LLMとはなんですか？

LLMとはなんですか？

LLMとは Large Language Model (ラージ・ランゲージ・モデル) 大量のテキストデータを学習して、 自然な言語を生成・理解する AIモデルという意味です。 このあとのページで少し深堀りしていきたいと思います

この資料でわかること AIとLLMの関係（位置づけ） LLMの得意・不得意と仕組み（最小限） 代表的サービスと活用領域（実務のイメージ） 品質確保・セキュリティ・法務の要点 RAG/ツール連携の概念と限界の補い方

AIとLLMの関係 AI：人の知的作業を模倣する広い概念 生成AI：新しいコンテンツを生成 ◦ テキスト／画像／音声／動画 LLM：生成AIの中の“テキスト担当” ◦ 要約・言い換え・ドラフト作成・Q＆A・コード補助

LLMはAIのどこにある？ 位置づけ図 AI（人工知能） 従来型AI：画像認 識・音声認識・最適 化・ルール推論 等 生成AI（何かを新しく作る） 画像生成（例： Midjourney, DALL·E） 音声生成（例： ElevenLabs 等） テキスト生成＝LLM ChatGPT / Claude / Gemini Copilot（LLM＋企業 データ＋ツール） ・LLMは生成AIの“テキスト担当” (LLMは言語を中核とする生成AI。近年は画像・音声も扱うマルチモーダル型が普及（ただし言語モデルが必要です）。) ・AI＝LLMではないが、現場で触れやすい入口。

LLMの得意・不得意 得意 ◦ 要約・言い換え・構成ドラフト ◦ フォーマット変換・整形 ◦ コード補助（読解・修正・説明） 不得意 ◦ 最新事実の正確な把握（学習時点の知識） 学習データが固定されており、学習時点以降の情報を持たないため ◦ 厳密計算・根拠の自動提示 ◦ 専門分野の正確な判断（裏取り必須） → 出力は必ず検証（出典URL・最終更新日・数値根拠を確認してから使用）

LLMの仕組み（ざっくり） 入力 確率的な 出力 （指示・制約・文脈） 「次トークン予測」 （文章・コード等） ポイント： ・人間のように“理解・思考”しているわけではない (確率分布に基づき最も尤もらしい連続テキストを生成) ・大量のテキストの統計パターンで次のトークン(単語や記号)を予測 ・精度は“指示の明確さ”と“検証の徹底”で大きく変わる

代表的なサービスと特徴 ChatGPT ◦ 短文から長文まで応答が安定／拡張機能も豊富 Claude ◦ 長文読解や指示の素直さに定評 Gemini ◦ Googleサービス連携の強み Copilot ◦ 業務アプリと連携（M365等）／組織データの活用 ※2025年8月時点

活用領域： 文章・コミュニケーション 要約・言い換え・文面調整（トーン/長さ/読者指定） 議事録・報告書の骨子作成 メール・チャットの下書き支援

活用領域： 調査・要約・検索補助 資料の下読み（概略把握） 観点リスト化（比較軸・評価基準の抽出） 一次情報確認のためのキーワード整理

活用領域： コード・技術文書 コードの要約・説明・リファクタ案 テスト観点の列挙・境界値の洗い出し 技術文書の構成化・テンプレート整形

RAG (リトリーバル・オーグメンテッド・ジェネレーション) (Retrieval-Augmented Generation) ／検索連携で“限界”を補う ユーザー質問 検索／DB参 照 LLMで生成 LLM単体の限界（学習時点の知識）を補うため、 外部の最新情報や社内データを検索で取り込み、 根拠を明示しながら回答する仕組み。 検索結果は引用と出典併記、日付の整合を確認 回答 （根拠付き）

品質確保のポイント 出典の確認（URL・文献）／引用の明記 日付の整合（“いつ時点か”を明確化） 数値・計算の再確認（電卓・表計算で裏取り） 専門事項は必ず一次情報に当たる

セキュリティ・法務の観点 入力データが学習に使われるかの設定確認（オプトアウト可否）、 ログ保存期間と保管場所（リージョン）の把握 ・個人情報や社外秘の入力を避ける（専用環境を使用） ・ログと保存範囲の把握（提供サービスの設定） ・ライセンス・著作権・利用規約の遵守 ・プロンプトインジェクション対策（要約→抽出→検証の分離） 許可コマンドのホワイトリスト化、 URLの自動実行禁止、システムプロンプトの固定

よくある誤解Q&A Q: AI＝LLM？ ◦ A: いいえ。LLMは生成AIの“テキスト担当”。AI全体はもっと広い。 Q: 検索の代替になる？ ◦ A: 要約や下書きには有効だが、一次情報の確認は必須。 Q: 誤情報は出ない？ ◦ A: 出る可能性あり（ハルシネーション）。検証が前提。

まとめ＆参照情報 まとめ ◦ LLMは強力な補助ツール ◦ “位置づけ・仕組み・リスク”を理解して安全に活用

用語ミニ辞典（1/2） 用語 定義 LLM（Large Language Model ） 大量テキストから“次のトークン（単語や記号）”を予測して文章を生成 ・理解・生成するAI。 トークン モデルが扱う最小単位（単語/記号/サブワード）。文字数≠トークン数に 注意。 コンテキストウィンドウ 一度に読み書きできるトークンの上限。大きいほど長文に強いが計算負荷 も増える。 ハルシネーション それらしいが誤った内容を自信満々に出す現象。出典・日付・数値で検証 が必須。 RAG（Retrieval-Augmented Generation） 外部検索で関連資料を取り出し、根拠を添えて生成する方式。学習時点の 限界を補う。 埋め込み（Embedding） 文や単語をベクトルに変換した表現。意味の“近さ”を数値化して検索に 使う。 ベクトルDB 埋め込みベクトルを保存し、似ている文を高速に見つけるデータベース。 マルチモーダル テキストに加え画像・音声・動画など複数モダリティを入出力で扱う仕組 み。 作成: 2025-08-15 | 用語ミニ辞典

用語ミニ辞典（2/2） 用語 定義 プロンプト／システムプロン プト ユーザーの指示がプロンプト。役割やルールを定める上位指示がシステム プロンプト。 プロンプトインジェクション 入力に“隠し指示”を埋め込み、意図しない動作や情報漏えいを狙う攻撃 。 ガードレール（安全対策） 不適切出力の抑制・機密の保護・ツール実行の許可制などの安全設計。 ファインチューニング 特定領域のデータでLLMの振る舞いを追加学習して最適化すること。 SLM（Small Language Model ） 小型の言語モデル。軽量で安価・高速。限定用途では高精度も狙える。 温度（Temperature）／Top-p 出力の多様性を調整するパラメータ。高いほど創造的、低いほど安定。 ツール呼び出し（関数呼び出 し） LLMが外部APIや関数を呼んで検索・計算・DB操作などを行う仕組み。 出典（Citation） 回答の根拠となるURL・文献情報。日付と併記して検証可能性を高める。 作成: 2025-08-15 | 用語ミニ辞典