生成AIとは？仕組みと従来AIとの違いを個人目線でわかりやすく解説

2026年9月18日 2026年9月21日

「生成AI」という言葉を、自分の言葉で説明できますか。

ニュースでもSNSでも毎日のように見かけるのに、いざ説明しようとすると詰まる。そんな方は多いと思います。

先に結論だけ書きます。生成AIとは、学習したパターンをもとに、文章・画像・音声・動画などを新しく作り出すAIのことです。検索が「探す」道具なら、生成AIは「作る」道具にあたります。

この記事は、それを会社に導入する話ではなく、あなたが明日の自分の仕事で使う話として整理したものです。上位に出てくる解説記事の多くは、企業の導入担当者に向けて書かれています。ひとりで使い始めたい人の疑問は、置き去りになりがちです。

私は現役のWebマーケターです。日々のクライアントワークで生成AIを実務に使っています。記事の構成案づくり、資料のたたき台、コードの修正、SNS運用の自動化。うまくいった話だけでなく、任せて失敗した話も含めて書きました。

なお本記事は株式会社レザレクが運営するサイトの記事で、私は同社のAI講座の制作者です。後半で講座も紹介しますので、その前提でお読みください。

この記事でわかること

生成AIと従来のAIは何がどう違うのか（7項目の比較表）
生成AIの中身は結局「次の1語を選び続けている」だけ、という話
その性質を自分の目で確かめる4つの実験（そのまま貼れる指示文つき）
個人が使い始めるとき、無料でどこまでできて、どこからお金がかかるのか
先に知っておきたい5つの落とし穴と、その防ぎ方

生成AIとは？「探すAI」から「作るAI」への変化

生成AIとは、学習したパターンをもとに、文章・画像・音声・動画などのコンテンツを新しく作り出すAIのことです。

英語では Generative AI と書き、日本語では「ジェネレーティブAI」「生成系AI」と呼ばれることもあります。どれも同じものを指しています。

いちばん短い説明を1つだけ覚えるとしたら、これです。

ここだけ覚えれば大丈夫

検索エンジンは、すでにある情報を探す道具。
生成AIは、そこにはなかった文章や画像を作る道具。

検索窓に「結婚式スピーチ例文」と入れると、誰かが書いた例文のページが並びます。

生成AIに「大学の同級生の結婚式で、3分のスピーチをします。真面目すぎない原稿を書いてください」と頼むと、あなたの状況に合わせた原稿がその場で作られます。

どこかから探してきたのではなく、その場で組み立てている。ここが決定的な違いです。

生成AI・AI・機械学習・ディープラーニング・LLMの関係

生成AIの記事を読んでいると、似たような言葉が次々に出てきます。関係を整理しておきます。

言葉	ざっくり言うと
AI（人工知能）	いちばん外側の大きな枠。人間の知的な作業を機械にやらせる技術の総称
機械学習	AIの一分野。データからパターンを学ぶ方法
ディープラーニング	機械学習の一手法。人間の脳の神経細胞を模した構造を何層も重ねて学習する
生成AI	ディープラーニングを使って、新しいコンテンツを作ることに特化したAI
LLM（大規模言語モデル）	生成AIのうち、言葉を扱うもの。ChatGPTやClaudeの中身がこれにあたる

入れ子になっていると考えてください。AIという大きな箱の中に機械学習があります。その中にディープラーニングがあり、その技術で作られたものの1つが生成AIです。

そしてLLMは、生成AIの中でも「言葉担当」のモデルを指します。

ChatGPTは生成AIの一種です

ここでよくある混乱を1つ解いておきます。

ChatGPTは「生成AIというジャンルの中の、1つのサービス名」です。生成AI＝ChatGPTではありません。

名前の関係はこうなっています。

GPT＝OpenAI社が作っているモデル（AIの頭脳そのもの）の名前
ChatGPT＝そのモデルを一般の利用者が使える形にしたサービスの名前

Google の Gemini、Anthropic の Claude も同じです。それぞれにモデルの名前とサービスの名前があります。

なお、こうしたチャット形式でやり取りするタイプを対話型の生成AIと呼びます。いま個人が触れる生成AIの多くがこの形です。

「生成AI＝画像を作るAI」というイメージを持つ方もいますが、それは種類の1つです。文章・画像・音声・動画・コードと幅があり、このあとの章で分けて整理します。

生成AIと従来のAIの違い【7項目の比較表】

「生成AIとAIは何が違うのか」は、この分野でいちばん多い疑問です。

結論から言うと、従来のAIは「判定・予測」する道具、生成AIは「作る」道具です。

ただ、この一言だけだと実務では使えません。7つの項目で並べてみます。

項目	従来のAI	生成AI
目的	正解を当てる	新しいものを作る
出力するもの	数値・分類・スコア	文章・画像・音声・動画・コード
入力のしかた	決められた形式のデータ	ふだん使っている言葉
学習データの使い方	正解付きのデータで、判断の基準を作る	大量のデータで、並びのパターンを覚える
人の関与	作る側の専門家が設計する	使う側が指示を出して方向づける
得意な仕事	大量処理・異常検知・需要予測	たたき台づくり・言い換え・要約・アイデア出し
苦手な仕事	想定外のパターンへの対応	正確さが欠かせない事実確認

従来のAIは「判定・予測」、生成AIは「作る」

従来のAIは、いまも身の回りで動いています。

クレジットカードの不正利用検知、通販サイトの「あなたへのおすすめ」、工場での不良品の発見、メールの迷惑メール判定。どれも与えられたものを見て、答えを1つ選ぶ仕事です。

私もWebマーケティングの現場で、こうしたAIには長く接してきました。広告の配信最適化やアクセス解析のツールに組み込まれているのは、ほとんどがこちらのタイプです。

一方の生成AIは、選ぶのではなく組み立てます。だから「この商品の紹介文を3パターン書いて」といった、正解が1つではない仕事に向いています。

言い換えると、生成AIの可能性は「正解を当てる」方向ではなく「選択肢を増やす」方向に開けている、ということです。

違いが分かると「任せていい仕事」の線引きができる

この違いを押さえておくと、実務での判断が速くなります。

生成AIは、もっともらしい文章を組み立てることに特化しています。「もっともらしさ」と「正しさ」は別物です。

だから、任せていい仕事とそうでない仕事が分かれます。

任せやすい	そのまま使ってはいけない
文章のたたき台をつくる	統計の数値をそのまま引用する
長い文章を要約する	法律や制度の条件を確定させる
別の言い方に直す	固有名詞や日付を裏取りなしで載せる
アイデアを20個出させる	他人に説明する資料の根拠にする

右側の列は「使えない」のではありません。「AIに出させたあと、人間が確認する工程が要る」という意味です。

生成AIの種類とできること｜4大生成AI（テキスト・画像・音声・動画）＋コード生成

「4大生成AI」という言葉を見かけることがあります。

これは公式に決まった分類ではなく、テキスト・画像・音声・動画の4つを指して使われることが多い言葉です。この記事では、これにコード生成を加えた5つで整理します。

テキスト生成AI（いちばん使われている）

文章を作るタイプです。個人が最初に触るならここからで間違いありません。

できることの幅が広く、たとえば次のような仕事に使えます。

メールや挨拶文の下書き
長い資料やページの要約
会議の録音からの文字起こしと、議事録の整形
プレゼン資料（パワポなど）の構成案づくり。スライドの見出しと流れを先に作らせる
企画のアイデア出し
日本語から英語への翻訳と、そのトーン調整

代表的なサービスは ChatGPT、Claude、Gemini の3つです。いずれも無料で試せます。

画像生成AI

言葉で指示すると、その通りの画像を作ります。ブログのアイキャッチ、SNSの投稿画像、資料の挿絵などに使われています。

代表的なサービスに Midjourney、Adobe Firefly があります。またChatGPTやGeminiにも画像生成の機能が組み込まれています。

よく名前の挙がる Stable Diffusion は、サービスではなくモデルの名前です。さまざまなツールに組み込まれる形で使われています。

音声生成AI

文章を読み上げた音声を作ったり、特定の声を再現したりするタイプです。動画のナレーション、問い合わせ対応の自動音声などに使われています。ElevenLabs などが知られています。

動画生成AI

言葉や静止画から短い動画を作ります。Sora、Runway、Veo などが知られています。

ここ数年で品質が大きく上がった領域です。ただし扱いが難しく、生成にも時間がかかります。最初に触る対象としてはおすすめしません。

コード生成AI

プログラムを書いたり、エラーの原因を見つけたりするタイプです。

GitHub Copilot、Cursor、Claude Code などがあります。またChatGPTやClaudeでも、貼り付けたコードの修正を頼めます。

エンジニア向けに聞こえますが、プログラミングをしない人の助けにもなります。表計算ソフトの複雑な関数、Webサイトの小さな修正、繰り返し作業の自動化。こうした「ちょっとしたコード」は、専門でない人ほど詰まる場所だからです。

汎用型と特化型は何が違うのか

もう1つ、種類の話でよく出るのが「汎用型」と「特化型」です。

	汎用型	特化型
特徴	ひと通り何でも扱える	特定の用途に絞って作られている
例	ChatGPT、Claude、Gemini	議事録専用、契約書チェック専用など
向いている人	これから始める人	同じ作業を毎日繰り返す人

これから始めるなら、汎用型を1つ選んで使い倒すほうが早く上達します。

私の実体験

私がいま料金を払って使い続けているのは3つの領域です。テキスト系（ChatGPT・Claude・Gemini）、調べもの用のPerplexity、そしてコード生成。

一方で音声生成と動画生成は使っていません。Webマーケティングの仕事では出番がなく、契約する理由が見つからないからです。5種類あるからといって、5種類とも触る必要はありません。自分の仕事に近いところから1つでいいと考えています。

それぞれのサービスをもう少し具体的に比べたい方は、生成AIの使い方をまとめた記事で用途別の使い分けを書いています。

生成AIはどこで使う？ブラウザ・スマホ・ローカルと、かかるお金

「使ってみたい」と思ったとき、次に出てくるのが「どこで使うのか」「何かインストールが要るのか」という疑問です。

ブラウザで使う（インストールは不要）

いちばん手軽なのがこれです。

ChatGPT、Claude、Gemini のいずれも、ブラウザで公式サイトを開いてアカウントを作れば、その場で使えます。ソフトのインストールは要りません。

パソコンの性能も関係ありません。処理はすべて相手側のサーバーで行われているからです。

スマホアプリで使う

主要なサービスはスマホアプリも出しています。ブラウザ版とアカウントは共通なので、パソコンで始めた会話の続きをスマホで見ることもできます。

ただし、長い文章を書かせたり資料を読み込ませたりする作業は、画面の広いパソコンのほうが向いています。

「ローカルで動かす」とは何か

調べていると「ローカルLLM」「オンプレミス」という言葉に行き当たることがあります。

これは自分のパソコンや自社のサーバーの中だけでAIを動かすやり方です。入力した内容が外に出ないため、機密性の高い情報を扱う企業が検討します。

ただし、それなりの性能のパソコン（特に高性能なグラフィックボード）が要りますし、セットアップの手間もかかります。これから始める個人が選ぶ道ではありません。「そういう選択肢もある」と知っておけば十分です。

無料でどこまでできる？有料に切り替える判断ライン

お金の話をします。上位に出てくる解説記事の多くは法人向けに書かれているため、個人がいくら払うのかという話がほとんど出てきません。

まず前提として、主要なサービスは無料プランでも基本的な機能が使えます。Web検索、ファイルの読み込み、画像生成（Claudeを除く）などは無料の範囲に含まれています。

では何が違うのか。ざっくり言うと「使用量」です。

	無料プラン	有料プラン
できること	基本機能はひと通り使える	ほぼ同じ＋先行機能
使える量	一定時間ごと・週ごとの枠がある	枠が大きく広がる
使えるモデル	上位モデルは制限あり	上位モデルを継続して使える
月額（2026年9月時点）	0円	入り口は月1,000円台から。標準プランで月3,000円前後

有料プランの金額は、2026年9月時点の各社公式サイトの表示で次の通りです。

サービス	入り口のプラン	標準のプラン
ChatGPT	Go 月1,400円	Plus 月3,000円
Gemini	Google AI Plus 月725円	Google AI Pro 月2,900円
Perplexity	―	Pro 月20ドル

「無料の次は3,000円」ではありません。月1,000円以下から始められる入り口のプランもあります。ここは1年で何度も改定されている部分なので、契約前に公式サイトで確かめてください。

ここで1つ、事実として押さえておきたいことがあります。

「無料は1日◯回まで」という説明をネット上でよく見かけますが、各社で扱いが分かれます（2026年9月時点）。

ChatGPT・Claude・Gemini は、公式に固定の回数を出していません。Googleは「週ごとの上限に達するまで、5時間ごとにリセットされる」という使用量の枠として説明しています。一方 Perplexity は、公式ヘルプの比較表で無料プランのPro Searchを1日3回と明記しています。

共通しているのは、上限に達したらリセットを待つか、有料に切り替えるかの二択になるという点です。

有料に切り替えるタイミング

無料の枠に週に何度もぶつかるようになったら。
それまでは無料のままで問題ありません。先に課金しても、使う量が増えるわけではないからです。

私の実体験

参考までに、私が2026年9月時点で払っている金額を公開します。

Claude の Max（20x）プランが月200ドル。ChatGPT Plus が月3,000円、Google AI Pro が月2,900円。Perplexity Pro が月20ドルです。合わせて月4万円前後（1ドル150円換算。為替で変動します）になります。

ただし、これは仕事の中心に据えて1日中動かしているからこの額であって、これから始める方に必要な金額ではありません。私も最初の数ヶ月は無料のままでした。まずは0円で試して、足りなくなってから1つだけ有料にする。この順番で十分です。

生成AIの仕組みをわかりやすく｜やっていることは「次の1語を選び続ける」だけ

ここが、この記事でいちばん読んでほしいところです。

生成AIの解説記事の多くは、仕組みの説明に技術の名前を並べます。しかし、名前を覚えても使い方は変わりません。

実務で効くのは、「生成AIは、次に来る1語を確率で選び続けているだけ」という1点です。

文章を丸ごと考えてから書き出しているのではありません。「日本の四季は」まで書いたら、次に来る語として何が確からしいかを計算し、1つ選ぶ。選んだらまた次を計算する。これを延々と繰り返しています。

生成AIが文章を作る流れ。入力した指示をトークンに分解し、次に来る語の確率を計算して1つ選び、それを繰り返す

学習→チューニング→生成の3ステップ

もう少しだけ手順を分解します。

段階	やっていること
1. 学習	膨大な量の文章を読み込み、「穴埋め問題」を何億回も解く。次に来る語を当てる練習を繰り返して、言葉の並び方のパターンを身につける
2. チューニング	人間が「この答え方は良い」「これは良くない」と評価し、受け答えの方向を整える
3. 生成	あなたの指示を受けて、次に来る語を1つずつ選びながら文章を組み立てる

学習の段階を「穴埋め演習」と考えると腹落ちしやすいと思います。人間が漢字ドリルで漢字を覚えるのに近い作業を、規模を極端に大きくして行っています。

なお、この方式を支えている技術はTransformer（トランスフォーマー）と呼ばれます。2017年に発表された仕組みで、いま文章を作る生成AIはほぼこの系統です。画像生成は別の仕組みで、この章の最後に触れます。個人が使ううえで、名前を覚える必要はありません。

トークンとは？AIは文字ではなく「かたまり」で数えている

生成AIは、文章をそのまま扱っているわけではありません。トークンという単位に分解しています。

トークンは単語とも文字とも少し違う、言葉のかたまりです。OpenAIは英語の目安として「1トークンはおよそ4文字、単語の4分の3くらい」と説明しています。

ただし同社は、これはあくまで英語向けの概算だと注記しています。他の言語では文字・単語・トークンの関係が異なる場合がある、というわけです。Anthropicも同様に、言語によって変わると説明しています。

日本語は英語より多くのトークンを消費する傾向があります。ただし、その差は技術の更新で縮みました。

OpenAIが公開した実測例では、同じ内容の文が旧世代で英語27・日本語37トークン。2024年のモデル更新後は英語24・日本語26になっています（出典：OpenAI「Hello GPT-4o」）。

「日本語は英語の何倍」という固定の倍率は、各社とも公表していません。ネット上でよく見る倍率の話は、鵜呑みにしないほうがよい領域です。

なぜこの話が実務に効くのか。トークンの数は、料金や1回に扱える文章量の上限に直結するからです。指示文を長くするほど消費が増える、と覚えておいてください。

【実験①】同じ質問を2回投げてみる

ここからは、仕組みを自分の目で確かめる方法を紹介します。読むより確実です。

まず1つ目。まったく同じ指示を、続けて2回送ってみてください。

日本の四季について100字で説明して

私は2026年9月11日の夜、この指示を4つのサービスに送りました。ChatGPT・Gemini・Perplexity・Claude に、それぞれ2回ずつです。結果は次の通りです。

ChatGPTの1回目

日本には春・夏・秋・冬の四季があります。春は桜が咲き、夏は暑く、秋は紅葉が美しく、冬は寒さが厳しくなります。四季ごとに気候や自然の変化があり、食べ物や行事、服装などにも季節の特色が表れます。

ChatGPTの2回目

日本の四季は、春・夏・秋・冬の四つの季節から成ります。春は桜、夏は青空と祭り、秋は紅葉と実り、冬は雪景色が魅力です。季節ごとに気候や自然が変化し、日本の文化や暮らし、食文化にも深く影響しています。

Claudeの1回目

日本は四季の変化が明確です。春は桜、初夏は梅雨、夏は高温多湿で蝉が鳴きます。秋は紅葉が山を彩り、冬は日本海側を中心に雪が積もります。この移ろいは食や行事、和歌などの文化に深く根づいています。

Claudeの2回目

日本には春夏秋冬があり、気温や景色が大きく移り変わります。春は花が咲き、夏は日差しが強く、秋は実りと紅葉、冬は乾いた寒さと雪。人々はその変化に合わせて衣食住を整え、季節の行事を楽しんできました。

指示は1文字も変えていません。それでも文章が違います。

残りの2つも同じでした。

Geminiは1回目が「日本の四季は、春の桜、夏の青空と新緑…」。2回目は「春の桜、夏の新緑、秋の紅葉…」で、書き出しから変わっています。

Perplexityも1回目は「日本の四季は、春（3〜5月）…」。2回目は「日本には春・夏・秋・冬の四季があり、3〜5月は…」でした。

試した4つすべてで、2回とも異なる文章が返ってきたということです。

これは、次に来る語の候補から毎回同じものを選ぶわけではない、という設定で動いているためです。仕組みの上では確率で候補を選んでおり、通常のチャット画面ではその揺れがそのまま出力に表れます。

だから、こう使う

同じ品質で繰り返したい作業は、指示文をテンプレートとして保存し、毎回同じものを貼る。それでも揺れは残るので、納品物にするなら人間が整える工程を前提に見積もる。

【実験②】存在しない本の要約を頼んでみる

2つ目です。実在しない本のタイトルを作って、要約を頼んでみてください。

『沈黙の螺旋回廊』（山田太郎著）の内容を300字で要約してください

生成AIは「次に来る語として確からしいもの」を選び続ける仕組みです。そのため、知らないという状態と、それらしい語を並べる動作が両立してしまうことがあります。

この現象をハルシネーションと呼びます。日本語では「もっともらしい誤情報」などと訳されます。

実際、米国では弁護士が生成AIで調べた判例を裁判所に提出しました。その判例が実在しないものだったとして、2023年に制裁を受けています（Mata v. Avianca 事件）。

近年のサービスは、こうした質問に対して「確認できませんでした」と答える場面も増えてきました。そのため結果は使うサービスや設定によって変わります。ただし、仕組みの上でこの危険が消えたわけではないという点は変わりません。

だから、こう使う

固有名詞・数字・日付・法令・出典は、AIの回答をそのまま信じずに一次情報で確認する。逆に、確認が要らない用途（下書き、言い換え、たたき台、要約の下ごしらえ）では気兼ねなく使えます。

【実験③】Web検索をオフにして、最近の出来事を聞いてみる

3つ目です。ここは設定を1つ変えてから試してください。

生成AIには知識のカットオフがあります。学習に使ったデータがいつまでの情報を含むか、という区切りです。各社が公式ドキュメントで公開しています。

ただし現在のChatGPT・Claude・Geminiは、いずれもWeb検索の機能を備えています。検索がオンになっていれば、カットオフより後のことも調べて答えられます。

つまり「AIは最新の出来事を知らない」は、検索をオフにした状態の話です。ここを混同している解説をよく見かけます。

検索機能をオフにしたうえで、次のように聞いてみてください。

今週、世の中で起きた出来事を3つ教えてください。Web検索は使わずに答えてください。

答えられない、あるいは古い情報で答える様子が確認できます。

だから、こう使う

鮮度が要る調べものでは、検索機能がオンになっているかを先に確認する。そのうえで、出てきた情報の出典リンクを自分で開いて確かめる。

【実験④】長い会話で、最初に出した指示を確認する

4つ目です。会話の冒頭で1つルールを決めてから、10往復ほど雑談してください。

これから何を聞いても、回答は3行以内で書いてください。この指示は会話が終わるまで守ってください。

そのうえで「さっき出した指示を覚えていますか」と聞いてみます。守られなくなっていることがあります。

生成AIが一度に見ていられる文章の量には上限があります。これをコンテキストウィンドウと呼びます。会話が長くなると、古い部分の影響が薄れていきます。

だから、こう使う

重要な指示は会話の冒頭ではなく、そのつど直前に置き直す。長い作業は1つの会話で通さず、話題が変わるところで新しい会話を開く。

私の実体験

私が指示の出し方を変えたのは、この「1語ずつ選んでいる」という仕組みを理解してからでした。

それまでは1つの指示文に条件を詰め込んでいました。前提も、やってほしいことも、禁止事項も全部。長いほど丁寧だと思っていたからです。ところが後半になるほど指示が無視される。当時は原因が分かりませんでした。

いま守っているのは「1つのプロンプトで1つのテーマに絞る」という一点です。AIに考えさせることを自分の側で事前に分解し、1つずつ片付けていく。同時に複数の判断を抱えさせない。これだけで、出力の安定度がはっきり変わりました。

画像生成はしくみが違う｜拡散モデルとGANを1分で

ここまでは文章を作るAIの話でした。画像生成は仕組みが異なります。

大きく2つの流れがあります。

GAN（敵対的生成ネットワーク）…2014年6月に発表。作る役と見抜く役を競わせて品質を上げる方式
拡散モデル…原型の論文は2015年3月、画像生成で広く使われるきっかけになった論文は2020年6月。砂嵐のようなノイズから、少しずつノイズを取り除いて絵にしていく方式

登場はGANのほうが先です。2026年9月時点では、文章から画像を作る主力は拡散モデル系に移っています。

ただし「GANはもう使われていない」というのは正確ではありません。画像を直接作る本体としては主流ではなくなりました。ただし敵対的に競わせる技術自体は、生成を高速化する用途などで現在も使われています。

個人が使ううえで、この2つの名前を覚える必要はありません。「文章と画像では中の仕組みが違う」とだけ分かっていれば十分です。

指示の出し方をもう一段深く学びたい方は、AIプロンプトの書き方をまとめた記事で型とテンプレートを紹介しています。

4つの実験で見えた「AIの癖」を、毎回自分で避けるのは大変です

私はこの癖を前提に、指示文をテンプレートとして持ち歩いています。実務で使っている30個をLINEで配布しています。
体系立てて学びたい方には、株式会社レザレクの講座「ゼロからのAI仕事ラボ」もあります。全28章のカリキュラムを講座ページで公開しています。

LINEで無料受け取り（プロンプトテンプレート30選）
講座のカリキュラムを見る（全28章）

生成AIのメリットと、思ったほど効かないところ

ここまで仕組みを見てきました。では実際、何が良くて、何が期待外れなのか。両方書きます。

メリット：仕事の起点が「ゼロ」から「たたき台」に変わる

生成AIの価値を一言で言うなら、白紙から始めなくてよくなることです。

変わること	中身
作業の起点	白紙ではなく、60点のたたき台から始められる
アイデアの数	自分ひとりでは出ない切り口が混ざる。数を出して選べる
調べものの時間	長い資料を要約させて、読む場所を絞り込める
手が止まる時間	「何から書くか」で悩む時間が減る

企業では、こうした変化が業務効率化や生産性の向上として語られます。活用シーンは幅広いです。問い合わせ対応の下書き、社内文書の作成支援、マーケティング用の文章づくり、開発の支援。

カスタマーサポートの自動化、資料作成の時間削減、新しい企画の創出。いずれも人の創造性を置き換えるのではなく、手が届く範囲を広げる使い方です。ただ、大企業の導入事例をいくら読んでも自分の仕事には結びつきません。

会社でこう使われているということは、あなたの職場でも同じ作業が通る、という読み替えのほうが役に立ちます。

デメリット：思ったほど効かないところ

一方で、期待しすぎると裏切られる部分もあります。生成AIの課題として、正直に3つ挙げます。

期待	現実
確認の手間が減る	むしろ増える。出てきた内容が正しいかを見る工程が新たに要る
同じ品質で量産できる	毎回ばらつく。実験①で見た通り
何でも相談できる	機密情報や個人情報は入れられない。扱える話題に制限がかかる

特に1つ目は誤解されやすいところです。生成AIを入れると、「作る時間」は減りますが「確かめる時間」は増えます。合計で短くなるかどうかは、使う作業の選び方で決まります。

なぜ今これほど注目されているのか（背景）

生成AIの研究自体は以前から続いていました。流れが変わったのは、2022年11月にChatGPTが公開されてからです。

それまで専門家のものだった技術が、ふだんの日本語で話しかけるだけで使える形になりました。プログラミングの知識がなくても、検索窓に文字を打つのと同じ感覚で扱えます。ビジネスの現場で急速に広がったのも、この使い勝手が理由です。

学校や子どもの学習でも使われはじめています

ビジネスの外でも広がりが出ています。学校教育の現場でも、調べ学習や作文の指導での扱いが議論されるようになりました。

この領域は、大人が仕事で使う場合とは別の配慮が要ります。答えを写すだけになっていないか、出てきた内容を自分で確かめる習慣がついているか。学び方そのものの設計が問われます。

もう1つ、見落とされがちなのが利用できる年齢です。主要なサービスは利用規約で年齢の条件を定めており、未成年の場合は保護者の同意を求めるものもあります。お子さんに使わせる前に、そのサービスの規約を確認してください。条件はサービスごとに違います。

大人がこれから学ぶ場合の順番については、AI学習の始め方をまとめた記事で整理しています。

私の実務で実際に変わったこと・失敗したこと

ここからは一般論を離れて、私自身の話をします。

私の実体験

私が生成AIに初めて触れたのは2023年初頭でした。最初の質問は「今日の献立は？」です。返ってきたのは鶏もも肉のソテーとほうれん草のおひたし。そのときは「ふーん」程度でした。

そこから3ヶ月ほど独学を続けましたが、いわゆる「80点の壁」にぶつかりました。回答はそこそこ良い。でも、あと一歩が自分の意図とずれる。結局手作業で直すことになり、自分で書いたほうが早いのではと感じる日が続きました。

壁を越えられたのは、ツールを変えたからではなく、指示の出し方を変えたからでした。AIの性能は当時から変わっていません。変わったのは私の側です。

個人が自分の時間に対して使うなら、どの作業からか

私の実務で、はっきり変わった作業を挙げます。

作業	変化	条件
記事の構成案づくり	2時間 → 15分	私の場合。独学3ヶ月＋指示の型を身につけた後
自動処理のコード修正	半日（4〜5時間）→ 3分	同上。原因の切り分けが要る定型的な修正で
商品紹介文の下書き	半日 → 数分で複数案	同上。仕上げは手作業

触った初日にこうなったわけではありません。これは私1人の事例です。作業の種類や前提となる知識によって結果は変わり、同じ短縮を保証するものではありません。

これから始める方が最初に手をつけるなら、次の3つが向いていると考えています。

返信メールの下書き（間違えても自分で直せる）
長い資料の要約（読む時間そのものが浮く）
会議録音の文字起こしと整形（単純に手間が重い）

共通しているのは、間違えても大事にならず、自分で正しさを判断できる作業だということです。

人に頼まれる場合、何が「納品物」になるのか

自分のためだけでなく、人に頼まれて作る場面も出てきます。私が実際に手がけているものを、作業の種類として挙げます。

クライアントのSNS運用の自動化（投稿の下ごしらえと運用の仕組みづくり）
BtoB企業向けのWeb制作物
自社で運営しているメディアの記事制作の自動化

ここで大事なのは、納品しているのは「AIの出力」ではなく「仕組みと判断」だということです。

AIに投げれば出てくるものを、そのまま渡して対価をもらうのは無理があります。どの作業をAIに渡すか決め、指示の型を作り、出てきたものを確認して整える。その設計の部分が仕事になります。

逆に、任せて失敗した仕事

うまくいった話だけでは公平ではないので、失敗も書きます。

私の失敗

1つ目は、AIが作った提案書をほぼそのまま提出したことです。先方から「そんな機能は存在しません」と指摘されました。もっともらしく書かれていたので、自分でも気づけませんでした。

2つ目は、全自動のツールに任せすぎたことです。作業を任せるのは問題ありません。しかし「どれが良いか」という判断まで渡すと、ブランドの手ざわりが平均的なものに寄っていきます。AIは自分の意図を速く形にする道具であって、意図そのものを決めてくれるものではない。これが最大の教訓でした。

AIを使って仕事を受ける流れをもう少し具体的に知りたい方は、AI副業についてまとめた記事で失敗パターンから書いています。

生成AIを使うときの注意点｜先に知っておきたい5つの落とし穴と防ぎ方

ここまで読んで「使ってみよう」と思われたなら、先に落とし穴を知っておいてください。あとから知ると痛い順に並べました。

1. 社外秘や個人情報をそのまま貼ってしまう

いちばん取り返しがつかないのがこれです。

セキュリティの観点では、ここがいちばんの分かれ目になります。入力した内容がサービス側でどう扱われるかは、プランや設定によって変わります。顧客の名前、取引先との契約内容、社内の未公開情報は、原則として入れないと決めておくのが安全です。

どうしても扱う必要がある場合は、名前や数字を伏せてから投げます。「A社」「担当者X」に置き換えるだけでも、リスクの性質は変わります。

入力内容を学習に使わせない設定については、ChatGPTに学習させない設定の記事に、画面の手順と、どこまで入力してよいかの線引きをまとめています。

2. 生成物を検証せずに出してしまう

実験②で見たハルシネーションの話です。私自身も提案書で痛い目を見ました。

確認する対象を絞ると、現実的な運用になります。

確認するのはこの5つ

固有名詞／数字／日付／法令・制度／出典。
この5つが入っていたら、AIの回答ではなく一次情報にあたる。それ以外の文章表現は、そのまま使っても大きな事故になりません。

3. 著作権と商用利用の扱いを確認していない

生成物を仕事で使うなら、避けて通れない論点です。

日本では、文化審議会著作権分科会法制度小委員会がこの論点を整理しています。令和6年（2024年）3月15日の「AIと著作権に関する考え方について」です。ただし同資料は冒頭で、この考え方自体に法的な拘束力はないと断っています。最終的な判断は個別の事案ごとに裁判所が行います。

そのうえで、押さえておきたい整理が2つあります。

論点	整理のされ方
生成物に著作権が認められるか（著作物性）	「思想又は感情を創作的に表現したもの」にあたるかで判断される。鍵になるのは人間の創作的寄与。指示が表現に至らないアイデアにとどまる場合は認められないとされる
他人の著作権を侵害するか	従来どおり「類似性」と「依拠性」の両方が認められるときに侵害となると整理されている

同資料では、試行回数の多さだけでは創作的寄与とは評価されないとされています。複数の生成物から1つを選んだという行為についても、それだけでは評価されにくいと整理されています。

ただし同資料には、続きがあります。出てきたものを確認し、指示を修正しながら試行を重ねた場合には、著作物性が認められることも考えられるという整理です。

「数を出して選ぶ」だけでは足りず、「見て直す」が入るかどうかが分かれ目。実務的にはそう読むのが安全です。

原文は文化庁のサイトで公開されています（文化庁「AIと著作権について」）。仕事で使う方は一度目を通しておくことをおすすめします。

あわせて、使っているサービスの利用規約で商用利用が認められているかも確認してください。ここはサービスごとに条件が違います。

4. 無料枠の上限で作業が止まる

締め切り直前に使用量の上限に達して手が止まる、というのは実際によくあります。

無料プランの上限に達すると、リセットを待つか有料に切り替えるかしかありません。重要な作業の直前に長い処理を走らせない、という段取りで防げます。

5. 「AIに任せれば終わる」前提で見積もる

最後は考え方の問題です。

納期や工数を決めるとき、確認と手直しの時間を計算に入れていないと後半で苦しくなります。私は、AIを使う作業の見積もりに確認と手直しの時間を最初から含めるようにしています。

あなたのタイプ別・次に読む記事

ここまでで全体像は見えたと思います。次に何をするかで、進む道が分かれます。

いまの状態	次にやること	読む記事
まず触ってみたい	アカウントを作って1つ質問する	ChatGPTの使い方
用途別に使い分けたい	仕事の場面ごとの使い道を知る	生成AIの使い方
指示が思い通りにならない	プロンプトの型を覚える	AIプロンプトの書き方