AIエージェント用語集：60のAI用語を平易な言葉で解説（2026年版）

今やどのAI製品ページを開いても、まるでスペリングテストのようです。エージェンティック、MCP、RAG、コンテキストウィンドウ、ツールコーリング、ガードレール、オーケストレーション。言葉の裏にある考え方の多くは単純ですが、それを1か所でまとめて説明してくれる場所はどこにもありません。多くの人が本物の仕事を任せることなく「AIを使っている」つもりになっているのは、このギャップのせいです。

このAI用語集は、そのギャップを埋めるものです。2026年にAIエージェント、大規模言語モデル、自動化について読む際に出会う60の用語を、テーマ別にまとめ、平易な言葉と具体例で説明します。ブックマークして、チームで共有し、エージェンティックAIとは何かやAIサブエージェントの仕組みについてのガイドと合わせてご活用ください。ある用語がJobbitの利用に関わる場合は、その旨を明記します。

基本概念：誰もが使う言葉

• 人工知能（AI）： 言語の理解、画像の認識、意思決定など、通常は人間の知能を必要とするタスクを実行するソフトウェアのこと。2026年現在、この言葉は主に大規模言語モデルを基盤とするシステムを指します。

• 機械学習（ML）： 明示的なルールを書く代わりに、事例をもとにソフトウェアを訓練する技術のこと。スパムフィルターは何百万ものラベル付きメールから学習しており、すべてのルールを手作業で教え込まれているわけではありません。

• ディープラーニング（深層学習）： 多層のニューラルネットワークを使う機械学習のこと。現代の画像認識、音声モデル、言語モデルを可能にしたのはこの技術です。

• 生成AI： プロンプトからテキスト、画像、コード、音声、動画といった新しいコンテンツを作り出すAIのこと。ChatGPT、Claude、Gemini、Midjourneyは生成AI製品です。

• 大規模言語モデル（LLM）： 膨大な量のテキストで訓練され、系列の次のトークンを予測するニューラルネットワークのこと。その過程で、推論し、文章を書き、指示に従う能力を学習します。GPT、Claude、Gemini、Llama、DeepSeek、MistralはLLMのファミリーです。

• 基盤モデル（ファウンデーションモデル）： 幅広いデータで訓練され、多くのタスクに適応できる大規模モデルのこと。LLMは言語における基盤モデルであり、画像や動画にも同様のものが存在します。

• マルチモーダルモデル： テキスト、画像、音声、時には動画など、複数の種類の入力を理解し生成できるモデルのこと。マルチモーダルモデルのおかげで、エージェントはスクリーンショットやスキャンした請求書を読み取れます。

• プロンプト： モデルに与える指示のこと。うまくプロンプトを書くことは1つのスキルです。詳しくはAIエージェント向けプロンプトの書き方をご覧ください。

• システムプロンプト： 製品の開発者が設定する非表示の指示で、あらゆる会話でモデルがどう振る舞うか、その役割、トーン、ルール、ツールを形づくるもの。

• 推論（インファレンス）： 訓練済みのモデルを動かして答えを生成する行為のこと。トレーニングは一度きりですが、推論はメッセージを送るたびに発生し、これこそがあなたが料金を支払っている対象です。

モデルはどう考えるのか：トークン、コンテキスト、推論

• トークン： モデルが読み書きする単位で、英単語のおよそ4分の3に相当します。料金、上限、速度はすべてトークンで測定されます。「100万トークン」はおよそ75万語に相当します。

• コンテキストウィンドウ： 会話、文書、モデル自身の返答を含め、モデルが一度に考慮できるテキストの量のこと。ウィンドウが大きいほど、エージェントはコードベース全体や100ページの契約書を丸ごと頭に入れておけます。

• コンテキストエンジニアリング： どの文書、例、ツールの結果、記憶をコンテキストウィンドウに入れるかを決める技術のこと。モデルが必要なものだけを持ち、気を散らすものを持たないようにします。エージェント設計における重要なスキルとして、「プロンプトエンジニアリング」に取って代わりつつあります。

• 推論モデル： 答える前に「考える」よう訓練されたモデルで、中間的な思考ステップを生成することで数学、コード、計画立案の精度を高めます。推論モードはより多くのトークンを消費しますが、エージェントの信頼性を大きく高めます。

• チェーン・オブ・ソート（思考の連鎖）： モデルが答えにたどり着くまでに書き出す、段階的な推論のこと。推論モデルはこれをネイティブに行い、旧世代のモデルはプロンプトによってそう仕向けることができます。

• 温度（テンパラチャー）： ランダム性を制御する設定のこと。温度が低いと一貫性のある予測しやすい出力になり、温度が高いとより多様で創造的な出力になります。

• ハルシネーション（幻覚）： でっち上げの引用や存在しない製品機能など、モデルが自信満々に述べる誤った内容のこと。エージェントは、1つの答えを鵜呑みにするのではなく、出典を確認し結果をテストすることでハルシネーションを減らします。

• グラウンディング： モデルの答えを実際のデータ、文書、検索結果、ツールの出力に結びつけ、もっともらしく聞こえることではなく実際にそこにあることを報告させること。

• ファインチューニング： 自分自身の事例でモデルをさらに訓練し、特定のスタイル、フォーマット、専門知識を身につけさせること。狭いタスクには有用ですが、ツールとコンテキストから知識を得るエージェントには通常不要です。

• 検索拡張生成（RAG）： 質問された時点で関連文書を取得し、コンテキストウィンドウに入れることで、モデルがあなたのデータをもとに回答できるようにする仕組みのこと。「自分の文書とチャットする」製品はこの仕組みで動いています。

• 埋め込み（エンベディング）： テキストの意味を捉えた数値表現のことで、似た内容の文章同士が近くに配置されます。埋め込みはセマンティック検索とRAGを支えています。

• ベクトルデータベース： 埋め込みの保存と検索に最適化されたデータベースのこと。Pinecone、Weaviate、pgvector、Chromaがよく選ばれます。

• 知識のカットオフ（ナレッジカットオフ）： それ以降の訓練データをモデルが持たない基準日のこと。エージェントはウェブを検索し、最新の情報源を読むことでこれを回避します。

エージェント：自律性にまつわる語彙

• AIエージェント： モデルとツールを組み合わせて自律的にタスクを完了させるソフトウェアのこと。計画を立て、行動し、結果を観察し、適応します。この用語集のほとんどの項目が扱う主題です。

• エージェンティックAI： ゴール駆動でツールを使うAIシステムを構築する、より広い考え方のことで、複数のエージェントが協働することも多い。詳しくはエージェンティックAIとは何かで解説しています。

• AIアシスタント／コパイロット： あなたの直接的なコントロール下にとどまり、行動するのではなく提案するエージェント的な支援のこと。エディタ内のGitHub Copilotが典型例で、コパイロットがエージェントになるのが「エージェントモード」です。

• 自律性： エージェントが確認を取らずにどこまで行うかということ。有用なシステムは、行動の取り消しやすさに応じて自律性を調整します。下書きは自由に行い、支出は承認を得たときだけ行う、といった具合です。

• ツール利用／ファンクションコーリング： モデルがソフトウェアを呼び出す仕組みのこと。ウェブ検索、コード実行、データベースへの問い合わせ、メール送信などです。ツールこそが、チャットボットをエージェントに変えます。

• Model Context Protocol（MCP）： モデルをツールやデータソースに一貫した方法で接続するための、Anthropicが導入したオープンな標準規格のこと。エージェント向けの汎用プラグのようなものと考えるとよく、2025年から2026年にかけて主要なAIプラットフォームに対応が広がりました。

• エージェント間プロトコル（A2A）： 異なるベンダーのエージェント同士が互いを発見し会話できるようにする標準規格で、Googleが提案しました。MCPと合わせて、企業をまたいでエージェントが協働する方向性を示しています。

• オーケストレーション： 複数の手順、ツール、エージェントを1つのワークフローにまとめ上げること。何を、どの順番で実行し、失敗した場合どうするかを決めます。

• マルチエージェントシステム： 異なる役割を持つ複数のエージェントが1つのゴールに向けて作業する仕組みのこと。通常は、計画を立てて委任するリードエージェントと、リサーチ・構築・確認を行う専門エージェントで構成されます。

• サブエージェント： 別のエージェントによって、仕事の一部を並列で処理するために生み出されるエージェントのこと。Jobbitはサブエージェントを使って多数のソースを同時にリサーチしたり、複数の機能を同時に構築・テストしたりします。詳しくはAIサブエージェント解説をご覧ください。

• プランナー： エージェントのうち、ゴールを手順に分解し、結果が入ってくるたびに計画を見直す部分のこと。

• メモリー（記憶）： エージェントが1つのメッセージを超えて保持するもののこと。短期記憶は現在のコンテキストであり、長期記憶は好み、過去の判断、あなたに関する事実を蓄積し、エージェントを時間とともに改善させます。

• エージェントループ： 計画・実行・観察・調整という繰り返しのサイクルのことで、ゴールが達成されるか、エージェントの判断が必要になるまで続きます。

• ヒューマン・イン・ザ・ループ： 顧客へのメール送信や支払いの実行など、特定の手順を人間がレビューまたは承認する設計のこと。

• コンピュータ操作／ブラウザエージェント： 画面を見て、人間のようにクリックや入力を行うことでソフトウェアを操作するエージェントのことで、APIを持たないツールでも扱えるようになります。詳しくはコンピュータ操作AIエージェントをご覧ください。

• ディープリサーチ： エージェントが数十のソースを読み、主張を照合し、出典付きのレポートを作成するエージェンティックなワークフローのこと。詳しくはAIによるディープリサーチの実行方法をご覧ください。

• ワークフロー自動化： アプリをまたいで実行される、あらかじめ定義されたルールベースの一連の動作のことで、Zapier、Make、n8nの領域です。エージェントはワークフローに判断力を加えます。両者はZapier対Make対n8n対AIエージェントで比較しています。

• 多目的AIエージェント： リサーチ、執筆、ソフトウェア構築、デザイン、自動化といった多様な仕事を、それぞれ別のツールを使うのではなく、1つのチャットから処理する単一のエージェントのこと。Jobbitはこの考え方で作られています。

AIによるソフトウェア構築

• バイブコーディング（vibe coding）： 欲しいものを自然言語で説明し、AIエージェントにコードを書かせ、実行させ、修正させることでソフトウェアを構築する方法のことで、すべての行を読むのではなく、動作を見て結果を判断します。詳しいガイドはバイブコーディングとは？をご覧ください。

• AIアプリビルダー： 説明文を動作するアプリケーションに変える製品のことで、ホスティングが含まれていることが多い。Lovable、Bolt、v0、Replit、Jobbitが例に挙げられ、バイブコーディングツール比較で比較しています。

• コーディングエージェント： コードベースの中で作業するエージェントのことで、ファイルを読み、コードを書き、テストを実行し、失敗を修正します。Claude Code、OpenAI Codex、Cursorのエージェントモード、Devinはコーディングエージェントです。

• ノーコード／ローコード： Bubble、Webflow、Airtable、Retoolなど、プログラミングをほとんど、あるいはまったく行わずにソフトウェアを構築するビジュアルツールのこと。バイブコーディングとの比較はバイブコーディング対ノーコード対ローコードで扱っています。

• サンドボックス： エージェントが実際のシステムに触れることなく安全にコードを実行できる、隔離された環境のこと。コードを実行するあらゆるエージェントに欠かせません。

• デプロイ： ソフトウェアをサーバー上で公開し、人々が使えるようにすること。ホスティング込みで代わりにデプロイしてくれるエージェントは、ほとんどの非開発者を止めていたその手順を取り除きます。

• API（アプリケーション・プログラミング・インターフェース）： あるソフトウェアが別のソフトウェアと会話するための構造化された方法のこと。エージェントはAPIを使って他のシステムのデータを読み書きします。

• Webhook（ウェブフック）： 何かが起きたとき（「新しい注文が入った」など）に、あるシステムが別のシステムに送るメッセージのことで、自動化の起点としてよく使われます。

• MVP（実用最小限の製品）： 実際のユーザーに試してもらえる、製品の最小バージョンのこと。エージェントはMVPの制作期間を数か月から数日へと圧縮しました。詳しくはAIによるSaaSの作り方をご覧ください。

• 技術的負債： コード内の近道のことで、将来の変更を遅く、リスクの高いものにします。誰も構造をレビューしなければ、AI生成コードはこれをすぐに蓄積します。これはバイブコーディングの失敗とセキュリティで扱っているリスクの1つです。

安全性、品質、信頼

• ガードレール： エージェントが行ってよいこと、言ってよいことを制限するルールとチェックのこと。禁止された行動、支出の上限、コンテンツフィルター、必須の承認などです。

• プロンプトインジェクション： エージェントが読み取るテキスト（ウェブページ、メール、文書）に、エージェントを乗っ取るための指示が仕込まれている攻撃のこと。堅牢なエージェントは、読み取ったものすべてをコマンドではなくデータとして扱います。

• アラインメント： 有害な依頼を拒否することから指示に忠実に従うことまで、モデルを人間の意図と価値観に沿って振る舞わせるための幅広い取り組みのこと。

• 評価（Evals）： 固定されたタスク群に対してモデルやエージェントの品質を体系的にテストすること。本気で取り組むチームは、ワークフローをエージェントに任せる前に評価を実施します。

• ベンチマーク： ソフトウェアエンジニアリングタスク向けのSWE-benchなど、モデルを比較するために使われる公開評価のこと。参考にはなりますが、あなたのタスクにおける実際のパフォーマンスの方が重要です。

• オブザーバビリティ： エージェントが何を行い、どのツールをなぜ呼び出したかを記録し、結果を監査したり失敗をデバッグしたりできるようにすること。

• レッドチーミング： 他の誰かより先に弱点を見つけるため、意図的にモデルやエージェントを攻撃すること。

• データレジデンシーとプライバシー： あなたのデータがどこに保存され、誰がそれを見られるかということ。機密性の高いものをアップロードする前に、AIプロバイダーがあなたの入力を訓練に使っていないか、サーバーがどこにあるかを確認しましょう。

ビジネスと料金の用語

• クレジット： 多くのエージェントプラットフォームが生のトークンの代わりに販売する利用単位のことで、1クレジットが1メッセージ、1回のビルドステップ、1回のリサーチ実行に相当することがあります。換算レートは注意深く確認しましょう。詳しくはAIエージェントの費用はいくらかで解説しています。

• レート制限： 一定期間に使えるリクエスト数やトークン数の上限のこと。作業の途中でこれに達することが、エージェントの実行が止まる最も一般的な原因です。

• レイテンシー： 応答にかかる時間のこと。エージェントはレイテンシーを徹底性と引き換えにします。2分かけたリサーチは、2秒の当てずっぽうに勝ります。

• 座席課金対従量課金： ユーザー1人あたり月額で支払う方式と、使った分だけ支払う方式のこと。エージェント製品では両者を組み合わせるケースが増えています。

• 自動化のROI： ツールの費用と導入にかかる時間に対して、通常は節約できた時間、応答速度の向上、売上への影響で測られる、自動化から得られるリターンのこと。

• デジタルワーカー／AI従業員： タスクではなく役割を担うレベル4エージェントを指すマーケティング用語のこと。履歴書に対するのと同じくらいの懐疑心を持ってこの言葉に接しましょう。

よくある質問

AIエージェントとLLMの違いは何ですか？

LLMはテキストを読み書きするモデルです。AIエージェントは、そのモデルを中心に構築されたシステムで、計画立案、ツール、記憶、フィードバックループを加えることで、質問に答えるだけでなくタスクを完了できるようにしたものです。LLMはエンジンであり、エージェントは車です。

AIにおけるMCPとは何ですか？

MCPはModel Context Protocolの略で、AIモデルをツールやデータソースに一貫した方法で接続するためのオープンな標準規格です。すべての製品が独自の連携機能を構築する代わりに、ツール側がMCPサーバーを公開し、対応するあらゆるエージェントがそれを利用できます。

コンテキストウィンドウとは何ですか、なぜ重要なのですか？

コンテキストウィンドウとは、モデルが一度に考慮できるテキストの量のことで、トークンで測定されます。これが重要なのは、あなたの指示、文書、ツールの結果など、エージェントが現在の仕事について知っているすべてが、この中に収まらなければならないからです。ウィンドウが大きいほど、エージェントはより大きなコードベースやより長い文書を扱えます。

RAGとファインチューニングの違いは何ですか？

RAGは質問された時点で関連文書を取得しモデルに渡すため、再訓練なしに最新のデータをもとに回答できます。ファインチューニングは事例をもとにモデル自体を訓練して変化させるもので、固定されたスタイルやフォーマットに向いています。ほとんどのビジネスにとってはRAGと優れたツールの組み合わせで十分であり、エージェントは情報源を直接読むことで、そのどちらの必要性も減らします。

バイブコーディングを一言で言うと？

バイブコーディングとは、欲しいものを説明し、AIエージェントにコードを書かせ、実行させ、修正させることでソフトウェアを構築する方法のことで、すべての行を読むのではなく、アプリの動作によって結果を判断します。

用語の意味がわかったところで、それを実践に移しましょう。Jobbitで無料スタートして、やりがいのある仕事をエージェントに任せてみてください。