いま押さえるべき最新AI用語まとめ ～LLM、RAG、オーケストレーション、MCP、バイブコーディング……って何のこと？

LLM（Large Language Model）

　大量のテキストデータを学習し、文脈を踏まえた文章の生成や応答ができるAIモデルです。

　「ChatGPT」や「Claude」などに使われており、 多くの生成AIアプリの中核となる「エンジン」 にあたります。（例：GPT-4o、Claude 3.5 Sonnetなど）

パラメータ数

　AIモデルの内部にある「調整つまみ（変数）」の数や規模を表す指標で、大きいほど高性能になりやすい傾向はありますが、その分コストも上がります。

コンテキストウィンドウ

　AIが一度に扱える（参照できる）情報量の上限を指します。これが大きいほど、長い資料や大量の会話履歴をまとめて扱えます。

トークン（Token）

　AIが文章を処理するときの最小単位で、文字数とは一致しません。多くのサービスでは主にトークン数が料金・処理量の基準となります。

事前学習・ファインチューニング・蒸留

　AIの振る舞いを形成・調整する学習工程を表す用語です。

　「事前学習」は基礎となる知識を広く学ぶ工程、「ファインチューニング」は目的に合わせて追加学習する工程です。「蒸留」は、大きなモデル（教師）の出力の振る舞いを小さなモデル（生徒）に学習させ、性能を保ちつつ軽量化する手法を指します。

マルチモーダル生成

　テキストだけでなく、画像・音声・動画など複数の種類の情報を同時に処理し、生成できるAIの能力です。

ハルシネーション（Hallucination）

　AIが誤った内容を、もっともらしく答えてしまう現象です。

推論（Inference）

　AIモデルが、実際に質問に答えたり文章を生成したりする処理のことです。モデルを学習させる段階と、学習済みモデルを動かす段階に分けると、推論は後者にあたります。

プロンプトエンジニアリング（Prompt Engineering）

　AIに出す指示文（プロンプト）を工夫して、より望ましい回答を引き出す技術で、 AIを上手に使いこなすための“頼み方のスキル” です。

RAG（Retrieval-Augmented Generation：検索拡張生成）

　AIが自分の知識だけで答えるのではなく、社内文書や最新情報を検索してから回答する仕組みです。

ベクトル検索

　文を数値（ベクトル）に変換し、そのベクトル同士の距離や類似度にもとづいて、意味的に近い情報を検索する技術です。

Function Calling / Tool Calling

　AIが外部のAPIやシステムを呼び出して、モデル単体でできない処理を行う仕組みです。

MCP（Model Context Protocol）

　AIと外部ツールやデータを、共通ルールでつなぐための仕組みです。

　「どうつなぐか」「どう呼び出すか」を決める規約であり、Function Calling / Tool Callingの呼び出しにも利用されます。

オーケストレーション（Orchestration）

　複数のAIや処理の実行順序や関係性を定義し、全体の処理を制御する仕組みです。

AIエージェント（AI Agent）

　目標を与えると、自分で考え、必要なツールを使いながらタスクを完了まで実行するAIです。

チャットボット / Conversational UI

　会話形式でシステムを操作できるUIです。

Copilot（伴走型）vs Agent（代行型）

　「Copilot」は人が主役でAIが補助する形、「Agent」はAIが主役で人が監督する形です。「一緒に進めるAI」か「仕事を任せるAI」かの違いです。

ローコード ／ ノーコードAIプラットフォーム

プログラミングをほとんどせずに、AIアプリやエージェントを作れるツール群です。

バイブコーディング（Vibe Coding）

　細かいコードを書く代わりに、自然言語で「やりたいこと」を伝えながら開発するスタイルです。

プロンプトインジェクション ／ 脱獄（Jailbreak）

　AIの制限をすり抜けさせ、不適切な回答を引き出そうとする攻撃手法です。

ガードレール（Guardrails）

　AIの入力や出力を監視し、危険・不適切な挙動を防ぐ仕組みです。

評価（Evaluation / Evals）

　AIの回答を測定する仕組みです。

LLMOps（Large Language Model Operations）

　LLMを使ったシステムを、安定して運用・改善し続けるための考え方や仕組みです。