はじめに——「AI」という言葉の意味が広がっている

「AI」と聞いて、何を思い浮かべますか。数年前なら「将棋や囲碁で人間に勝つプログラム」だったかもしれません。1年前なら「ChatGPTのようなチャットボット」だったでしょう。しかし2026年の今、AIという言葉がカバーする範囲は驚くほど広がっています。

文章を書くAI、画像を描くAI、プログラムのコードを生成するAI。それだけではありません。自分で判断して複数のタスクをこなす「AIエージェント」、工場のロボットや自動配送車のように現実世界で動く「フィジカルAI」。AIはもはやパソコンの画面の中だけの存在ではなくなりました。

第1回では、AI事業者ガイドラインの全体像として、日本政府の規制アプローチと3つの基本理念をお伝えしました。第2回の今回は、ガイドラインがこの急速に広がるAI技術をどう定義・整理しているのかを見ていきます。自社のビジネスにAIをどう活かすかを考えるうえで、「そもそもAIとは何か」を正しく理解しておくことは、思った以上に大切です。

基盤となる概念——AIシステム・AIモデル・生成AI

AIシステムとAIモデルの違い

ガイドラインでは、AIに関する用語を丁寧に定義しています。まず押さえておきたいのは「AIシステム」と「AIモデル」の違いです。

AIシステムとは、自律性をもって動作し、学習する能力を含むソフトウェアを中心としたシステム全体のことです。一方、AIモデルとは、入力データに応じた予測結果や判断を生成するための数理的な仕組みを指します。

この違いを身近な例で説明しましょう。皆さんのスマートフォンに入っている音声アシスタントを思い浮かべてください。あなたが「明日の天気は？」と話しかけると、音声を認識し、質問を理解し、天気情報を取得し、音声で回答してくれます。この一連の仕組み全体が「AIシステム」です。そのなかで、音声を文字に変換する部分、文字の意味を理解する部分、回答文を生成する部分――これらのひとつひとつが「AIモデル」に該当します。

つまり、AIモデルはエンジンであり、AIシステムはそのエンジンを搭載した自動車のようなものです。エンジン単体では走れませんが、車体やハンドル、ブレーキと組み合わせることで初めて「移動手段」として機能するのと同じです。

中小企業がAIを導入する際、多くの場合は「AIモデル」を自社で開発するのではなく、すでにモデルが組み込まれた「AIシステム」をサービスとして利用します。クラウド型の会計ソフトにAI機能が搭載されている、営業支援ツールにAIの提案機能が付いている、といった形です。自社が使っているのが「AIシステム」なのか「AIモデル」なのかを区別できると、サービス選定や責任の所在を考えるときに判断がしやすくなります。

生成AIという革新

そして、ここ数年のAIブームの中心にいるのが生成AIです。ガイドラインでは、生成AIを「文章、画像、プログラムコード等を生成できるAIモデルにもとづくAIの総称」と定義しています。

従来のAIは、与えられたデータを分類したり、数値を予測したりすることが主な役割でした。「この写真に写っているのは犬ですか猫ですか」を判別するAI、「来月の売上は何円になりそうですか」を予測するAI。これらは「分析するAI」と言えます。

生成AIは、ここから大きく飛躍しました。分析するだけでなく、新しいものを「作り出す」ことができるのです。ブログ記事の下書きを作る、商品の紹介画像を生成する、業務マニュアルの雛形を自動で書く。プロンプトエンジニアリングという技術を使い、AIへの指示の出し方を工夫するだけで、出力の品質を大きく向上させることもできます。

この「作り出す能力」こそが、中小企業にとってのゲームチェンジャーです。これまで外注していたコンテンツ制作の一部を社内で行える可能性が生まれ、コスト削減とスピードアップの両方が実現できます。

次世代技術の台頭——AIエージェントとフィジカルAI

AIエージェント：自分で考えて動くAI

ガイドラインで新たに明確に定義されたのが「AIエージェント」です。AIエージェントとは、特定の目標を達成するために、環境を感知し、自律的に行動するAIシステムのことです。

これまでのAIは「質問されたら答える」「指示されたら実行する」という受動的な存在でした。しかしAIエージェントは違います。目標を与えると、自分でその目標を達成するための手順を考え、必要な情報を集め、ツールを使い、結果を確認し、必要なら計画を修正する。人間が一つひとつ指示を出さなくても、自律的に動くのです。

たとえば、「来月の営業会議の資料を作って」と指示したとします。これまでのAIなら、あなたがデータを渡して、グラフの種類を指定して、文章の構成を決めて、というように細かく指示を出す必要がありました。AIエージェントなら、社内のデータベースから売上データを引き出し、前月比を計算し、グラフを作成し、要点をまとめた資料のドラフトを仕上げるところまでを、一気に行います。

私たち京谷商会では、AIスタッフ体制としてまさにこのAIエージェントの考え方を実践しています。各部署にAIスタッフを配置し、それぞれが専門領域の業務を自律的に遂行する体制を構築しています。記事の執筆、SEO分析、クライアント対応など、各AIスタッフが自分の専門分野で環境を把握し、判断し、行動する。ガイドラインが定義する「AIエージェント」の概念を、組織レベルで実装しているとも言えます。

中小企業の経営者にとって、AIエージェントの登場は大きなインパクトがあります。これまで「人を雇わなければできなかった仕事」の一部を、AIエージェントが担える時代が来ているのです。もちろん、すべての業務を任せられるわけではありませんが、定型的な業務プロセスの自動化や、情報収集・分析の効率化など、活用の幅は急速に広がっています。

フィジカルAI：画面の外に出てきたAI

もうひとつ注目すべき概念が「フィジカルAI」です。フィジカルAIとは、センサで物理環境の情報を取り込み、AIが推論・判断し、現実世界に対して直接的な働きかけ（移動、操作など）を行うシステムです。

従来のAIは基本的にデジタルの世界で完結していました。テキストを入力するとテキストが返ってくる、画像を入力すると分析結果が返ってくる。しかしフィジカルAIは、現実の物理空間で動きます。工場のロボットアームが製品の品質を自動検査する、倉庫のロボットが商品を棚からピッキングして配送準備をする、自動配送ロボットが店舗まで荷物を届ける。

「うちは製造業じゃないから関係ない」と思うかもしれません。しかし、フィジカルAIの影響範囲は製造業だけにとどまりません。たとえば、飲食店の配膳ロボット、ホテルの清掃ロボット、農業の自動収穫機、建設現場のドローン測量。業種を問わず、「人の手で行っていた物理的な作業」があるところには、フィジカルAIの導入余地があります。

現時点では大企業やスタートアップが先行していますが、ロボティクスのコストは年々下がっており、数年以内に中小企業でも手が届く価格帯のソリューションが増えてくると見込まれています。ガイドラインがフィジカルAIを明確に定義したのは、こうした近未来を見据えてのことです。

アライメントの重要性——AIの価値観を人間に合わせる

事後学習（ポストトレーニング）とは何か

ここまで、AIの「種類」を見てきました。次は、AIの「品質管理」に関わる重要な概念を取り上げます。それが「事後学習（ポストトレーニング）」です。

AIモデルの開発は、大きく2段階に分かれます。第1段階は「事前学習」で、インターネット上の膨大なテキストデータなどを使って、言語の構造や知識の基盤を学ばせます。これは数十億円規模のコストがかかる大がかりな作業で、主にOpenAIやGoogle、Anthropicといった大手AI企業が行っています。

第2段階が「事後学習」です。事前学習で汎用的な知識を身につけたAIモデルに対して、特定の用途に適応させるための追加学習を施します。たとえば、汎用的な言語モデルに医療文献のデータを追加学習させて医療特化AIにする、法律文書のデータを学習させて法務特化AIにする、といった具合です。

なぜアライメントが大切なのか

事後学習のなかでも、特に重要なのが「アライメント」と呼ばれるプロセスです。アライメントとは、AIの出力を人間の価値観や意図に沿うように調整することです。

事前学習だけのAIモデルは、いわば「膨大な知識を詰め込まれただけの存在」です。人間にとって有害な情報も、不正確な情報も、区別なく学習しています。このままでは、差別的な表現を平然と出力したり、危険な行為の手順を詳細に説明したりする可能性があります。

アライメントは、こうした望ましくない出力を抑え、人間にとって安全で有益な回答をするようにAIの振る舞いを調整する工程です。「人間の価値観をAIに教え込む」と言い換えてもよいでしょう。

ガイドラインがアライメントを明記しているのは、AIの安全性が「モデルの性能」だけでは担保できないことを示しています。どれほど賢いAIでも、適切なアライメントがなければ、社会に害を及ぼすリスクがあるのです。

中小企業が直接アライメントを行う機会は少ないかもしれませんが、AIサービスを選定する際に「このサービスのAIモデルはどのようなアライメントが施されているか」を確認することは、リスク管理の一環として有効です。信頼できるAIサービス事業者は、自社のアライメントプロセスについて公開情報を提供しているはずです。

定義を知ることがビジネスチャンスにつながる

ここまで、ガイドラインにおけるAIの定義を順に見てきました。「定義なんて学者の仕事だ」と感じた方もいるかもしれません。しかし、これらの定義を知ることには、実はとても実用的な意味があります。

まず、AIサービスの営業担当者との会話が変わります。「うちのAIは最先端です」と言われたときに、「それはAIシステムですか、AIモデルですか。エージェント型ですか」と質問できるだけで、営業トークに流されない判断ができるようになります。

次に、自社のAI戦略を立てやすくなります。「まずは生成AIで社内文書の作成を効率化し、次のステップでAIエージェントによる業務プロセスの自動化に進み、将来的にはフィジカルAIで物流の改善を目指す」というように、段階的なロードマップを描くことができます。

そして、ガイドラインの他の章を読むときの基礎力になります。この連載でも第3回以降で取り上げる「アジャイル・ガバナンス」や「人間中心の原則」を理解する際に、今回の定義が前提知識として役立ちます。

用語集——この記事で登場した専門用語

AIエージェントとは、特定の目標を達成するために、環境を感知し、自律的に判断・行動するAIシステムのことです。人間が逐一指示を出さなくても、目標に向かって自ら計画を立て、ツールを使い、結果を検証しながらタスクを遂行します。2026年現在、ビジネスの現場で最も注目されているAI技術のひとつです。

フィジカルAIとは、センサを通じて物理的な環境の情報を取り込み、AIが推論・判断を行い、ロボットアームや自律移動体などを通じて現実世界に直接作用するシステムの総称です。工場の自動検査、倉庫のピッキングロボット、自動配送車などが代表例です。

事後学習（ポストトレーニング）とは、事前学習済みのAIモデルに対して、特定の用途や目的に適応させるための追加学習を行う工程です。汎用モデルを医療や法務などの専門領域に特化させたり、安全性を高めるためのアライメント（価値観の調整）を施したりする作業がこれに含まれます。

アライメントとは、AIの出力や振る舞いを人間の価値観・意図・倫理観に沿うように調整するプロセスです。事前学習だけでは有害な出力をする可能性があるAIモデルに対して、安全で有益な応答をするように「価値観を教え込む」工程と言えます。

生成AIとは、文章、画像、音声、プログラムコードなど、新しいコンテンツを生成できるAIの総称です。従来の分析・予測型AIとは異なり、創造的な出力ができることが特徴です。LLM（大規模言語モデル）が代表的な技術基盤です。

AIシステムとは、自律性をもって動作し、学習する能力を含むソフトウェアを中心としたシステム全体のことです。AIモデル（エンジン）を搭載し、入出力のインターフェースやデータ連携機能などを組み合わせた、ひとつの完結した仕組みを指します。

参考資料

まとめ——次回予告

第2回では、ガイドラインにおけるAIの定義を整理しました。「AIシステム」と「AIモデル」の関係、「生成AI」がもたらした革新、「AIエージェント」と「フィジカルAI」という次世代技術、そして「事後学習」と「アライメント」というAIの品質管理の仕組み。これらの概念を理解しておくことで、AIツールの選定やリスク評価がぐっとやりやすくなります。

AIの定義は「学問的な知識」ではなく「ビジネスの武器」です。自社が使っているAIがどの範疇に入るのかを理解できれば、適切なリスク管理もでき、新たなビジネスチャンスも見えてきます。

第3回「変化に強い会社を作る『アジャイル・ガバナンス』」では、技術変化のスピードについていくための新しい管理手法「アジャイル・ガバナンス」を取り上げます。「一度ルールを決めたら終わり」ではなく、変化に合わせてルールも進化させていく考え方は、中小企業の経営にも大いに参考になるはずです。

この連載の記事一覧