メールを迷惑メール用のフォルダーに振り分ける機能と、イベントの案内文を作る機能。どちらも「AIを使っています」と紹介されると、同じ仕組みで同じことができるように感じるかもしれません。文章を作るAIを知ってから、ほかのAIにも話しかければ何でも頼めるのかと疑問に思うのは、自然なことです。

一言で整理すると、AIは技術の広い呼び名で、機械学習はデータからパターンを学ぶ方法、生成AIは文章や画像などを作るAIです。Google Cloudは機械学習をAIの一部と説明し、IBMは生成AIを文章や画像などの内容を生成するモデルとして説明しています。三つは、同じ位置に並ぶ別々の製品名ではありません。（出典: Google Cloud、IBM）



ここで押さえたいのは、名前の新しさよりも、何をするための技術かという違いです。「AI」という表示だけでは、メールを分類するのか、数値を予測するのか、文章を作るのかまでは分かりません。Google Cloudの説明でも、AIは言語への応答やデータの分析、推薦などを含む広い分野として扱われています。（出典: Google Cloud）

この記事では、架空の地域イベントの事務局を例に、届いたメールを分ける仕事と、参加者向けの案内文を作る仕事を考えます。実在するサービスの操作例や検証結果ではなく、用語の違いをつかむための例示です。読み終えたときに「これは何をするAIなのか」と一歩具体的に尋ねられれば、三つの言葉を丸暗記する必要はありません。

AIと機械学習の関係は、大きな傘と、その下に入る技術で考えると整理しやすくなります。Google Cloudも、AIを幅広い方法を覆う傘にたとえています。AIという傘の下に機械学習がありますが、傘の中身がすべて機械学習というわけではありません。AIの範囲には、ほかの方法や分野も含まれると説明されています。（出典: Google Cloud）

このたとえで気をつけたいのは、「AI」「機械学習」「生成AI」という三本の傘を横に並べないことです。AIは広い範囲を表す言葉です。その中で、データを使ってパターンを学ぶ方法が機械学習です。生成AIも広い意味ではAIに含まれますが、「何かを作り出す」という働きに注目した呼び名として捉えると、入口で混乱しにくいでしょう。（出典: Google Cloud、IBM）



IBMは、この関係を説明する途中に「深層学習」という技術も置いています。深層学習は、複数の層を持つ仕組みを使う機械学習の一種です。同資料では、生成AIをこの深層学習に基づくモデルとして説明しています。ここでは詳しい構造まで覚えず、生成AIもデータから学ぶ技術のつながりの中にある、と押さえれば十分です。（出典: IBM）

つまり、「これはAIですか、生成AIですか」という問いには、「両方に当てはまります」という答えもあり得ます。広い分類と、その中の特徴を表す分類は両立するためです。資料を読むときは、その言葉が技術全体を指しているのか、学ぶ方法を指しているのか、出力の特徴を指しているのかを見分けると、説明の位置づけがつかみやすくなります。

架空のイベント事務局に、参加申し込みや問い合わせに交じって迷惑メールが届く場面を考えます。担当者が過去のメールに「通常のメール」「迷惑メール」という正解の印を付け、その例を使って分類のパターンを学ばせる、という設定です。これは、IBMが説明する教師あり学習を、身近な仕事に置き換えた例になります。（出典: IBM）

教師あり学習とは、入力する例と正解を組み合わせて学ばせる方法です。「教師」は、画面の向こうに人がいて毎回答えを教えるという意味ではありません。学習用の例に正解の印があることを表しています。IBMによれば、こうした学習では入力と正解の関係を学び、まだ見ていないデータに対して分類などを行うことを目指します。（出典: IBM）



ここで登場する「モデル」は、データを使った学習によって得られる、分類や予測に使う仕組みです。Google Cloudは、機械学習モデルを、学習用データに対して学習の手順を実行した結果として説明しています。初心者のうちは、「例から得たパターンを、新しい入力に当てはめるためのもの」と捉えると理解しやすいでしょう。（出典: Google Cloud）

この例での出力は、「通常のメール」「迷惑メール」という分類結果です。丁寧な返信文を作ることは、例に設定した役割には含めていません。同じメールを扱う仕事でも、分類できることと、文章を書けることは分けて考える必要があります。

なお、機械学習のすべてが、このように正解付きの例を使うわけではありません。IBMは複数の学習方法を紹介しています。ここでは全種類を覚えるよりも、「機械学習は、データから学ぶ方法を指す言葉です」という中心を押さえてください。（出典: IBM）

同じ事務局で、今度は参加者に送る案内文が必要になったとします。欲しいのはメールの分類結果ではなく、読む人に伝わる文章です。IBMは生成AIについて、利用者の依頼に応じて文章、画像、動画、音声などを作るモデルと説明しています。「分ける」例に対して、「作る」例を置くと、働きの違いが見えてきます。（出典: IBM）

利用者が入力する依頼や指示は「プロンプト」と呼ばれます。難しい記号や特別な書式を思い浮かべる必要はありません。IBMの説明では、生成AIはこうしたプロンプトや要求に応じて内容を生成します。以下は特定の製品の操作手順ではなく、案内文作成を頼む場合の架空の入力例です。（出典: IBM）



> 地域の読書会に初めて参加する人へ送る案内文の下書きを作ってください。会場は中央公民館、持ち物は好きな本を一冊です。開催日時は未定なので、本文には「日時は後日お知らせします」と書いてください。親しみやすい、です・ます調にしてください。

この例では、伝えたい事実と、文章の用途を分けて指定しています。生成された文面を確認するときも、「読みやすいか」だけでなく、「会場や持ち物が入力した条件と一致しているか」を見る、という使い方を提案できます。実際の生成結果や効果を検証した例ではありません。

IBMによれば、生成モデルは学習データの特徴や関係を表す情報を使い、元のデータに似ていても同一ではない内容を作ります。この説明を踏まえると、生成AIは完成済みの案内文を一つ選ぶだけのものとは捉えにくいでしょう。利用する側は、出てきた文章をそのまま完成品と決めず、目的に合うかを確かめる下書きとして扱うと判断しやすくなります。（出典: IBM）

ここまでの二つの例には、見ている位置の違いがあります。「機械学習」は、データからパターンを学ぶ方法に注目した言葉です。「生成AI」は、文章や画像などを作る働きに注目した言葉です。そのため、機械学習と生成AIを、どちらか一方しか選べない対立関係として考えると混乱します。IBMの説明でも、生成AIは機械学習や深層学習とのつながりの中で紹介されています。（出典: IBM）

整理用に、この記事で扱った範囲を表にまとめます。用途の欄は、理解のために設定した架空の例です。

| 言葉 | 注目する点 | 架空の事務局での例 |
| --- | --- | --- |
| AI | 技術の広い範囲です | 分類や文章作成を含む技術の総称です |
| 機械学習 | データから学ぶ方法です | 正解付きのメールから分類のパターンを学びます |
| 生成AI | 内容を作る働きです | 条件に沿って案内文の下書きを作ります |



「生成AIではないなら、機械学習も使っていません」という理解にも注意が必要です。メールの分類のように、文章や画像を作ることを目的としない機械学習の使い道もあります。IBMは、正解付きデータによる分類や予測を機械学習の説明に挙げています。生成するかどうかだけでは、機械学習を使っているかまでは判断できません。（出典: IBM）

反対に、文章を表示する画面を見ただけで、その内部の技術まで特定することも避けたいところです。この記事の例は、役割の違いを理解するために単純化しています。実際のサービスを検討する際には、表示された「AI」という言葉から想像を広げるより、公式説明で対象の機能と用途を確かめることを提案します。用語の理解は、仕組みを見抜くためというより、確認すべき点を具体的にするために役立ちます。

身近なサービスで「AI搭載」という言葉に出会ったら、最初から細かな技術名を調べなくても構いません。何を入力し、どのような結果を得る機能なのかを、短い言葉に置き換えてみてください。「メールを入れると分類結果が出ます」「条件を伝えると案内文の下書きが出ます」という整理なら、利用経験が少なくても考えやすいでしょう。

架空の事務局の例では、困りごとが「必要な問い合わせを見つけにくい」なら分類が検討対象になります。「参加者向けの文章をまとめられない」なら、文章生成が検討対象になるかもしれません。これは利用方法の提案であり、導入効果を保証するものではありません。同じ「メールの仕事」という括りでも、求める結果を一段具体的にすると、確認したい機能が変わります。



確認するときは、次の三点をメモする方法を提案します。

- 入力するものは何でしょうか。メール本文、数値、文章作成の条件などを具体的にします。
- 欲しい結果は何でしょうか。分類、予測、文章の下書きなど、目的を一つ選びます。
- 結果のどこを人が確認するのでしょうか。分類先や、案内文に含まれる日時・会場などを決めます。

AIの範囲は広く、機械学習はデータから学ぶ方法で、生成AIは内容を作るAIとして説明されています。この違いを知っていれば、「AIだから文章も書けるはずです」と期待を広げすぎずに、必要な働きを尋ねられるでしょう。（出典: Google Cloud、IBM）

手始めに、普段の仕事や生活で少し困っている作業を一つ選び、「分けたいのか、予測したいのか、作りたいのか」と書いてみてください。その一行を持ってサービスの公式説明を読むと、名称を覚えるだけでは見えなかった、目的との接点を探しやすくなります。

- What Is Artificial Intelligence (AI)? | IBM — 提供資料の記載では、公開日は2024年8月9日、更新日は2026年10月2日です。資料の取得日は2026年11月9日です。
- AI vs. Machine Learning: How Do They Differ? | Google Cloud — 提供資料には公開日・更新日の記載がありません。資料の取得日は2026年11月9日です。