AI 用語

AI 用語を、コードを書かないチームのために解説

1 ページで 1 つの用語を、日付つきの出典とともにやさしく解説します。意味、小さなチームにとっての意味、具体例、最初の一歩。どのページも最後に、その考え方を実際の仕事に使える無料の AI スキルを 1 つ紹介しています。チームのポッドに入れれば、Claude でも ChatGPT でもコーディングエージェントでも同じ手順で動きます。

どこから読むか迷ったら、チームで AI をどう共有するかを決める 2 つ、AI スキルと MCP から。ライブラリの AI スキルも見られます。

• RAG とは？RAG は、AI が答える前に手元の資料を調べるしくみです。言葉の由来、小さなチームにとっての意味、具体例、最初にやることをまとめました。
• GraphRAG とは？GraphRAG は、資料からナレッジグラフをつくり、資料全体についての質問に答えられるようにする RAG のやり方です。RAG との違い、向いている場面、具体例を解説します。
• ナレッジグラフとは？ナレッジグラフは、事実を「もの」と「そのあいだの関係」で記録するしくみです。言葉の由来、AI チームが使う理由、具体例、最初のつくり方を解説します。
• オントロジーとは？オントロジーは、仕事で扱うものの種類と、そのあいだの関係について合意した一覧です。何なのか、AI のプロジェクトでなぜ必要か、具体例、最初の書き方を解説します。
• コンテキストエンジニアリングとは？コンテキストエンジニアリングは、AI が答えるときに見るもの全部（指示、例、資料、ツール、会話の履歴）を選ぶ仕事です。プロンプトエンジニアリングとの違いと具体例を解説します。
• MCP とは？MCP は、Claude や ChatGPT などの AI アプリを外部のツールやデータにつなぐオープンな標準です。何なのか、だれが運営しているか、サーバーをつなぐ前に確かめること、具体例を解説します。
• FDE とは？FDE は、顧客のチームの中に入って、ソフトウェアを実際の仕事に合わせるエンジニアです。役割、AI スタートアップが採用する理由、エンジニアでないチームが学べる進め方を解説します。
• エージェントのハーネスとは？エージェントのハーネスは、モデルをエージェントにする周りのしくみ全部です。指示、ツール、記録のファイル、くり返しの手順、止める条件。何なのか、なぜないと失敗するのか、具体例で解説します。
• AI の評価（evals）とは？評価（eval）は AI のテストです。入力と、出力の採点のしかた。evals とは何か、3 種類の採点者、小さなチームが 20 問のテストから始める理由を、具体例で解説します。
• AI スキルとは？AI スキルは SKILL.md の入ったフォルダーです。名前、説明、作業が必要になったときに AI が読む指示。オープンな標準、対応するツール、チームでの共有のしかたを解説します。
• AI エージェントとは？AI エージェントは、自分で次の手を決め、ツールを使って仕事を終わらせる AI です。チャットボットやワークフローとの違い、小さなチームで向いている仕事、具体例を解説します。
• プロンプトとコンテキストの違いプロンプトエンジニアリングは指示を書くこと、コンテキストエンジニアリングは AI が見るもの全部を選ぶこと。違い、それぞれが効く場面、チームでよいプロンプトを残す方法を解説します。
• ベクトルデータベースとは？ベクトルデータベースは、文章を意味で探せるように埋め込み（ベクトル）を保存するしくみです。しくみ、小さなチームに要るか、選ぶ前に準備することを解説します。
• ファインチューニングと RAGRAG は答えるときに最新の自社の事実を渡し、ファインチューニングは学習の例でモデル自体を変えます。違い、OpenAI がいまファインチューニングについて書いていること、決め方を解説します。
• AI ガバナンスの方針AI ガバナンスの方針は、使ってよい AI、入れてはいけないデータ、だれが出力を確かめるか、だれが方針を持つかを決めるものです。枠組みが言っていることと、1 ページの始め方を解説します。
• エンジニアでない人の LLM 評価コードなしで LLM の答えを評価する方法。使う前に、主張、出典、口調、抜けを確かめる。テストのセットをつくるべきときも、具体例とチェックリストで解説します。