# AIコンサルタントを目指す人が学ぶべき16の用語（と使ってはいけない4つの用語）

> Published: 2026-08-14
> Updated: 2026-08-14
> Author: Jackson Mclean
> Category: POS
> Canonical: https://finalpos.com/ja/blog/ai164

トークンやRAG、MCP、evals（評価）から、クライアントの信頼を密かに損なう4つのバズワードまで。AIコンサルタントを目指す人がプロフェッショナルとして認められるための16の用語を解説します。

16の用語は次の通りです。大規模言語モデル（LLM）、トークン、コンテキストウィンドウ、推論、プロンプト、システムプロンプト、検索拡張生成（RAG）、ファインチューニング、埋め込み（Embedding）、エージェント、MCP、オーケストレーション、ヒューマン・イン・ザ・ループ、ハルシネーション、ガードレール、evals（評価）。やめるべき4つの用語は、「AI搭載（AI-powered）」、「貴社のデータで学習済み（trained on your data）」、「AGI」、「100%正確（100% accurate）」です。AIコンサルタントを目指す人は、成果よりも先に語彙力で判断されます。なぜなら、初回面談で見込み客が確認できるのは語彙だけだからです。これらの定義は2026年8月の公開時点のものです。この分野の進歩は速いため、具体的な内容は現時点でのスナップショットとして捉えてください。

## モデルの核となる用語とは？

4つの用語がマシンそのものを説明しています。これらを正確に理解すれば、他の概念もスムーズに整理できるようになります。

1. 大規模言語モデル（LLM）：ChatGPT、Claude、Geminiの背後にあるエンジンであり、膨大なテキストデータで学習し、言語の次の塊（単語や文脈）を予測するモデルです。クライアントが「AI」と言うとき、通常はこれを指しています。
2. トークン（Token）：モデルが読み込み、課金の単位とするテキストの小さな単位で、通常は1単語よりも少し短い単位です。APIの価格設定（モデルへの従量課金アクセス）はトークン単位で提示されるため、これは雑学ではなくコストに関する重要な用語です。
3. コンテキストウィンドウ（Context window）：モデルの作業メモリであり、一度に考慮できるテキストの量を示します。クライアントから「なぜAIが規定マニュアルの40ページ目を『忘れてしまった』のか」と聞かれた場合、通常はこのコンテキストウィンドウが原因です。
4. 推論（Inference）：学習とは異なり、回答を得るために学習済みモデルを実行することを指します。推論とは、プロジェクトの運用開始後もクライアントが毎月支払い続ける継続的な費用のことです。

## より良い回答を得るための用語とは？

5つの用語は、汎用モデルを特定のビジネスに役立つものにするための技術に関するものです。

1. プロンプト（Prompt）：モデルに与える指示のことです。現在では文章による説明からプロダクト全体が構築できるようになっており、[プロンプトベースのビルダー](/blog/final-pos-flow-studio)は1つの段落を動作するソフトウェアへと変換します。そのため、プロンプトは単なるチャットメッセージではなく、今や成果物なのです。
2. システムプロンプト（System prompt）：ユーザーが何も入力する前にモデルが受け取る常駐の指示です。小規模事業者向けに販売されている「カスタムAIアシスタント」の多くは、仕組みとしては既存モデルの上にシステムプロンプトを乗せただけのものです。価格設定をする前にこの構造を理解しておきましょう。
3. 検索拡張生成（RAG）：質問時に最も関連性の高いドキュメントを取得し、モデルに渡す手法です。これにより、モデル自体に変更を加えることなく、クライアントのマニュアルや規定に基づいてモデルに回答させることができます。
4. ファインチューニング（Fine-tuning）：新しい例を使って学習させることで、モデルの重み（内部設定）を実際に変更することです。費用が高く、更新が遅く、最初に選択すべき手段となることは滅多にありません。クライアントが「学習」と呼ぶ作業のほとんどは、実際にはRAGです。
5. 埋め込み（Embedding）：意味の近い言葉が近くに配置されるように、テキストを数値のリストに変換したものです。埋め込みはRAGが検索するインデックスであり、これなしでは「関連ドキュメントの検索」は機能しません。

![整理された棚から1つのフォルダを取り出す人物（検索拡張生成（RAG）の比喩）](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/ba2aaedcbd614b3a-rag-retrieval-folders-inline.png)

## AIが実際に作業を開始したときに重要となる用語とは？

回答させるのは簡単です。次の4つの用語は、アクションを実行するAIに関するものであり、これこそがAIコンサルティング案件の目指す方向性です。

1. エージェント（Agent）：1つの回答を返すだけでなく、目標に向けてループで作業するAIです。計画を立て、ツールを使い、結果を確認し、やり直します。エージェントではエラーが蓄積しやすいため、このリストの最後の3つの用語（管理や評価に関する項目）に請求価値が生まれます。
2. MCP (Model Context Protocol)：AIアプリケーションを外部のツールやデータに接続できるようにする[オープン標準](https://modelcontextprotocol.io)で、AIにおけるUSB-Cポートによく例えられます。2024年末にAnthropicによって開始され、現在はLinux Foundation傘下の[Agentic AI Foundationによって管理されており](https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation)、ChatGPT、Claude、Cursor、Microsoft Copilotなどでサポートされています。クライアントからの「うちのシステムとAIを連携できますか？」という質問のほとんどは、今やMCPを通じて解決されます。
3. オーケストレーション（Orchestration）：複数のモデル、ツール、ステップを1つのワークフローに調整することです。どのモデルが何をどの順序で担当するか、ステップが失敗したときにどうするかなどを制御します。
4. ヒューマン・イン・ザ・ループ（Human in the loop）：AIの作業が影響を及ぼす前に、その結果を人間がレビューする仕組みのことです。その人物をプロセスのどこに配置するかを決定することこそが、クライアントがコンサルタントに対価を支払う設計判断となります。

![いくつかの異なるデバイスを接続する1本の標準ケーブル（Model Context Protocolの比喩）](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/886ffdbaa7baf10a-mcp-universal-connector-inline.png)

## クライアントのプロジェクトのトラブルを防ぐ用語とは？

最後の3つの用語は、単なるAIファンではなくプロフェッショナルとして話すためのものです。

1. ハルシネーション（Hallucination）：自信満々で滑らかな口調で出力される誤った回答のことです。これはこれらのシステムにおいて通常の失敗モードであり、特定のベンダーが密かに解決したバグではありません。
2. ガードレール（Guardrails）：システムが発言・実行できる範囲に対する厳格な制限のことです。拒否するトピック、実行できないアクション、超えてはならないしきい値などを定義します。
3. Evals（評価）：Evaluationsの略で、変更の前後で既知のケースに対してAIシステムをスコアリングする再現可能なテストのことです。evalsなしでAIシステムを販売するのは、感覚だけで商売しているようなものです。この用語は案件の受注に大きく貢献します。

![印刷されたページを手作業でチェックするレビュアー（AIコンサルタントが設計するヒューマン・イン・ザ・ループの工程）](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/624d8021204fc3c0-human-in-the-loop-review-inline.png)

## 使うのを避けるべき4つの用語とは？

以下の用語はそれぞれ異なる理由で、見込み客からの信頼を損ねることになります。

1. 「AI搭載（AI-powered）」：具体的に何を意味するかが示されておらず、どの提案資料にも書かれています。代わりに具体的な仕組みを説明しましょう（「社内ドキュメントに対するRAG」、「人間によるレビューを挟むエージェント」、「ファインチューニングされた分類器」など）。
2. 「貴社のデータで学習済み（Trained on your data）」：大抵は事実ではありません。ほとんどのクライアントシステムは学習ではなくRAGや長いコンテキストウィンドウを使用しています。また、この言葉はプライバシー上の懸念を引き起こし、その払拭に面談の時間を費やすことになります。実際にファインチューニングを行っている場合を除き、「貴社のデータに基づいている（grounded in your data）」と表現しましょう。
3. 「AGI」：汎用人工知能は研究上の議論であり、案件の要件定義（スコープ設定）に使う用語ではありません。クライアントから質問された場合は誠実に答えて構いませんが、裏付けのない予測を招くため、提案の軸に据えるべきではありません。
4. 「100%正確（100% accurate）」：同様に「ハルシネーションゼロ（hallucination-free）」も避けてください。誰も誠実に保証できない約束です。代わりに自身で実施したevalsから測定されたエラー率を提示しましょう。約束されたゼロよりも、実際の数値の方が案件の成約につながります。

## では、実際に最も重要な用語はどれか？

クライアントとの会話で重要となる4つの用語を挙げるとすれば、RAG、エージェント、MCP、そしてevalsです。つまり「システムが知っていること」、「実行できること」、「接続先」、そして「正常に機能していることを証明する方法」です。この4つを完璧に理解し、残りは必要に応じて使いましょう。目安として、クライアントに対して1文で定義できない用語は、提案から外すのが懸命です。

実際の案件でこれらの用語がどのように使われるか確認するには、[AIコンサルタントが社内SaaSリプレイスのスコープを策定する方法](/blog/scoping-an-in-house-saas-replacement)をお読みください。言葉での説明と実演の違いを体感するには、MCP経由で[ご自身のAIを接続し](https://finalpos.com/help/connect-your-own-ai-mcp)、Finalのビルダーで[プロンプトが機能するPOSへと変わる様子](/blog/claude-cowork-double-usage-ends-august-5)をご覧ください。また、クライアントが加盟店である場合は、対話のもう半分をカバーする[新しく加盟店となった方が知っておくべき30のPOS用語](/blog/pos-terminology-30-terms-new-merchants)も併せてご確認ください。

## FAQ

**Q: RAGとファインチューニングの違いは何ですか？**
A: RAGは質問時に関連ドキュメントをモデルに渡します。一方、ファインチューニングは新しい例で学習させることでモデル自体を変更します。RAGの方が安価で更新も早く、ほとんどのクライアントプロジェクトで最初に検討すべき選択肢です。

**Q: AIコンサルティングにおいてMCPとは何の略ですか？**
A: Model Context Protocol（モデル・コンテキスト・プロトコル）の略で、AIアプリケーションが外部のツールやデータに接続できるようにするオープン標準です。2024年末にAnthropicによって開始され、現在はLinux Foundation傘下のAgentic AI Foundationによって管理されています。

**Q: AIコンサルタントにはプログラミングのスキルが必要ですか？**
A: 必ずしも必要ではありませんが、案件のスコープを誠実に定義できるだけの技術的な語彙は必要です。現在では多くの案件がカスタムコードの作成ではなく、プロンプトベースのツールやMCP接続を利用して進められています。

**Q: コンサルタントが「AI搭載（AI-powered）」という言葉を使うのを避けるべきなのはなぜですか？**
A: 何も具体的に説明しておらず、見込み客も気に留めなくなっているためです。代わりに、クライアントのドキュメントに対するRAGや、人間によるレビューを挟むエージェントなど、具体的な仕組みを説明しましょう。