似ているようで役割が違うAI用語を、1ページ1組で比較します。結論の先出し・比較表・「どっちを使う？」の指針つき。 もっと深く知りたくなったら、各用語の用語集ページへどうぞ。
RAGは「本棚を渡す」、ファインチューニングは「研修を受けさせる」。最新情報や社内資料ならRAG、口調や作法を体に染み込ませたいならファインチューニングです。
生成AIが「ジャンル名」、LLMは「その中の主役エンジン」。文章を作る生成AIの中身がLLMで、画像や音楽を作る生成AIはLLMとは別の仕組みも使っています。
生成AIは「優秀な回答者」、AIエージェントは「仕事を任せられる担当者」。1回のやり取りで済む仕事は生成AI、何手も続く仕事はエージェントです。
ワークフローは「レールを人間が敷く」、エージェントは「行き先だけ渡して運転も任せる」。決まった業務はワークフロー、毎回手順が変わる仕事はエージェントが向きます。
機械学習が「データから学ぶAI」の総称で、ディープラーニングはその中の一派。人間が着眼点を教えなくても、データから特徴を自分で見つけるのが深層学習の革命でした。
プロンプトは「指示の言葉選び」、コンテキストは「机の上の環境づくり」。1回の質問ならプロンプトの工夫で足り、長い作業を任せるならコンテキストの設計が効きます。
RPAは「手順書どおりに動く派遣さん」、コンピュータ操作AIは「見て覚えて適当にやってくれる新人」。件数が多くて失敗できない作業はRPA、毎回画面も条件も違う作業はコンピュータ操作AIです。
エッジAIは「機器に住み込むAI」の総称、ローカルLLMは「言葉のAI（LLM）を自前の機械で動かす」具体的な方法。スマホの写真認識は前者、PCに入れて使う自分専用のチャットAIは後者で、スマホの中で動く小さなLLMは両方に当てはまります。
国産LLMは「国産車」、ローカルLLMは「自家用車」。前者は作り手の分類、後者は使い方の分類なので、国産をクラウドで使うことも、海外製を手元で動かすこともあります。両方を満たす「国産モデルを手元で動かす」が、持ち出せないデータを扱う現場の本命です。
AI半導体が「工具箱ぜんぶ」、GPUは「箱の中でいちばん使われる万能工具」。GPUはAI半導体の一種であり現在の主役ですが、同じ箱にはTPUやNPUのような特定の作業専用の道具も入っていて、その存在感が年々増しています。
図書館にたとえると、クローラーは「棚を回って本を集めてくる係」、スクレイピングは「集めた本から必要なページを書き写す作業」。AIクローラーはその係のうちAI企業から来るもので、自分が集める側なら考えるのはスクレイピングの作法、自分のサイトが集められる側なら向き合う相手がAIクローラーです。
LLMは「クラウドにある大きな脳」、SLMは「手元で動く小さな脳」。何でも相談できる本社のベテランと、決まった仕事を現場で速くこなす常駐スタッフの関係で、どちらが上ではなく、仕事の種類で使い分けるものです。
AIの到達段階は「特化型AI（いま）→AGI→ASI」という三段の梯子で語られます。AGIは人間と同じ高さの段、ASIは雲の上の段。「人間と並ぶ」か「人間を大きく超える」かの違いで、どちらもまだ存在しません。