことです。数が多いほど多くのことを覚えられますが、動かすための計算も重くなります。

学んだAIが実際に答えを出すこと

学習を終えたAIモデルに新しいデータや質問を入れて、答えを出させる処理のことです。生成AIで文章が返ってくるのも、この推論の段階です。

目的に合わせて集めたデータのまとまり

AIの学習や性能の確認のために、形をそろえて集めたデータの集まりです。データの量と質が、AIの出来を大きく左右します。

すでに学習を終えたAIモデル

大量のデータで学習を終え、すぐに使える状態になっているAIモデルです。ゼロから作らずに済むので、短い期間と少ない費用でAIを導入できます。

学習済みのAIを用途に合わせて追加で鍛えること

すでにあるAIモデルに、自社の文書や業界のデータを追加で学ばせ、特定の仕事に強くする方法です。言葉づかいや判断の基準を自社に合わせたいときに使います。

中身が公開されている大規模言語モデル

モデルの中身が公開され、条件の範囲で誰でも使ったり改造したりできるLLMです。自社のサーバーで動かせるので、データを外に出したくない場合の選択肢になります。

画像に何が写っているかを見分ける技術

写真や映像から、物や文字、人の顔などを見つけて判別する技術です。製造業の検品や、レシートの読み取りなどに使われています。

文字を自然な声で読み上げる技術

入力した文章を、人が話しているような音声に変える技術です。電話の自動応答や動画のナレーション、読み上げ機能などで使われています。

AIを正しく使うための考え方

差別的な判断をしない、個人情報を守る、誰が責任を持つかを決めるなど、AIを社会で使ううえで守るべき考え方のことです。企業がAIを導入する際の大切な前提になります。

社内資料などを調べてから答えるしくみ

AIが答える前に、社内のマニュアルや資料から関係する部分を探し出し、その内容をもとに回答させるしくみです。AIが学んでいない社内の情報にも答えられ、根拠も示しやすくなります。

文章の意味を数値の並びに変えること

言葉や文章を、意味の近さが計算できる数値の並び（ベクトル）に変換することです。意味の近い文章を探す検索や、RAGの土台として使われます。

意味の近さで探せるデータベース

エンベディングで数値にした文章を保存し、意味の近いものを素早く探し出せるデータベースです。社内文書をAIに答えさせるしくみでよく使われます。

言葉の意味で探す検索

キーワードが一致するかではなく、質問の意味に近い内容を探し出す検索方法です。言い回しが違っても、知りたい情報にたどり着きやすくなります。

いまの生成AIの土台になっている仕組み

文章の中のどの言葉とどの言葉が関係しているかを一度に見渡して処理する、AIモデルの設計です。ChatGPTなど多くの大規模言語モデルが、この仕組みの上に作られています。

大事な部分に注目する仕組み

文章を処理するときに、いま注目すべき言葉はどれかを重みづけして判断する仕組みです。長い文章でも、離れた言葉同士の関係をとらえられるようになりました。

最初に大量のデータで広く学ばせる段階

特定の仕事を教える前に、膨大な文章などを読ませて言葉や世の中の知識を広く身につけさせる段階です。この後に、用途に合わせた調整を行います。

別の目的で学んだ知識を使い回すこと

ある作業のために学習したAIモデルの知識を、似た別の作業に生かす方法です。少ないデータでも、精度の高いAIを作りやすくなります。

例を見せずにいきなり解かせること

お手本となる例を一つも示さずに、指示だけでAIに作業をさせることです。大規模言語モデルは、多くの作業をゼロショットでもこなせます。

少しの例を見せてから解かせること

指示と一緒に、数個のお手本を示してから作業させる方法です。出力の形や言葉づかいをそろえたいときに効果があります。

考える過程を順番に書かせる方法

答えだけでなく、そこに至るまでの考えの筋道を一つずつ書かせる指示の方法です。計算や論理的な問題で、間違いを減らす効果があります。

答える前にじっくり考えるAIモデル

回答を出す前に、内部で考えの手順を組み立ててから答えるように作られたAIモデルです。時間はかかりますが、複雑な問題や計算に強くなります。

AIに渡す情報全体を設計すること

指示文だけでなく、参考資料や会話の履歴、使えるツールなど、AIが判断に使う情報をまとめて設計することです。AIを業務に組み込むときの品質を左右します。

学習データにだけ強くなりすぎること

AIが学習に使ったデータを丸暗記するように覚えてしまい、新しいデータではうまく当てられなくなる状態です。テストの過去問だけ解ける状態に似ています。

学習の進め方を決める設定値

学習の速さや回数など、AIの学習を始める前に人が決めておく設定のことです。設定しだいで、できあがるAIの性能が変わります。

AIの答えのズレを測る物差し

AIの出した答えが正解からどれだけ離れているかを、数値で表すための計算式です。学習は、この値を小さくするように進められます。

ズレを少しずつ減らしていく学習方法

答えのズレが小さくなる方向を計算し、パラメータを少しずつ動かしていく方法です。坂を下って一番低い場所を探すイメージです。

学習データを一周する回数

用意した学習データを、AIが最初から最後まで一通り学ぶことを1エポックと数えます。回数が少なすぎても多すぎても、うまく学べません。

データに正解のラベルを付ける作業

画像に「これは車」、文章に「これは苦情」のように、AIが学ぶための目印や答えを付けていく作業です。教師あり学習の質を決める大事な下準備です。

大量に集めた文章のデータ

AIに言葉を学ばせたり、言葉の使われ方を調べたりするために集めた文章の集まりです。どんな文章を集めたかで、AIの得意分野が変わります。

文章をトークンに区切る仕組み

入力された文章を、AIが扱えるトークンという単位に分ける処理を受け持つ部分です。日本語は区切り方によって、同じ文章でもトークンの数が変わります。

AIの答えのばらつき具合を決める設定

値を低くすると毎回似た無難な答えに、高くすると意外性のある多様な答えになりやすくなる設定です。正確さ重視の作業では低め、アイデア出しでは高めが向いています。

AIが外部の機能を呼び出す仕組み

AIが会話の内容に応じて、検索や計算、予約システムなどの外部の機能を自分で呼び出して使う仕組みです。AIが「答える」だけでなく「実行する」ための入口になります。

AIと外部ツールをつなぐ共通ルール

AIがいろいろなサービスやデータにつながるための、共通の接続ルールです。Anthropicが公開した規格で、一度対応すれば多くのAIから同じように使えます。

複数のAIが役割分担して動く仕組み

調べる役、書く役、確認する役など、役割の違うAIエージェントを組み合わせて一つの仕事を進める方法です。人のチームのように分担することで、複雑な作業に対応します。

AIをだます指示を紛れ込ませる攻撃

読み込ませる文書やWebページの中に悪意のある指示を仕込み、AIに本来と違う動きをさせる攻撃です。社外の情報をAIに読ませる仕組みでは、対策が欠かせません。

AIの行き過ぎを防ぐ安全装置

AIが不適切な回答をしたり、決められた範囲の外の操作をしたりしないように設ける制限やチェックのことです。業務でAIを使うときの事故防止に欠かせません。

答えを確かな情報に結びつけること

AIの回答を、検索結果や社内資料などの裏付けのある情報に基づかせることです。ハルシネーションを減らし、根拠を示した回答にしやすくなります。

人の評価をもとにAIを調整する方法

AIの答えを人が比べて良し悪しを付け、その評価をもとに、より好まれる答えを出せるよう学習させる方法です。対話型AIの受け答えを自然で役に立つものにするのに使われています。

ノイズから少しずつ画像を作るAI

砂嵐のようなノイズを少しずつ取り除いていくことで、画像などを作り出す仕組みのAIです。多くの画像生成AIに使われています。

作る役と見破る役を競わせるAI

偽物を作るAIと、それを見破るAIを競わせながら学習させ、本物そっくりのデータを作れるようにする仕組みです。画像生成の発展に大きく役立ちました。

自分のパソコンや社内サーバーで動かすLLM

インターネット上のサービスではなく、手元のコンピュータや社内の環境で動かす大規模言語モデルです。データを外に出さずに使えますが、性能の高い機械が必要です。

AIの性能を比べるための共通テスト

決まった問題を解かせて点数を出し、AIモデル同士の性能を比べる指標です。ただし点数が高くても、自社の業務で役立つとは限りません。

前の言葉から次の言葉を順に予測するモデル

それまでに出した言葉をもとに、次に来る言葉を一つずつ予測しながら文章を作っていくタイプのモデルです。いまの対話型AIの多くが、この方式で文章を書いています。

読み取る部分と作り出す部分に分かれた構造

入力を読み取って意味をまとめる部分（エンコーダ）と、そこから出力を作る部分（デコーダ）を組み合わせた構造です。翻訳などに使われてきました。

データ自体から問題を作って学ぶ方法

文章の一部を隠して当てさせるなど、人が答えを付けなくても、データそのものから練習問題を作って学ぶ方法です。大規模言語モデルの事前学習の中心になっています。

規模を大きくすると性能が上がるという法則

モデルの大きさや学習データの量、計算量を増やすほど、AIの性能が予測できる形で上がっていくという経験的な法則です。AIの大型化が進んだ理由の一つです。

大きなAIの知識を小さなAIに移すこと

高性能だが重い大きなモデルを先生にして、軽い小さなモデルにその答え方をまねさせる方法です。性能をなるべく保ったまま、速く安く動かせるようになります。

AIモデルを軽くするために数値を粗くすること

モデルの中の数値の細かさを落として、必要なメモリや計算を減らす方法です。少しの精度と引きかえに、手元のパソコンでも動かしやすくなります。

少ない追加学習でモデルを調整する方法

モデル全体を作り直すのではなく、小さな追加の部品だけを学習させて用途に合わせる方法です。ファインチューニングの手間と費用を大きく抑えられます。

好ましい答えを直接学ばせる調整方法

「こちらの答えの方が良い」という比較のデータをそのまま使って、AIの答え方を好ましい方向に寄せる方法です。RLHFより手順が少なく済みます。

得意分野の違う部品を使い分ける仕組み

モデルの中に専門の違う小さな部品をいくつも持ち、質問に応じて必要なものだけを動かす仕組みです。大きなモデルでも、計算の量を抑えながら動かせます。

AIの振る舞いを人の意図や価値観に合わせること

AIが人の役に立ち、害のない形で動くように、目的や価値観をそろえていく取り組みです。安全なAIづくりの中心となるテーマです。

原則の一覧をもとにAIを律する方法

守るべき原則を文章でまとめた「憲法」を用意し、AIがそれに照らして自分の答えを見直しながら学ぶ方法です。Anthropicが提案した考え方です。

答えるときの計算を増やして精度を上げること

学習の段階ではなく、質問に答える段階で多くの計算を使い、じっくり考えさせることで精度を上げる考え方です。リーズニングモデルの土台になっています。

検索結果を並べ直して精度を上げること

いったん集めた検索結果を、質問との関係の深さで改めて評価し、順番を入れ替える処理です。RAGで、本当に役立つ資料をAIに渡すために使われます。

深い層まで学習が伝わらなくなる問題

層を深く重ねたニューラルネットワークで、学習の手がかりとなる値が途中でほとんど消えてしまい、うまく学べなくなる問題です。さまざまな工夫で克服されてきました。

AIの覚えすぎを抑える工夫

モデルが学習データに合わせすぎないよう、学習の仕方に制約を加える方法です。過学習を防ぎ、新しいデータでも当たるAIにします。

データを集めずに学習する方法

データを一か所に集めるのではなく、それぞれの端末や組織の中で学習し、結果だけを持ち寄ってモデルを良くしていく方法です。個人情報を外に出さずに済みます。

判断の理由を説明できるAI

AIがなぜその結論を出したのかを、人が理解できる形で示せるようにする技術や考え方です。審査や医療など、理由の説明が求められる分野で重視されます。

AIを誤らせるための細工

人には気づかないほどの小さな加工を画像やデータに加えて、AIに誤った判断をさせる攻撃です。AIを安全に使うためには対策が必要です。

学習データに毒を混ぜる攻撃

AIが学習するデータに、わざと間違った情報や細工したデータを紛れ込ませ、AIの判断をゆがめる攻撃です。学習に使うデータの出どころの管理が大切になります。

インターネット経由でサービスを使う形

自社でサーバーや機器を持たず、インターネットの向こう側にあるサービスや保存場所を、必要な分だけ使う形のことです。GmailやGoogleドライブもクラウドのサービスです。

サービスやデータを提供するコンピュータ

Webサイトやメール、ファイルなどを置いておき、求めに応じて利用者に届ける役目のコンピュータです。

コンピュータを動かす基本のソフト

WindowsやmacOS、iOS、Androidのように、パソコンやスマホの土台として動き、アプリが動く環境を整えるソフトウェアです。

Webページを表示して見るソフト

ChromeやSafari、EdgeなどのWebページを表示するためのソフトです。いまは多くの業務ツールが、ブラウザの中で動いています。

目的ごとの作業をするソフト

文書作成や会計、チャットなど、決まった目的のために使うソフトウェアのことで、略して「アプリ」と呼ばれます。

パスワードに加えてもう一段階確かめる仕組み

パスワードに加えて、スマホに届く番号や認証アプリなど別の方法でも本人確認を行う仕組みです。パスワードが漏れても、乗っ取りを防ぎやすくなります。

ソフト同士が情報をやり取りする窓口

あるサービスの機能やデータを、別のソフトから呼び出して使えるようにする決まりごとや入口のことです。ツール同士をつないで、手作業の書き写しをなくす自動化の要になります。

ネット経由で使うソフトのサービス

ソフトを買ってインストールするのではなく、インターネット越しに月額などで利用する形のサービスです。会計ソフトやチャットツールなど、多くの業務ツールがこの形です。

ネット上のファイル置き場

ファイルをインターネット上の保存場所に置いて、どこからでも開いたり共有したりできるサービスです。GoogleドライブやDropboxなどがあります。

データを整理してためておく仕組み

顧客や売上などの情報を、探しやすく更新しやすい形でまとめて保存する仕組みです。多くの業務システムの中心にあります。

AIやデータ分析で人気のプログラミング言語

読みやすく書きやすい文法が特長のプログラミング言語です。AIの開発やデータの集計、作業の自動化に広く使われています。

プログラムをほぼ書かずにアプリを作る方法

画面上の部品を組み合わせるなど、プログラムを書かずに（ノーコード）、または少しだけ書いて（ローコード）アプリや自動化を作る方法です。現場の担当者でも業務改善を進めやすくなります。

パソコンの定型作業を自動で行うソフト

人がパソコンで行っているコピー＆ペーストや転記などの決まった操作を、ソフトのロボットが代わりに繰り返す仕組みです。

モノがインターネットにつながること

家電や工場の機械、センサーなどをインターネットにつなぎ、離れた場所から状態を見たり操作したりできるようにすることです。

量も種類も膨大なデータ

人の手では扱いきれないほど大量で、さまざまな形式を含むデータのことです。分析することで、需要の予測や新しいサービスづくりに役立てられます。

自社で機器を持って運用する形

サーバーやソフトを自社の建物の中に置き、自分たちで管理・運用する形のことです。クラウドの反対の意味で使われます。

情報を守るための取り組み

情報が漏れたり、書き換えられたり、使えなくなったりしないように守ることです。パスワード管理や権限の設定、社員教育などが含まれます。

インターネット上に作る専用の通り道

通信を暗号化して、離れた場所から社内のネットワークに安全につなぐための仕組みです。テレワークでよく使われます。

ネット上の住所にあたる番号

インターネットにつながる機器一つひとつに割り当てられる識別番号です。データの送り先を決めるために使われます。

カンマで区切った表のデータ形式

表のデータを、項目をカンマで区切った文字だけで表すファイル形式です。会計ソフトやExcelなど、多くのソフトの間でデータを受け渡すのに使われます。

設計図が公開されているソフト

プログラムの中身（ソースコード）が公開され、決められたルールの範囲で誰でも使ったり改良したりできるソフトウェアです。

利用者が触れる画面や操作の部分

ボタンや入力欄、メニューなど、利用者が目にして操作する部分のことです。使いやすいUIは、操作ミスと問い合わせを減らします。

使ったときに得られる体験の全体

画面の見た目だけでなく、使い始めてから目的を果たすまでの分かりやすさや心地よさなど、利用者が感じる体験の全体を指します。

ブラウザに機能を足す小さなソフト

Chromeなどのブラウザに追加して、翻訳や画面の保存、業務サイトの操作の自動化などの機能を足せる小さなプログラムです。

データをグラフで見える化するツール

社内に散らばったデータを集めて、グラフや表のダッシュボードにまとめ、経営の判断に役立てるためのツールです。

データをやり取りするための書式

項目名と値の組み合わせでデータを表す、読み書きしやすい文字の書式です。APIでのデータのやり取りで、最もよく使われています。

アプリを作るための道具セット

あるサービスや機器に対応したアプリを作るために必要な、プログラムの部品や説明書、ツールをひとまとめにしたものです。

大量の計算を同時に行う処理装置

もとは画像を描くための部品ですが、たくさんの計算を同時にこなせるため、AIの学習や推論に欠かせない存在になっています。

アプリを動く環境ごと箱に詰める技術

アプリと、それを動かすのに必要な設定や部品をひとまとめにして、どのコンピュータでも同じように動かせるようにする技術です。Dockerはその代表的なツールです。

プログラムの変更の履歴を管理する仕組み

Gitはファイルの変更の履歴を記録し、いつでも前の状態に戻せるようにするツールで、GitHubはそれをインターネット上で共有し、共同で作業できるサービスです。

文字の命令でコンピュータを操作する方法

マウスで画面を操作するのではなく、キーボードで命令を打ち込んでコンピュータを動かす方法です。作業の自動化や開発の現場でよく使われます。

開発の骨組みになるひな形

アプリを作るときによく使う機能や決まりごとを、あらかじめ用意した土台です。ゼロから作るより早く、品質をそろえて開発できます。

再利用できるプログラムの部品集

よく使う処理をまとめて、ほかのプログラムから呼び出して使えるようにした部品の集まりです。

一度のログインで複数のサービスを使える仕組み

1回ログインすれば、連携している複数のサービスに改めてログインせずに入れる仕組みです。覚えるパスワードが減り、管理もしやすくなります。

第三者に読めない形にデータを変えること

決まった鍵を持つ人だけが元に戻せるように、データを読めない形に変換することです。通信や保存したデータを、盗み見から守ります。

Webページから情報を自動で集めること

プログラムでWebページを読み込み、必要な情報だけを取り出して集める技術です。サイトの利用規約に反しないかの確認が必要です。

よく使うデータの一時保管

一度読み込んだデータを近くに一時的に保存しておき、次に速く表示できるようにする仕組みです。古い情報が表示される原因になることもあります。

分析用にデータを集めた倉庫

さまざまな業務システムのデータを、分析しやすい形に整えて一か所に集めておく保管庫です。BIツールなどと組み合わせて使います。

反応が返ってくるまでの待ち時間

データを送ってから応答が返ってくるまでにかかる時間のことです。小さいほど、画面の反応がきびきびします。

何も信用せず毎回確かめるセキュリティの考え方

社内のネットワークだから安全とは考えず、すべてのアクセスについて、誰が・どの端末から・何をしようとしているかを毎回確かめるセキュリティの考え方です。

プログラムの確認と公開を自動化する仕組み

プログラムを変更するたびに自動でテストを行い（CI）、問題がなければ本番に反映する（CD）流れを整えることです。小さな改善をすばやく安全に届けられます。

小さな機能を組み合わせて作る設計

一つの大きなシステムを、独立して動く小さな機能の集まりとして作る設計です。部分ごとに直したり増やしたりしやすくなります。

データが生まれる場所の近くで処理すること

データをすべてクラウドに送るのではなく、機器や現場の近くで処理する方法です。反応が速くなり、通信の量も抑えられます。

デジタルで仕事と事業のあり方を変えること

ツールを入れるだけでなく、デジタルの力で業務の進め方やビジネスの形そのものを変えていくことです。目的は、効率化の先にある競争力の向上です。

目標に向けた途中経過を測る指標

最終目標を達成するために、日々や月ごとに追いかける具体的な数値のことです。問い合わせ数や対応時間などがよく使われます。

計画・実行・確認・改善のくり返し

Plan（計画）、Do（実行）、Check（確認）、Action（改善）の順に回して、仕事を少しずつ良くしていく考え方です。

新しい仕事のために学び直すこと

仕事の内容が変わるのに合わせて、社員が新しい知識や技術を身につけることです。AIやデジタルの活用に向けた学び直しが代表例です。

知識やノウハウを組織で分かち合うこと

一人ひとりが持つ経験や工夫を、マニュアルや社内の記録として残し、誰でも使える状態にすることです。属人化を防ぐ基本になります。

特定の人しか分からない状態

仕事のやり方や判断が担当者の頭の中にしかなく、その人がいないと回らない状態のことです。退職や休みのたびに、業務が止まる原因になります。

自由にアイデアを出し合う会議の方法

否定や評価をせずに、思いついたアイデアをとにかくたくさん出し合う方法です。生成AIを相手に一人で行うこともできます。

最終的に達成したいゴールの指標

売上や利益など、事業として最終的に目指す結果を数値で表したものです。KPIは、このKGIに向けた途中の目安になります。

投資に対してどれだけ回収できたか

かけた費用に対して、どれだけの利益や効果が得られたかを表す指標です。AIやシステムを導入するかどうかの判断の材料になります。

本格導入の前に効果を小さく試すこと

新しい技術やアイデアが本当に役立つかを、小さな範囲で実際に試して確かめることです。いきなり大きく投資して失敗するのを避けられます。

全体の流れを詰まらせている部分

業務の中で最も処理が遅く、全体のスピードを決めてしまっている箇所のことです。ここを直すと、全体の効率が大きく上がります。

仕事が流れる手順や順番

申請から承認、処理までのように、仕事が誰から誰へ、どの順で進むかの流れのことです。流れを決めておくと、自動化もしやすくなります。

業務の一部をまるごと外部に任せること

経理や事務、問い合わせ対応などの業務を、専門の外部企業に継続して任せることです。社内は本業に集中できます。

組織を正しく動かすための管理の仕組み

ルールや役割、チェックの仕組みを整えて、組織が健全に運営されるようにすることです。

法令や社会のルールを守ること

法律だけでなく、社内規程や社会の常識も含めて守り、信頼を損なわない経営をすることです。

AIを正しく使いこなす力

AIで何ができて何ができないかを理解し、間違いや情報漏えいなどのリスクに気をつけながら、仕事に役立てられる力のことです。

小さく作って素早く直していく進め方

最初にすべてを決めきらず、短い期間で作っては確かめ、直しながら完成に近づける開発や仕事の進め方です。

工程を順番に進める進め方

要件を決め、設計し、作り、テストする、と工程を上から順に一つずつ終わらせていく進め方です。後から大きく変えるのは苦手です。

その事業に関わる利害関係者

顧客、社員、取引先、株主、地域社会など、会社の活動によって影響を受けたり与えたりする人や組織のことです。

顧客との関係を管理する仕組み

顧客の情報ややり取りの履歴を一元管理し、関係を深めて長く取引を続けてもらうための考え方や、そのためのツールです。

営業活動を記録・管理する仕組み

商談の進み具合や訪問の記録などを管理し、営業活動を見える化して効率を上げるためのツールです。

始まりから完了までにかかる時間

注文を受けてから届けるまで、依頼から納品までなど、ある工程の開始から終了までの時間のことです。短いほど、顧客の満足につながります。

具体的に描いた典型的な顧客像

年齢や仕事、悩みなどを具体的に設定した、商品やサービスを届けたい架空の人物像です。誰に向けて作るかがぶれにくくなります。

データにもとづいて判断すること

経験や勘だけに頼らず、集めたデータを分析した結果をもとに意思決定を行うことです。

小さく始めて徐々に広げること

最初から全社で大きく取り組まず、限られた範囲で始め、効果を確かめながら広げていく進め方です。AI導入で失敗しないための基本です。

外に頼んでいた仕事を社内でできるようにすること

外注していた業務やシステムづくりを、自社のメンバーで行えるようにすることです。ノウハウが社内に残り、改善のスピードも上がります。

高い目標と成果指標をセットで管理する方法

目指す方向（Objective）と、達成度を測る主要な成果（Key Results）を組にして、組織とチームの目標をそろえる管理の方法です。

業務の流れを根本から作り直すこと

今のやり方を少し直すのではなく、目的に立ち返って、業務の手順や組織のあり方を一から設計し直すことです。

変化を組織に定着させるための進め方

新しい仕組みやツールを入れるときに、社員の不安や抵抗に向き合い、変化が現場に根づくまで支えていく取り組みです。

見込み客へのアプローチを自動化する仕組み

メール配信やWebでの行動の記録などを自動で行い、見込み客の関心に合わせて情報を届けるためのツールや考え方です。

一人の顧客が生涯にもたらす利益

一人の顧客が取引を始めてから終えるまでの間に、会社にもたらす利益の合計です。長く使ってもらうほど大きくなります。

顧客がたどる体験の道のり

顧客が商品を知り、比べ、買い、使い続けるまでの流れを、行動や気持ちの変化とともに整理したものです。

社内で生成AIを使うためのルール

入力してはいけない情報、確認の手順、使ってよいツールなどを定めた社内の決まりです。安心してAIを活用するための土台になります。

会社が把握していないAIの利用

会社の許可や管理の外で、社員が個人の判断で生成AIを業務に使うことです。情報漏えいなどのリスクにつながるため、ルールづくりが求められます。

AIを安全・適切に使うための組織の管理

AIの導入から運用までのルール、責任者、リスクの点検の仕組みを整え、組織としてAIを正しく使い続けるための取り組みです。

データを正しく管理・活用するための仕組み

社内のデータを誰が管理し、どう品質を保ち、どこまで使ってよいかを定めて、安全に活用できる状態を保つ取り組みです。

既存事業の深掘りと新事業の探索を両立する経営

今の事業を磨いて稼ぐ「深化」と、新しい事業の種を探す「探索」を同時に進める経営の考え方です。

環境の変化に合わせて自らを変える力

市場や技術の変化を察知し、社内の資源や仕組みを組み替えて対応し続ける組織の能力のことです。