「便利なチャット」で止まっている個人利用から、RAG・AIエージェント・業務実装へ。生成AIが“仕事を進める道具”に変わりはじめた今、何から始めればいいのかを1時間の定例セミナーから整理しました。
ニュースや新聞、SNSで見ない日はない「生成AI」。2022年にChatGPTが公開されてから、いまや世界で何億人もが日々使う存在になりました。インターネット革命を超える産業革命とも言われています。
一方で、多くの企業の現場はいま“踊り場”にいます。「調べもの」「要約」「メールの下書き」といった個人の便利ツールとしては使えている。けれど、自分の業務や組織の仕事に組み込めているかというと、大手企業を含めてまだそこまで進んでいない——これが今回のセミナーの出発点でした。
この記事では、その1時間で語られた「生成AIの現在地」と「個人利用から組織活用へ進むための地図」を、デモの内容も交えてまとめます。
Section 01 ／ 生成AIの現在地「ロボット掃除機はAIですか？」——研修でよく投げかける質問ですが、答えはすべてAIです。人がぶつかりそうになったらよける、人が入ったら電気をつける。人間がやることを感知して代行する仕組みは、組み込み型の人工知能です。ただ、私たちはそれに直接“触れて”はいませんでした。ChatGPTの登場で、私たちは初めてAIと会話できるようになり、一気に身近になったのです。
大きな傘がAIという学問・概念。その中で2000年前後に普及したのが機械学習（データから学ぶ仕組み）。賢くなった理由はインターネットです。AIの大好物はデータで、ネット上にあらゆる情報が出てきたからこそ、それを“食べて”急速に賢くなりました。さらに多層構造でパターンを学ぶディープラーニングへ。そして文章・画像・音声・コードを作り出す生成AIへとつながります。
転機は2017年に登場した Transformer。AIが「文脈」を理解できるようになったことで、私たちの言葉に自然な言葉で答えられるようになりました。学習（インプット）だけだったAIが、推論（アウトプット）までできるようになった瞬間です。
AIの大元エンジンが基盤モデル。その中で言葉を扱う巨大なモデルがLLM（大規模言語モデル）です。世界中の言葉・表現・文献を知り尽くした“博士”のような存在で、フランス語でも中国語でも日本語でも理解できるのは、世界中の言葉を学んでいるからです。私たちが実際に触る ChatGPT / Claude / Gemini は、その基盤モデルの上に乗る応用アプリ。さらにマルチモーダル化が進み、文字だけでなく画像・音声・動画も理解できるようになりました。
技術の裏側をやさしく生成AIは、人間のようにゼロから考えているわけではありません。大量の文章から言葉のつながりやすさを学び、次に来る言葉の可能性を予測しながら、もっとも自然な文章を組み立てています。
たとえば「ハッピー」の次は「バースデー」、その次は「トゥーユー」や「◯◯くん、◯◯ちゃん！」。1月なら「明けまして」の次は「おめでとうございます」。私たち人間も確率的に次の言葉を予測していますが、AIは世界中のデータからそれをやっているのです。
さらに、AIは言葉を「意味の近いものが近くに並ぶ形」で持っています。「柴犬・トイプードル・ゴールデンレトリバー」なら“犬の話”、「コーヒー・パン・スクランブルエッグ」なら“朝食の話”だと方向性で判断する。これがセマンティック検索／ベクトル検索と呼ばれる考え方で、“同じ言葉”ではなく“意味が近い情報”を探し出せます。
主要AIアプリの位置づけ| アプリ | 得意領域・用途 |
|---|---|
| ChatGPT / Copilot | 汎用、調査、文章、業務支援、Microsoft 365連携 |
| Claude | 長文理解、文章、コード、深い思考、Microsoft 365アプリ連携 |
| Gemini | Google連携、マルチモーダル |
| Perplexity | 検索、出典確認、情報収集 |
| Claude Code / Codex | AI駆動開発、コーディング、業務アプリ試作 |
調べもの、要約、メール文作成、資料のたたき台、アイデア出し、会議メモ整理、Excel関数の相談、文章の言い換え——個人利用だけでも十分に便利です。それでも、組織で使おうとすると壁にぶつかります。理由は大きく5つ。
普通のAIに「就業規則を教えて」と聞くと、トヨタや社労士事務所の“模範例”を返してきます。でも社員が本当に知りたいのは自社の就業規則。AIは自社のことを知らないので、それらしいけれど使えない答えになる——これが「組織で使えない」の正体です。
自社が今どこにいて、どこまで行きたいのか。まずはこの「階段」で現在地を確かめるのがおすすめです。
「AIは賢くなったからプロンプトは不要」という声もあります。一理はあります。曖昧な質問でも“それなり”の答えは返るし、呪文のような長文テンプレはもう要りません。けれど、「それなり」と「実務で使える」は違います。賢くなるほど、問いの質が成果を決める。エージェント時代は、指示の質がそのまま仕事の質になります。
「美味しいオムライスの作り方教えて」
→ 誰にとっても無難な“一般的なレシピ”が返ってくる。
同じ「オムライス」でも、返ってくるレシピはまったく別物になります。プロンプトが大事だというのは、こういうことです。
知らないことは、AIに「知らない」と伝えること。伝えないと、AIは“いい感じ”のもっともらしい答えで埋めてしまいます。そして最後に必ず「より良い答えを出すために、あなたが知るべきことは？ 質問があればどうぞ」と、AI側から不足情報を聞き返させる。これだけで精度は大きく変わります。
| 段階 | プロンプトの役割 |
|---|---|
| チャットAI | 質問文 |
| RAG | 参照すべき情報の指定 |
| AIエージェント | 仕事の目的・手順・制約 |
| Vibe Coding | 作りたい業務アプリの仕様 |
| FDE | 業務とAIをつなぐ設計図 |
RAG（検索拡張生成）とは、AIに社内資料や自社データを検索・参照させ、根拠に基づいて答えさせる仕組みです。「自社の資料を渡したら世の中に学習されてしまうのでは？」という不安に対して、学習させず、自社専用に参照だけさせるのがRAGの考え方です。
就業規則・育児介護休業規定・契約書・納入機器台帳といった社内ルールを正しく学ばせておくと——
テストに“答えを書いたカンニングペーパー”を持ち込んでいい——RAGはそんなイメージです。なお Google の NotebookLM も、自分が責任を持ってアップした資料の中だけから答えるため、ハルシネーション（もっともらしい嘘）を抑えやすい手段として紹介されました。
「来週の商談用に、提案のたたき台を準備して」と頼むと、AIエージェントは目的と納期を理解し、情報を探し、要点を整理し、たたき台を作り、足りない点を自分で見直し、最後に人間へ確認を求めます。単発の回答ではなく、仕事の“流れ”を作るのがエージェントです。
名刺管理ソフトから書き出したCSVを、Claude × Excel/Microsoft 365 連携で整理させると——
重要な原則：AIはファイルを操作・削除する前に、必ず「やっていいですか？」と承認を求めます。作業するのはAI、承認する責任を持つのは人間——この構造は変えてはいけません。フォルダ整理のような“やらない仕事”も、定期スケジュールで自動実行できます。
「問い合わせを一覧で管理する画面がほしい」と言葉で伝えるだけで、AIが画面とコードのたたき台を作り、その場で動かして会話で修正していく開発スタイルです。FAQ検索・参加者管理など、現場の小さな業務から“アプリ化”できます。
中心にあるのは「組織活用」。RAG が自社情報を参照し、AIエージェントが複数の仕事を進め、Vibe Coding が業務アプリを作る。それを組織で同じ使い方に揃え、現場とAIをつなぐのが FDE人材です。
FDE（Forward-Deployed Engineer）とは、現場の業務を理解し、AIやシステムを使って課題解決までつなげる人材のこと。非エンジニアの言葉で言えば、現場とAI・システムの橋渡しができる人です。困っている業務を、AIが分かる言葉（正しいプロンプト）に言語化して伝えられる力——これがいま日本で最も注目されています。
大事なのは、ツールを選ぶ前に「業務」を選ぶこと。そして、AIに見せるデータを整え、推進する人を決め、小さく試して改善することです。
生成AI活用は、もう「使うか／使わないか」の段階ではありません。
これからは、どの業務に、どのデータを使って、どこまでAIに任せるかを設計する段階です。
【 】を自分の業務に置き換えて、コピーして使ってください。
今回は「いま生成AIで何ができるか」まで。次回（7月開催予定）は、実際にAIエージェントやアプリづくりのデモをお見せします。RAG構築・業務実装のご相談も承ります。
本記事は、三森屋AIセミナー（2026年6月開催／約1時間）の内容をもとに再構成したものです。掲載のデモ事例で使用したデータはすべてダミーであり、実在の個人・企業の情報は含まれません。