AI・開発トレンドの用語
36語を収録しています。
あ
（いーばる／イーバル／Evaluations）
生成AIの出力の品質を、決めた基準で継続的に測る仕組みです。出力が毎回揺れる前提の開発では、テストにあたる役割を担います。
（うめこみ、べくとるけんさく／Embeddings / Vector Search）
文章を数値の並びに変換し、意味の近さで検索できるようにする技術です。語が一致しなくても、内容の近い文書を見つけられます。
（えーあいえーじぇんと／AI Agent）
目的を渡すと、手順を自分で決めて道具を使いながら進めるAIの仕組みです。1回の応答で完結しない作業を任せる形になります。
（えーあいがばなんす／AI Governance）
AIを使う範囲と責任の所在を、組織として決めて運用する枠組みです。何を渡してよいか、誰が判断するかを先に定めておきます。
（えーあいかんすう／AI Function）
スプレッドシートのセルに数式として書き、指示文と参照するセルを渡してAIに処理を頼む関数です。要約、分類、文章の作成を行ごとにまとめて実行します。
（えーあいこーでぃんぐえーじぇんと／AI Coding Agent）
課題を渡すとコードを読み、修正し、テストまで走らせるAIの仕組みです。補完との違いは、作業を最後まで進める点にあります。
（えーあいねいてぃぶかいはつ／AI-Native Development）
AIを補助ではなく前提として、開発の進め方そのものを組み替える考え方です。人の役割が、実装から検証と判断へ移っていきます。
（えーあいりてらしー／AI Literacy）
AIの得手不得手を理解し、使ってよい場面と結果の確かめ方を判断できる力です。求人要件として書くには定義の言い換えが要ります。
（えむしーぴー／Model Context Protocol）
AIと外部のデータやツールをつなぐための共通仕様です。接続先ごとに個別実装していた部分を、共通の口でまとめて扱えるようにします。
（えるえるえむ／Large Language Model）
大量の文章で学習した言語モデル。次に来る語を予測する仕組みで動き、要約や生成や分類といった作業を1つのモデルで扱えます。
（えるえるえむおぷす）
生成AIを本番で動かし続けるための運用の総称です。指示文の版管理から品質の測定、費用と応答時間の監視までを対象にします。
（おーぷんくろー）
自分のPCやサーバーで動かし、SlackやTelegramなどのチャットから仕事を頼めるオープンソースのAIエージェントです。メールや予定表と連携し、作業を自分で進めます。
（おぶしでぃあん）
メモを手元のフォルダにMarkdownのファイルとして保存するノートアプリです。フォルダへのアクセスを許可すればAIエージェントからも読み書きでき、知識の置き場として利用できます。
か
（かーそる）
AI機能を組み込んだコードエディタです。補完に加えて、指示を出すと複数のファイルにまたがる修正まで進めることができます。
（ぎっとはぶこぱいろっと）
GitHubが提供するコード支援サービスです。補完から始まり、現在はレビューやエージェント的な機能まで範囲が広がっています。
（くろーどこーど）
Anthropicが提供するAIエージェントです。コードの修正とテストに加え、アプリの画面操作や資料・動画の作成まで、PCで行う作業の多くを任せることができます。
（ぐろっく）
イーロン・マスク氏が設立したxAIが開発する対話型AIとAIモデルのシリーズです。SNSのXに組み込まれており、Xのアプリや専用アプリから使うことができます。
（こーでっくす／OpenAI Codex）
OpenAIが提供するAIエージェントです。コードの修正とテストに加え、アプリの画面操作や資料・動画の作成まで、PCで行う作業の多くを任せることができます。
（こんてきすと／Context）
AIが答えを作るときに参照している情報の全体です。指示文、それまでの会話、添付した資料、ツールの実行結果までを含みます。
（こんてきすとうぃんどう／Context Window）
モデルが一度に読み書きできるトークン数の上限です。ここに収まらない情報はモデルに届かないため、設計上の制約として働きます。
さ
（じぇむず／Gem）
Googleの生成AIであるGeminiで、指示文と参考資料を保存して繰り返し使えるようにする機能です。2027年に、後継となるGeminiのスキルへ置き換わる予定です。
（じっけんかんり／Experiment Tracking）
モデルの学習や評価の条件と結果を記録し、後から比較できるようにする仕組み。データ、コード、パラメータ、評価指標を一組で残し、再現しやすくします。
（すいろんこすと／Inference Cost）
学習済みモデルに処理させるたびに発生する計算資源と費用。APIを使う場合は入力と出力のトークン量で料金が決まり、扱う文書の量と応答の長さが金額を左右します。
（すいろんもでる／Reasoning Model）
答える前に内部で考える手順を踏むモデルです。難しい問題の正答率が上がる反面、応答時間と費用が増えるため使い分けが要ります。
（すきる／エージェントスキル／Agent Skills）
作業の手順と資料をフォルダにまとめて保存し、AIが必要なときに読み込んで使う仕組みです。Claude Code、Codex、Geminiなどで同じ形式を使うことができます。
（せいせいえーあい／Generative AI）
文章・画像・音声・コードなどを新しく作り出すAIの総称。分類や予測を行う従来のAIと違い、成果物そのものを出力する点が特徴です。
た
（とーくん／Token）
言語モデルが文章を扱うときの最小単位です。料金も処理量もこの単位で計算されるため、費用と制限を見積もる話には必ず出てきます。
（とーくんまねじめんと／Token Management）
モデルに渡す情報量を設計し、費用と精度の釣り合いを取る取り組み。不要な文脈を落とし、必要な情報だけを残す判断が中心になります。
（どっつ／OpenAI dots）
OpenAIが2026年に発表した、常に動き続けるAIエージェントです。ChatGPTやCodexから起動し、SlackやTeamsで頼んだ仕事を、人が席を外している間も進めます。
は
（はーねす／エージェントハーネス／Agent Harness）
AIのモデルに、ファイルの読み書きやツールの呼び出し、確認の手順を組み合わせて動かす仕組みです。同じモデルでも、作業を最後まで終えられるかはハーネスの作りに左右されます。
（はるしねーしょん／Hallucination）
モデルが事実でない内容をもっともらしく出力する現象です。仕様上ゼロにはできないため、検知と確認の工程を設計に組み込みます。
（ふぁいんちゅーにんぐ／Fine-tuning）
学習済みのモデルに自社のデータで追加学習を行い、特定の用途に合わせる手法です。知識を足す用途には向かない点に注意が要ります。
（ぷろんぷとえんじにありんぐ／Prompt Engineering）
モデルへの指示文を設計して、望む出力を安定して得られるようにする作業です。モデルを変えずに精度を上げられる最初の手段になります。
（へるめすえーじぇんと）
Nous Researchが開発するオープンソースのAIエージェントです。会話の記憶と作業の手順（スキル）を蓄えて再利用し、SlackやTelegramなどのチャットから仕事を頼めます。
ま
（まるちもーだる／Multimodal）
文章に加えて画像・音声・動画などを同じモデルで扱えることを指します。書類や画面をそのまま読ませたい用途で使われています。
ら
（らぐ／Retrieval-Augmented Generation）
質問に関係する文書を検索し、その内容を根拠として渡したうえで生成させる方式です。社内文書を扱う仕組みの標準的な構成になっています。