生成AIの基礎– tag –

AI求人に並ぶPoC、MLOps、RAGといった用語は、その会社が生成AIをどの段階まで進めているかを示すサインです。開発の段階を示す用語と技術の中身を示す用語に分けて整理し、求人票から仕事の実態を読み取る視点をまとめました。

生成AIが出典リンク付きで答えるのは、その場でウェブを検索しているからです。ChatGPTとClaudeの公式ヘルプをもとに、検索が走る条件、出典リンクの見方、検索結果をそのまま使えない理由、仕事で使うとき決めたいことを整理しました。

生成AIに入力した内容がモデルの学習に使われるかは、サービスとプランと設定で変わります。ChatGPTとClaudeの公式記載をもとに、設定をたどる場所、オフにしても履歴は残る点、法人向けの扱い、設定とは別に決めておくことを整理しました。

生成AIに毎回同じ前置きを書く手間を減らす「カスタム指示」の使い方を整理しました。ChatGPTとClaudeの設定場所と公式に記載された条件、書くべき3項目、メモリ機能やプロジェクトとの使い分けまで解説します。

生成AIのメモリ機能は、会話をまたいで前提を覚えておく仕組みです。会話履歴との違い、前置きを省ける場面、古い前提が残るリスクや情報の扱いまで整理し、仕事で使う前に決めておきたい3つのルールを解説します。

生成AIに同じ質問をしても答えが毎回変わるのはなぜか、その仕組みを整理しました。文章をその場で組み立てる性質と文脈の差が理由です。幅が役立つ場面と、形式や基準を先に渡してばらつきを抑える方法まで解説します。

通常のモデルと推論モデルの違いを、専門用語を避けて整理しました。答える前に考える工程を挟むかどうかの差と、文章作成・分析それぞれに向くモデルの選び分けの基準をまとめています。

自社データを生成AIに反映させる2つの方法、ファインチューニングとRAGの違いを専門用語を避けて整理しました。答え方を変えるのか、参照する中身を補うのか。更新頻度で選び分ける考え方と、個人が学ぶ優先順位もまとめています。

文字・画像・音声をまとめて扱えるマルチモーダルAIの仕組みを、専門用語を避けて解説しました。スクリーンショットや図表を使った実務での活用例4つと、数値の読み取りなど任せすぎない範囲も整理しています。

生成AIの「トークン」と「コンテキストウィンドウ」をやさしく整理しました。会話が長くなると指示が抜ける、資料の細部がずれるといった現象の理由と、仕事で使うときの5つの対処法をまとめています。