生成AI

生成AIとは

ユーザーの指示（プロンプト）に基づき、文章・画像・音声・動画・プログラムなどのコンテンツを新しく作り出すAIの総称。検索のように「既存情報を探す」だけでなく、「それっぽい出力を組み立てる」のが特徴。

何ができるか（代表例）

テキスト

• 要約、翻訳、メール文案、企画のたたき台、議事録の整理
• FAQ回答、チャットボット、文章の言い換え、校正

画像・音声・動画

• 画像生成、バナー案、ラフ制作、画像の編集補助
• 音声の文字起こし、ナレーション生成（サービスにより可否あり）

コード

• サンプルコード生成、バグの原因候補、テスト作成、リファクタ案

仕組みのイメージ

• 大規模言語モデル（ダイキボゲンゴモデル：大量の文章データで学習した文章生成モデル）などが、入力から「次に来やすい要素」を確率的に予測して出力を組み立てる
• 学習は過去データ中心のため、最新情報の正確さは保証されない（モデルや設定次第）

メリット

• 下書き・たたき台が速い（ゼロからより着手しやすい）
• 発想の幅を広げやすい（別案・比較案を並べられる）
• 定型業務の効率化（要約、分類、文章整形など）

注意点（よくある落とし穴）

ハルシネーション

ハルシネーション（ハルシネーション：もっともらしい誤情報を作ること）が起こり得る。

• 数字、固有名詞、引用、法律・医療・金融は特に要検証

バイアス・表現リスク

学習データ由来の偏りや、不適切表現が混ざる可能性がある。

機密・個人情報

• 入力した内容が社内ルール上「外部提供」に当たる場合がある
• 個人情報や機密は、扱い方針（規程・設定・契約）に従う

著作権・ライセンス

• 生成物でも、既存作品に近い表現になることがある
• 画像・文章・コードは利用条件（社内規程、サービス規約、素材の権利）を確認する

精度を上げるコツ（実務）

指示を具体化する

• 目的、読者、トーン、制約（文字数・禁止事項・形式）を明確にする
• 例：対象読者／用途／出力形式（箇条書き、表現禁止、用語統一）

根拠確認の設計を入れる

• 「根拠（参照元）と不確実な点を分けて書いて」と依頼する
• RAG（ラグ：外部資料を検索して回答に反映する手法）など、参照情報を渡す仕組みがあると強い

人が最終責任を持つ

• 公開前は事実確認、表現確認、権利確認を必ず人が行う
• チェック観点（数字・固有名詞・引用・差別表現・機密）を固定化すると運用しやすい

使いどころの目安

• 向いている：下書き、整理、比較案、定型文、分類、要約
• 向きにくい：最新ニュースの断定、厳密な法的判断、一次情報の引用が必須な場面（根拠提示なし）