AIとは
「AIとは何か」と聞かれて、ChatGPT のような対話AIだけを思い浮かべる人もいれば、ルールベースの自動化や統計モデルまで含めて考える人もいます。社内で言葉が揃わないと、AI導入の見積もり、PoC のスコープ、ベンダー選定がそれぞれ違う前提で進み、後から手戻りが起きます。本記事では、 IPA「AI白書」 や Stanford AI Index が共通して使う階層を踏まえ、BtoB 担当者が押さえるべき範囲だけに絞ってAIの全体像を整理します。
AI ⊃ 機械学習 ⊃ 深層学習 ⊃ LLM ⊃ AIエージェント、という入れ子で考えると整理が楽になります。社内で「AIを使う」と言うときの実体は、ほぼ常にこの一番内側の2層（LLM とそれを使ったAIエージェント）です。
01.まず結論：AIは階層構造で理解する
AIは1つの技術ではなく、複数の技術が時代を超えて積み重なってできた領域です。新しい層が出ても古い層が消えるわけではなく、各層は今も並行して使われています。ただし2026年5月時点で BtoB の現場が触れているのは、ほぼ常に最新層（LLM とAIエージェント）です。
| 層 | 意味 | 代表例 | BtoBでの典型用途 |
|---|---|---|---|
| AI（人工知能） | 知的に見える振る舞いをするシステム全般 | ルールベース、探索、ML、DL すべて含む | 包括的な議論の概念 |
| 機械学習（ML） | ルールではなくデータから学習する手法群 | 回帰、決定木、ランダムフォレスト、SVM | 需要予測、解約予測、レコメンド |
| 深層学習（DL） | 多層ニューラルネットを使う機械学習 | CNN、RNN、Transformer | 画像認識、音声認識、機械翻訳 |
| LLM（大規模言語モデル） | 大量テキストで事前学習した深層学習モデル | Claude、GPT、Gemini、Llama | 要約、執筆、コード生成、Q&A |
| AIエージェント | LLM に道具・記憶・権限を組み合わせた利用形態 | Claude Code、Cursor、ChatGPT Agent | 業務調査、コード修正、社内ツール操作 |
02.AIの階層図と各層の役割
各層は包含関係です。LLM は深層学習の一種、深層学習は機械学習の一種、機械学習はAIの一種。AIエージェントは「LLM を中核に据えた利用パターン」なので技術階層では LLM の外側ですが、実務上はセットで語られます。
知的に見える振る舞いをする計算機の総称。最も広い概念
ルールを人が書かず、データから学習させる方法群
多層ニューラルネットを使う機械学習。画像・音声・自然言語で実用化
大量のテキストで学習した大規模言語モデル。Claude / GPT / Gemini
LLM に道具・記憶・権限を組み合わせ、業務を進める利用形態
重要なのは「新しい層が古い層を置き換えた」ではなく「新しい層は古い層を内側に持つ」という関係性です。
例として「需要予測モデル」と「ChatGPT」を比べると、どちらもAIですが、前者は機械学習（深層学習を使うとは限らない）、後者は深層学習を使う LLM、と層が違います。社内で「AIを導入したい」と言われたら、最初に確認すべきは「どの層の話か」です。
03.過去のAIと現在のAIの違い
AI は 1950 年代から研究されてきたため、書籍やニュース記事には古い時期の AI 像が混ざります。エキスパートシステムや初期の機械学習を、今の生成 AI と同列に並べてしまうと、設計判断を間違えます。本章では時系列で「いまの主流」と「過去の話」を分けます。
オレンジで強調した行は、現在の AI 像に直結する転換点（AlexNet・Transformer・ChatGPT・推論モデル・2026 現在）。
現在の AI 像を作っている主要 LLM ファミリーの年表は、それぞれ別記事で詳しく整理しています。
Claude・Claude Code 進化の年表
2023〜2026 年の Claude モデルと Claude Code の進化を新しい順に。
ChatGPT・GPT モデル進化の年表
2018〜2026 年の GPT 系列・ChatGPT 機能拡張を時系列で。
OpenAI Codex 進化の年表
2021 年からのコード生成 AI（Codex 系）の歩み。
1950s–1980s：ルールベースAIと第1次・第2次ブーム
AIという言葉が生まれたのは 1956 年のダートマス会議です。当時から 1980 年代までの AI は、人間が if-then のルールを書き、それを大量に積み上げて知的な振る舞いを再現するアプローチが中心でした。エキスパートシステムが代表例で、医療診断や設備故障の判別などで実用化されました。
この時期の AI は「過去の話」です。ルールベース AI は今もエラーチェックや業務ルール判定で使われますが、生成 AI と同じ意味で「AI」と呼ぶと混乱を招きます。社内の AI 議論では、ルールベース AI は別カテゴリ（自動化、RPA、業務ルール）として扱うのが現実的です。
1990s–2010s：機械学習と深層学習の登場
ルールを人が書く限界が見えてきた 1990 年代以降、データから学習する機械学習が主流になりました。さらに 2012 年の AlexNet 以降、多層ニューラルネット（深層学習）が画像認識・音声認識・機械翻訳で人間並みの精度を出し始め、応用が広がります。
この時期に作られた需要予測・画像認識・音声認識のモデルは現在も現役です。ただし「学習データを集めて、目的特化のモデルを社内で作る」という従来パターンは、汎用 LLM が登場してからは選択肢の1つに位置付けが変わりました。
2017–2022：Transformer と LLM の本格化
2017 年に Google が発表した Attention is All You Need が、Transformer と呼ばれる新しいニューラルネット構造を提示しました。Transformer は長い文脈を扱えるため、事前学習＋ファインチューニングという新しいスタイルの自然言語処理を可能にし、BERT（2018）、GPT-2（2019）、GPT-3（2020）と急速に大規模化していきます。
ただし 2022 年 11 月の ChatGPT 公開までは、LLM は「研究者や開発者向けのモデル」でした。BtoB で「AIに何かを書かせる」発想自体が一般化していない時期です。
2023–2026：生成AIとAIエージェントの実用化
ChatGPT 公開以降、GPT-4、Claude 3 / 4 系、Gemini、Llama が相次いで登場し、企業導入の検証フェーズに入りました。2024 年以降はマルチモーダル化（テキスト＋画像＋音声）、長文コンテキスト化（100k〜1M トークン）、推論モデル化（chain-of-thought を学習に組み込む）が進み、2025 年からは Claude Code・Cursor・ChatGPT Agent などの「業務で動く AI エージェント」が普及しました。
2026 年 5 月時点で BtoB の現場が触っている AI は、ほぼ全てこの 2023 年以降の生成 AI／AIエージェントです。社内向けの説明では「AI」と一括りに言わず、「LLM ベースの生成 AI とそれを使った AIエージェント」と具体化すると、議論がぶれにくくなります。
04.BtoBで関係するのは主にLLMとAIエージェント
階層全体を理解したうえで、BtoB の文脈ではどの層に集中すべきかを整理します。社内で「AI 活用」が議題に上がるときは、ほぼ常に最下層（LLM＋AIエージェント）の話です。
| 層 | BtoBでの主な担当 | 意思決定者の関心 |
|---|---|---|
| 機械学習・深層学習 | データサイエンスチーム、専門ベンダー | 予測精度、データ整備コスト、運用 |
| LLM | 事業部門＋開発、AI 推進担当 | 業務での使いやすさ、出力品質、API コスト |
| AIエージェント | 事業部門＋開発＋情シス | 権限境界、監査ログ、業務統制 |
本「基礎知識集」が扱うのは主に LLM とAIエージェントの層です。機械学習・深層学習の社内モデル開発は別領域として整理し、混ぜないことをおすすめします。
LLM（大規模言語モデル）とは｜学習・トークン・コンテキストウィンドウ・推論の仕組み
LLM の中身（学習・推論・トークン・コスト）を別記事で整理しています。あわせてご覧ください。
AIエージェントとは｜AIアシスタント / ワークフロー / エージェントの定義と境界
AIエージェントの定義と境界線は別記事で詳しく整理しています。あわせてご覧ください。
05.よくある誤解と現場での扱い方
| 誤解 | 実際 | 現場での扱い方 |
|---|---|---|
| AI＝生成AI | 生成AIはAIの一部。機械学習も深層学習もAI | 議題に応じて層を明示する |
| AI＝チャットボット | チャットボットはAIの利用形態の1つに過ぎない | 対話UIだけがAIではないと社内共有する |
| AIエージェント＝自律で何でもやる | 実務で動く AI エージェントは権限境界と承認を持つ | 汎用エージェント幻想（過去の話）と分けて議論 |
| AIを入れれば置き換わる | 層によって置き換え可否が大きく異なる | 業務分解してから AI 化対象を決める |
| LLM はデータベースを持っている | LLM は確率的なトークン予測器であり、内蔵DBではない | 事実根拠は RAG や検索ツールで別途渡す |
2023 年前後に話題になった AutoGPT・BabyAGI のような「目標だけ渡せば AI が完全自律で達成する」というイメージは、2026 年現在の業務 AI とは別物です。現実に動いている AI エージェントは、Claude Code や Cursor のように、人間が承認しながら段階的に作業させる設計が主流です。
06.よくある質問（FAQ）
AIと機械学習と深層学習は何が違いますか？
AI は最も広い概念、機械学習はそのうちデータから学習する手法群、深層学習はさらにそのうち多層ニューラルネットを使う手法です。新しい層が古い層を置き換えたのではなく、AI ⊃ 機械学習 ⊃ 深層学習 という入れ子の包含関係になっています。
生成AIとAIエージェントは同じですか？
違います。生成AIはテキストや画像を生成する技術（中心はLLM）で、AIエージェントはその生成AIに道具・記憶・権限・評価を組み合わせ、業務を観察→判断→実行で進める利用形態です。生成AIはモデル名で、AIエージェントは使い方の設計を指します。
ChatGPTやClaudeを使えば、AIを導入したことになりますか？
個人で ChatGPT や Claude を使えるのは AI の体験段階で、組織として導入するには別の設計が必要です。アカウント配布・権限・ログ・出典確認・業務 KPI・社内ルールを揃えないと、AI を使っていても組織能力にはなりません。詳しくは AI 導入 KPI とガバナンスの記事で整理しています。
ルールベースAIや業務自動化もAIですか？
ルールベースAI・統計モデル・RPAも広義にはAIに含まれますが、2026 年現在「AI活用」と社内で言うときの実体はほぼ LLM ベースの生成 AI です。議論時は「自動化（RPA/ルール）」「予測モデル（ML/DL）」「生成AI／AIエージェント（LLM）」をカテゴリで分けると認識が揃います。
AIの歴史を遡って勉強したほうがよいですか？
BtoB の実務担当者は、過去の話と現在の話の分かれ目（Transformer 2017 / ChatGPT 2022）を押さえれば十分です。エキスパートシステムの細部や 1980 年代のAI冬の時代までを追う必要は通常ありません。社内議論で「いまのAI」と言うときは 2023 年以降の生成AI／AIエージェントを指す、と認識を揃えるのが先決です。
07.まとめ
AI は階層構造で理解すると整理しやすくなります。AI ⊃ 機械学習 ⊃ 深層学習 ⊃ LLM、その上に AIエージェントという利用形態が乗ります。社内で「AI を入れる」と言うときの実体は、ほぼ常に最新の 2 層（LLM ベースの生成 AI と AIエージェント）です。
歴史的に見ると、ルールベース AI（〜1990s）、機械学習・深層学習（1990s〜2010s）、LLM・生成 AI・AIエージェント（2017 以降）と層が積み上がってきました。ニュースや書籍で「AI」とだけ書かれている場合、いつの時代の AI を指しているかを必ず確認すると、議論がぶれません。
本記事の次は、最も実務に近い 2 層（LLM と AIエージェント）をそれぞれ別記事で詳しく扱います。
AI活用の入口を社内向けに整えませんか
AI 活用や AI エージェント導入のご相談、PoC、伴走支援をご検討の方は、お気軽にお問い合わせください。
