AI LAB

Insights and Innovations

ISMのAIツール

無料で文字起こしをはじめる
AIキーワード辞書気になる用語を、わかる言葉に。英語・日本語で検索できます。

点線の用語から説明を表示できます

Sus8システム
2026/11/19
今更聞けないAI知識
AIはどれも文章や画像を作れる?「見分けるAI」と「生成するAI」の違い

この記事の要点

生成AIは、文章や画像などを作るAIの一種です。架空の迷惑メールの振り分けと案内文の作成を比べながら、「見分ける仕事」と「作る仕事」の違いを説明します。「AI搭載」という表示から、機能の役割と確認すべき点を読み取る見方を紹介します。

目次
「AI搭載」だけでは、何ができるか分かりません


メールを自動で振り分ける機能にも、案内文の下書きを作るサービスにも、「AI」という言葉が使われます。どちらもAIなら、迷惑メールを見分ける機能に文章作成を頼めるのでしょうか。名前が同じために、できることまで同じに見えてしまうかもしれません。

一言で答えると、生成AIは、文章や画像などを作るAIの一種です。AIという言葉そのものが、文章や画像を作れることを意味するわけではありません。IBMの公式解説では、AIを、学習や問題解決、意思決定などに関わる働きをコンピューターで実現する技術として説明し、生成AIを文章や画像、音声などの内容を生成する技術として紹介しています。(出典: IBM)



ここで知りたいのは、難しい技術の名前よりも、その機能が何をするかです。たとえば、届いたメールを迷惑メール用の場所へ分けることと、来店客に送る案内文を作ることでは、求める結果が違います。前者は既存のものを見分ける仕事で、後者は文章を組み立てる仕事です。この違いを押さえると、「AIだから何でも頼めるはず」という期待を整理しやすくなるでしょう。

この記事では、二つの仕事を架空のメール業務に置き換えて考えます。実在するサービスの操作例や、試して得られた結果ではありません。手元の製品に「AI搭載」と書かれていたとき、どの説明を読めば自分の目的に合うか判断できるようになることが、ここでの目標です。
AIは道具箱、生成AIはその中の道具です


AIと生成AIの関係は、道具箱と、その中に入っている道具にたとえると分かりやすくなります。道具箱には、切る道具も、測る道具も、留める道具も入ります。「道具を使います」と聞いただけでは、何をするのか決まらないでしょう。AIも同じで、その言葉だけでは具体的な役割を特定できません。

Google Cloudの公式解説では、AIを幅広い技術を含む概念として扱い、その一部に機械学習を位置づけています。機械学習とは、データに含まれるパターンを学び、判断や予測に使うための方法です。AIと機械学習は関係していますが、同じ意味の言葉ではないと説明されています。(出典: Google Cloud)



IBMの整理では、機械学習の一部に深層学習があります。深層学習は、複数の層を持つ仕組みでデータの複雑な特徴を扱う方法です。同社は、文章や画像などを作る生成AIについて、この深層学習を使うモデルとして説明しています。モデルとは、学習によって得られたパターンを、判断や生成に使える形にした仕組みと捉えるとよいでしょう。(出典: IBM、Google Cloud)

ただし、これらの用語を一度に暗記する必要はありません。今回の疑問に答えるうえでは、「AIが広い呼び名で、生成AIはその一種」という関係が出発点です。生成AIが登場したから、それまでの見分ける機能や予測する機能が、すべて文章を作る機能に変わったわけではありません。

道具箱のたとえにも限界があります。実際の製品では、複数の機能を組み合わせる場合があるためです。そのため、製品全体に一つの名前を当てはめることより、「この機能は見分けるためのものか、作るためのものか」と、機能ごとに考えるほうが役立ちます。
迷惑メールの振り分けは「見分ける」仕事です


架空の店舗で、問い合わせ用のメールを受け取っている場面を考えます。注文の相談や営業時間の質問に交じって、不審な広告メールも届きます。ここで欲しいのは、新しい文章ではありません。届いたメールを確認し、通常の受信箱に置くか、迷惑メール用の場所へ分けるかという判断です。

このように、入力されたものを種類ごとに分ける処理を「分類」と呼びます。IBMは機械学習の説明で、人が分類の目印を付けたデータを使って学習し、まだ見ていないデータの分類を予測する方法を紹介しています。過去の例から入力と分類先の関係を学ぶ、という考え方です。(出典: IBM)



架空の例では、「通常のメール」「迷惑メール」という目印を付けた過去のメールが、学習用の見本に相当します。学習後の仕組みに新しいメールを渡すと、どちらに当てはまりそうかを判断する、という流れを想像してください。これは仕組みを理解するための例示であり、特定のメールサービスが実際にどのデータや方法を使っているかを示すものではありません。

大切なのは、結果の役割です。この例の結果は、メールの分類先です。相手への返信文や、店舗の案内文を新しく作ることは、この分類の仕事には含めていません。画面に「迷惑メール」という文字が表示されても、その文字表示だけを理由に、文章を生成するAIだとは判断できないでしょう。

利用する側の確認も、分類の目的に合わせて考えられます。たとえば運用の提案として、大切な問い合わせが別の場所に分けられていないかを確かめる方法があります。「文章が自然か」より「必要なメールが適切に分けられているか」を見るほうが、この機能を評価する問いとして具体的です。
案内文の下書きは「作る」仕事です


同じ架空の店舗で、今度は営業時間の変更を知らせる案内文が必要になったとします。変更内容は決まっていますが、どの順番で書けば伝わるか、どの程度丁寧にすればよいかがまとまりません。ここでは、既存のメールを二つに分けるだけでは用が足りないでしょう。条件に沿った文章の下書きが必要です。

IBMの公式解説によると、生成AIは、利用者の指示や依頼に応じて文章や画像などを生成するモデルです。学習データのパターンや関係を表す仕組みを使い、新しい内容を組み立てると説明されています。依頼するために渡す文章などの入力は「プロンプト」と呼ばれます。(出典: IBM)



たとえば、次の文章は入力の提案です。「架空の店舗のお知らせ文を作ってください。来週の水曜日は営業時間を午前10時から午後3時に変更します。来店予定のお客様向けに、変更内容がすぐ分かる丁寧な文章にしてください。理由や連絡先は追加しないでください」。実際に操作した記録ではなく、依頼内容を具体化するための例として示しています。

この例では、「何の文章か」「誰に伝えるか」「必ず含める情報」「加えない情報」を分けています。単に「いい感じの案内を書いて」と頼むより、完成した文章を何と照らして確認するかが明確になるでしょう。ただし、この書き方で必ず希望どおりの結果になることを保証するものではありません。

確認する対象も、先ほどの分類とは変わります。営業時間が入力どおりか、変更対象の日が伝わるか、不要な理由が加わっていないかを読んで確かめます。文章を作るという役割と、その文章を実際に使ってよいか判断することは、別々に考える必要があります。
「生成AIなら何でも作れる」という誤解もあります


「AIがすべて生成AIではない」と分かると、今度は「生成AIなら文章も画像も音声も、すべて作れる」と考えてしまうかもしれません。しかし、生成AIという分類は、個々の製品で利用できる機能を一覧にした名前ではありません。できることは、対象となるモデルや製品の説明で確かめる必要があります。

IBMは、文章生成を主な用途とするモデルに加え、画像、動画、音声や音楽を扱うモデル、複数の種類の内容を扱うモデルを紹介しています。生成AIという言葉には異なる対象を扱う仕組みが含まれるため、一つのサービスにすべての生成機能がそろっているとは、この分類だけでは判断できません。(出典: IBM)



もう一つ混同しやすいのが、機能の名前と、結果を確認する基準です。架空の店舗の例では、メールを分けたいのに案内文を作る機能を選んでも、目的が一致しません。反対に、お知らせの下書きが欲しい場面で、迷惑メールの判定機能が優れていると説明されても、その説明だけでは文章作成の役に立つか分からないでしょう。

この違いを整理するための、架空の比較を示します。

| 見る点 | メールを見分ける例 | 案内文を作る例 |
| --- | --- | --- |
| 目的 | メールを種類ごとに分けることです | 伝える内容を文章にすることです |
| 入力の例 | 届いたメールです | 営業時間と文章の条件です |
| 結果の例 | 通常か迷惑メールかの分類です | お知らせ文の下書きです |
| 人が確かめる点 | 必要なメールが別に分けられていないかです | 日時や内容が指定と合っているかです |

生成する機能がある場合でも、分類する機能より上位だと考える必要はありません。用途が異なれば、欲しい結果も違います。派手な出力かどうかより、自分が済ませたい仕事と結果が合っているかを見ることが、道具選びの基準になるでしょう。
明日は「AIですか」より「何をする機能ですか」と確かめます


身近な製品でAIという表示を見つけたら、すぐに専門用語を調べ尽くす必要はありません。最初の一歩として、その機能の説明から、何を受け取り、どんな結果を返すのかを探してみてください。「AIで便利になります」という言葉だけでは分からなかった役割を、具体的な動作に置き換えて読めるようになるでしょう。

IBMの解説では、AIの働きとして、対象の識別、言葉への応答、推薦など、内容の生成以外の用途も紹介されています。Google Cloudも、AIを幅広い技術を含む概念として説明しています。つまり、AIという表示を見て文章作成の機能を想像する前に、その製品がどの役割を担うのかを確認する読み方が役立ちます。(出典: IBM、Google Cloud)



確認のしかたとして、次の四つの問いを提案します。

- 自分がしたいのは、見分けること、予測すること、作ることのどれですか。
- その機能には、何を入力する必要がありますか。
- 返ってくるのは、分類、予測、文章などのうち、どんな結果ですか。
- その結果を使う前に、何と照らし合わせればよいですか。

たとえば店舗のお知らせを作りたいなら、説明欄で文章の下書きを作る機能があるかを探します。届くメールを整理したいなら、分類や振り分けに関する説明を確認するほうが目的に合うでしょう。これは製品選びや説明書の読み方への提案であり、特定のサービスの提供条件を示すものではありません。

参考にした資料は、2026年11月19日に取得されたものです。IBMの記事には2024年8月9日公開、2026年10月2日更新と記載されています。取得日を新機能の発表日と取り違えず、ここでは基礎的な関係を確認する資料として扱っています。(出典: IBM)

明日は、普段使っている製品のAI機能を一つ選び、その役割を「何を受け取り、何を返すか」の一文にしてみてください。「AIが付いています」で止まっていた理解を、「この場面で、この仕事をする機能です」と言い換えることから始められます。

ISM AI CONSULTING

AIを、自社の業務で
使える仕組みに。

ISM株式会社は、システム開発で培った技術と現場理解をもとに、AIの業務活用を支援します。課題の整理から導入・運用まで、貴社に合う進め方を一緒に考えます。

  • 活用テーマの整理
  • 業務への組み込み
  • 導入後の定着
AI活用について相談する

「何から始めるか」のご相談から承ります。

AI LAB 一覧へ戻る