「プロダクト開発」の記事一覧

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】OpenAI APIとは？OpenAI API は、OpenAI が開発した自然言語処理モデルや画像生成モデルなどの高度なAI技術を、外部のアプリケーションやサービスから利用できるようにするクラウド型のAPIサービス です。GPT（Generative Pre-trained Transformer）シリーズをはじめとした生成AIの中核的な技術を、API経由で簡単に呼び出せるため、エンジニアだけでなく、プロダクトマネージャーやビジネスサイドのユーザーにも広く活用されています。OpenAI APIでできることOpenAI APIでは、以下のような多様なAI機能を利用できます。自然言語生成（テキスト生成）GPT-4などの大規模言語モデルを使って、文章の自動生成や要約、翻訳、対話などを行えます。コード生成・補完Codexを用いることで、プログラミングの支援やコードの自動生成が可能です。画像生成DALL·Eモデルを通じて、テキストから画像を生成できます。埋め込み（Embedding）取得文書のベクトル化を行い、類似検索やクラスタリングなどのタスクに応用できます。音声認識・合成Whisperなどのモデルによる音声データの文字起こし、または音声の合成も可能です。OpenAI APIの活用事例OpenAI APIはスタートアップから大手企業まで幅広く導入され、以下のようなユースケースに活用されています。チャットボットやAIアシスタントの構築FAQやナレッジベースの自動生成商品説明文や広告コピーの自動作成プログラミング学習支援ツールの開発カスタマーサポートの自動応答利用方法と課金体系OpenAI APIは、公式サイト からAPIキーを取得することで利用を開始できます。課金体系は従量課金制となっており、モデルの種類（GPT-4 / GPT-3.5など）や出力トークン数によって料金が異なります。プロダクトマネージャー視点での重要性プロダクトマネージャーにとってOpenAI APIは、AI機能を素早くプロダクトに統合できる手段であり、プロトタイピングやユーザー体験の向上、差別化に大きく寄与します。自社でモデルを開発・運用する手間なく、強力なAIの恩恵を享受できる点が魅力です。関連用語生成AI 用語集用語LLM（Large Language Model）ChatGPTEmbeddingPrompt（プロンプト）LangChainRAG（Retrieval-Augmented Generation）AIエージェントDALL·E 3TokenPrompt EngineeringHallucinationLangGraph

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】LangGraphとは？LangGraph（ランググラフ）は、複雑な対話フローや状態遷移を伴う生成AIアプリケーションを構築するためのマルチエージェント・フレームワークです。LangChainの拡張として開発され、会話の流れやエージェントの挙動を状態機械（State Machine）の形式で制御できることが大きな特徴です。LangGraphの役割と特徴LangGraphは、LangChainの基盤を活用しながら、以下のような高度な処理を可能にします。状態遷移による制御各処理（ノード）を状態として定義し、条件に応じてどの状態に遷移するかを制御できます。これにより、複雑な会話や分岐ロジックを視覚的かつ明示的に設計できます。ループや条件分岐の柔軟な実装通常のLangChainでは困難な「ある条件が満たされるまで繰り返す」「条件に応じて別の処理に進む」といった構造が、LangGraphでは簡潔に表現できます。エージェントの協調動作複数のAIエージェントが状態ごとに役割を担い、連携してタスクを解決するようなフローが設計可能です。具体的なユースケースLangGraphは次のような用途に適しています。複数ステップのタスク処理（例：FAQ＋要約＋翻訳）条件に応じたフローの切り替え（例：ユーザーの入力によって回答プロセスを変える）マルチエージェント協調（例：調査担当と出力担当の分業）これにより、単純なチャットボットにとどまらず、柔軟性の高いAIワークフローの実装が可能になります。LangGraphとLangChainの関係LangChainはプロンプト、ツール呼び出し、チェーン構築を中心としたライブラリであり、LangGraphはそれを状態遷移ベースのフレームワークとして補完する役割を担っています。LangGraphを使うことで、LangChainベースのアプリケーションに対してフロー制御と構造的な再利用性を加えることができます。関連用語生成AI 用語集用語LangChainAIエージェントToolformerReActフレームワークLLM（Large Language Model）Chain-of-ThoughtPrompt EngineeringEmbeddingAttention機構

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】LangChainとは？LangChain（ラングチェーン）は、大規模言語モデル（LLM）を活用したアプリケーションを構築するためのオープンソースのフレームワークです。複数の外部ツールやデータソースとの連携を容易にし、LLM単体では実現が難しい高度な処理を実装できるのが特徴です。LangChainの役割と特徴LangChainは以下のような役割を果たします。LLMの機能拡張：LLMに対し、外部データベースの検索やAPIの呼び出しなど、追加機能を柔軟に組み合わせられます。チェーンの構築：複数の処理（例：ユーザー入力 → データ取得 → 要約 → 出力）をチェーン（連結処理）として定義・実行できます。エージェント機能：ユーザーの指示に応じて、LLMが動的にどのツールを使うか判断するAgent（エージェント）機能も提供されています。モジュール設計：プロンプト、メモリ、ツールなどのコンポーネントがモジュール化されており、組み替えや拡張がしやすくなっています。主なユースケースLangChainは、以下のような生成AIアプリケーションで活用されています。RAG（Retrieval-Augmented Generation）：外部検索とLLMを組み合わせた、最新情報の取り込み。データベースQAシステム：社内DBに自然言語で問い合わせできるチャットボット。マルチツール連携AI：計算、翻訳、ウェブ検索などを動的に使い分けるAIアシスタント。なぜLangChainが重要なのかLLMは高性能である一方、「事実の信頼性」や「動的な操作」には限界があります。LangChainはこの弱点を補い、「より実用的なAIアプリケーション」の構築を可能にします。プロダクトマネージャーにとっても、LLM単体のPoCにとどまらず、業務フローや外部ツールと連携した本番環境向けAIプロダクトの企画を進める際に重要なフレームワークとなります。関連用語生成AI 用語集用語RAG（Retrieval-Augmented Generation）AIエージェントToolformerChain-of-ThoughtPrompt EngineeringLLM（Large Language Model）EmbeddingVector SearchAttention機構Transformer

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】Vector Searchとは？Vector Search（ベクトル検索）とは、検索対象のデータやクエリを数値ベクトル（多次元の数値の並び）に変換し、類似度に基づいて検索結果を返す技術のことです。従来のキーワードベースの検索（例：全文検索）と異なり、意味的な近さをもとに情報を見つけることができるため、自然言語処理（NLP）や生成AIとの相性が非常に良いとされています。ベクトル検索の仕組みベクトル検索では、まずテキストや画像などのデータを「埋め込み（Embedding）」と呼ばれる高次元ベクトルに変換します。このベクトルは、AIモデル（多くの場合は大規模言語モデルや専用のエンコーダー）によって生成され、データの意味的な特徴を表現しています。次に、ユーザーのクエリも同様にベクトル化され、ベクトル同士の「コサイン類似度」や「ユークリッド距離」などを用いて、意味的に近いデータを検索します。Vector Searchの活用例生成AIのRAG（Retrieval-Augmented Generation）構成において、検索対象のドキュメントをベクトル化し、ユーザーの質問に関連する情報を検索するのに使用されます類似商品やコンテンツの推薦（レコメンドエンジン）で、ユーザーの好みに近いアイテムを見つけるFAQ検索やナレッジ検索で、表現が異なる質問にも対応可能な柔軟な検索体験を実現キーワード検索との違い比較項目キーワード検索Vector Search検索の基準キーワードの一致意味的な類似度対応力表現の揺れに弱い表現が違っても意味が近ければヒット検索結果の正確性誤字脱字に弱い一部対応可能使用技術インデックス構造中心ベクトル空間・類似度計算技術的背景と実装技術Vector Searchの実装には、Faiss（Facebook）やMilvus（Zilliz）、Weaviate、Pineconeなどのベクトル検索エンジンが活用されます。これらのツールは、数百万〜数十億規模のベクトルを高速に検索可能なインデックス構造を提供します。また、ベクトルを生成するためには、「Embeddingモデル（例：OpenAI Embeddings、SBERTなど）」が必要になります。プロダクト開発における意義生成AIを活用したインテリジェント検索体験の構築や、ユーザーが入力した曖昧な自然言語に対しても意味の通った検索結果を返すUXを実現するため、プロダクトマネージャーにとってもVector Searchの理解は不可欠です。まずは自社の検索機能が、意味ベースの検索に対応できているかを確認してみてください。関連用語生成AI 用語集用語EmbeddingRAG（Retrieval-Augmented Generation）LLM（Large Language Model）Attention機構TokenChain-of-ThoughtPrompt（プロンプト）Prompt Engineering

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】Toolformerとは？Toolformer（ツールフォーマー）とは、Meta（旧Facebook）が開発した、外部ツールの使い方を自律的に学習できる言語モデルです。特定のツールAPI（例：電卓、検索エンジン、翻訳機など）を活用し、問題解決に必要なタイミングで自らツールを呼び出して回答する能力を持ちます。Toolformerの概要従来の言語モデルは、ツールを使うには明示的な設計や学習が必要でした。しかし、Toolformerは自己監督学習（self-supervised learning）により、「どのタイミングでどのツールを使えばよいか」を訓練データから自動的に学習できます。これは、次のような処理で実現されています。既存のLLMを用いてツール使用の候補を生成それらのツール呼び出しを埋め込んだ文を作成ツール使用の有無による予測性能の変化を評価効果があった使用パターンのみを自己学習に活用この仕組みにより、Toolformerは人手によるツール使用ルールの定義なしに、複数のツールを適切なタイミングで自律的に使う能力を獲得します。Toolformerが扱えるツール例Toolformerは以下のようなツールと連携できます。電卓ツール：数値計算や単位変換など翻訳ツール：多言語対応のテキスト生成時刻変換ツール：タイムゾーンの換算など検索エンジンAPI：リアルタイム情報の取得知識ベース：外部データベースとの連携Toolformerの意義と利点マルチツール対応：1つのモデルで複数ツールを活用可能自己監督学習により、追加の人手なしでツール使用が可能より正確かつ信頼性の高い出力を実現RAG（Retrieval-Augmented Generation）などの外部知識参照手法との相性も良好従来の手法との違い項目従来のLLMToolformerツール使用明示的に設計・学習が必要自律的に学習・呼び出しスケーラビリティツール追加ごとに再設計が必要ツール追加が柔軟精度向上モデル内部のみで完結外部ツール活用により改善Toolformerと関連する技術Toolformerは、LLMの限界を補う手段として注目されています。特に、複雑な推論やリアルタイム性が求められるタスクにおいて、ツール連携は有効です。また、OpenAIのFunction Callingや外部API統合にも通じる設計思想を持ちます。関連用語生成AI 用語集用語LLM（Large Language Model）RAG（Retrieval-Augmented Generation）Prompt EngineeringChain-of-ThoughtTransformer

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】Chain-of-Thoughtとは？Chain-of-Thought（チェーン・オブ・ソート）とは、生成AIが推論や判断を行う際に、中間的な思考プロセス（思考の連鎖）を明示的に出力させる手法を指します。複雑な問題に対して、結論だけでなくその根拠や過程を段階的に表現することで、AIの回答精度を向上させる目的で使用されます。なぜChain-of-Thoughtが重要なのか？従来のAIは、質問に対して直接的に回答を出す形式が一般的でした。しかし、人間のように段階を追って思考するプロセスがないと、特に論理的・数学的な問題では正答率が低下しやすいという課題がありました。Chain-of-Thoughtは、AIに「なぜその結論に至ったのか」を考えさせることで、より信頼性の高い出力を実現します。Chain-of-Thoughtの仕組みChain-of-Thoughtは、プロンプト設計の工夫によって実現されます。以下のように段階的な思考を促すプロンプトを与えることで、AIは一連の思考過程を経て結論を導き出します。例：Q：太郎は5個のリンゴを持っていて、次郎に2個あげました。太郎は今いくつ持っていますか？A：太郎は最初に5個持っていました。そこから2個あげたので、5−2＝3。よって答えは3個です。このように、「中間のステップ（思考の連鎖）」を出力させることで、より論理的かつ一貫性のある回答が得られやすくなります。Chain-of-Thoughtと相性のよいタスク算数や論理パズルなどの多段階推論が必要な問題判断根拠を求められる倫理的・道徳的な問いステップバイステップの説明が求められる教育・学習系のコンテンツプロンプト設計での活用方法Chain-of-Thoughtはプロンプト内で「考えてから答えてください」（Let's think step by step.）などと明示することで、AIに思考を促すことができます。ChatGPTなどの生成AIでは、このような指示が回答の質を大きく左右する要素になります。注意点と限界Chain-of-Thoughtは万能ではありません。モデルが誤った思考のチェーンをたどると、誤答に至る場合もあるため、あくまで精度を高める補助手法として捉える必要があります。また、出力が冗長になる可能性もあるため、用途に応じた使い分けが重要です。関連用語生成AI 用語集用語Prompt EngineeringZero-shot／Few-shot LearningLLM（Large Language Model）

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】Embeddingとは？Embedding（エンベディング）とは、単語や文章などの言語データを、コンピュータが処理しやすい数値ベクトル（多次元の数値の並び）に変換する技術を指します。生成AIや自然言語処理（NLP）において、言葉の意味や文脈を数値で表現するための基本的な仕組みとして使われています。Embeddingの役割と目的自然言語は、機械にとっては非常に曖昧で複雑な情報です。そのため、AIが文章を理解し、意味的な類似性や関係性を捉えるには、言葉を数学的な形式に変換する必要があります。Embeddingはこの変換を担う重要なステップで、以下のような役割を果たします。意味的な近さの表現：似た意味の単語（例：「犬」と「猫」）は、Embedding空間上でも近い位置に配置される文脈の保持：文脈に応じた意味の変化もEmbeddingによって扱えるようになる構造化データとの橋渡し：非構造なテキストデータを、機械学習モデルに適した形式に変換するEmbeddingの種類と例代表的なEmbeddingの手法としては、以下があります。名称特徴Word2Vec単語ベースのベクトル表現を学習GloVe全体の共起統計をもとにしたベクトル化BERT Embedding文脈を考慮した単語ベクトルSentence Embedding文章全体を1つのベクトルで表現特に近年では、LLM（大規模言語モデル）において、文全体の意味を1つのベクトルに圧縮するSentence Embeddingが注目されています。Embeddingの活用例Embeddingはさまざまな用途で活用されています。文書検索：検索クエリと文書をEmbeddingし、類似度でマッチングチャットボット：ユーザー発話とFAQをEmbeddingし、最も近い回答を返す推薦システム：ユーザーとアイテムをEmbeddingし、嗜好の近い組み合わせを提案RAG（Retrieval-Augmented Generation）：外部知識ベースから関連情報をEmbeddingにより取得し、生成に活用Embeddingと生成AIの関係生成AIでは、Embeddingが入力と出力の橋渡しをします。ユーザーの質問をEmbeddingし、それに最も近い知識や文脈を探して回答を生成する、というプロセスにEmbeddingが欠かせません。とくにRAGやベクトルデータベースといった仕組みでは、Embeddingを中心に情報検索と生成が結びついており、精度や応答品質に大きく関与しています。関連用語生成AI 用語集用語RAG（Retrieval-Augmented Generation）LLM（Large Language Model）TokenZero-shot／Few-shot LearningPrompt EngineeringAttention機構Transformer

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】Token（トークン）とは？Token（トークン）とは、生成AIや自然言語処理（NLP）でテキストを扱う際の「最小単位」を指す言葉です。たとえば、ある文章をAIに処理させるとき、その文章はまず「Token」に分割されてから処理されます。この「Token」は、単語そのものだけでなく、記号や文の一部なども含まれることがあり、「単語＝Token」とは限りません。AIのモデルによっては、1単語を複数のトークンに分割することもあります。Tokenの例と分割の仕組みたとえば、「OpenAIはすごい」という日本語を扱う場合、以下のようにToken化されることがあります。["Open", "AI", "は", "すご", "い"]また、英語の場合も「Token＝単語」とは限らず、「unbelievable」が以下のように分割されることがあります。["un", "believ", "able"]これは、トークン化のアルゴリズム（たとえばByte Pair Encodingなど）により、AIが効率よくテキストを処理できるよう設計されているためです。Tokenとモデルの関係生成AI（たとえばGPTシリーズ）では、「1回の入力や出力で扱えるToken数（トークン数）」に制限があります。これをコンテキスト長と呼び、モデルによって異なります。たとえばGPT-3.5は最大4,096トークン、GPT-4では最大128,000トークンまで扱えるバージョンもあります。トークン数の制限を超えると、それ以前の内容をモデルが「忘れる」ため、プロンプト設計ではトークン数の管理が重要です。Tokenとコスト多くの生成AIサービス（例：OpenAIのChatGPT API）は、利用料金を「トークン数に基づいて課金」しています。入力・出力のトークンが多ければ多いほど、コストも高くなる仕組みです。したがって、プロンプトを設計する際には、必要な情報をコンパクトにまとめ、トークン数を最適化することがコスト削減につながります。関連用語生成AI 用語集用語Prompt（プロンプト）LLM（Large Language Model）TransformerAttention機構ChatGPT

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】Hallucinationとは？Hallucination（ハルシネーション／幻覚）とは、生成AIが事実とは異なる、あるいは根拠のない情報を出力してしまう現象を指します。特にChatGPTやBard、Claudeのような大規模言語モデル（LLM）においては、あたかも本物のような言い回しで誤情報を提示することがあり、この現象は「幻覚」と呼ばれます。この用語は、もともと医学や心理学の文脈で使われていた「幻覚」という言葉を比喩的に転用したもので、AIが“見てもいないものを見たことにする”ような振る舞いを表しています。具体例：Hallucinationの発生ケースたとえば以下のようなケースがHallucinationです。実在しない論文やURLをもっともらしく出力する存在しない人物や団体の名前を記載する法律や制度について誤った内容を断定的に語る実在する事実に基づいていないコードや数式を提示する特に専門性の高い分野や、最新情報が求められるタスクでは、Hallucinationによって誤解を生むリスクが高まります。なぜHallucinationが起こるのか？生成AIは、大量のテキストデータから統計的にもっともらしい単語の連なりを予測して文章を生成します。しかし、これは「意味」や「事実」に基づいた推論ではなく、あくまで「言語のパターン」に基づいた予測であるため、文脈に合っていても事実と異なる情報を出力してしまうことがあります。また、ユーザーの質問が曖昧だったり、モデルが訓練されていない情報に対して応答しようとする場合にも、Hallucinationが発生しやすくなります。Hallucinationを防ぐための対策ソースの明記：根拠のある情報に限定するよう指示を与える（プロンプト設計）外部ツールとの連携：検索エンジンやデータベースとの併用（RAGなど）人間の確認プロセス：生成された情報は必ず人間がチェックするモデルの微調整：特定用途に特化したモデルを構築することでHallucinationを抑制ユーザーとしては、「生成された情報をうのみにしない」という姿勢も重要です。プロダクトマネージャーが知っておくべき理由生成AIを製品や業務に活用する際、Hallucinationのリスクを理解していなければ、誤情報による信頼性の低下や法的リスクにつながる恐れがあります。とくにユーザーに直接出力される情報に生成AIを用いる場合は、検証プロセスの設計が必須です。プロダクトマネージャーは、AIの限界を把握したうえで、正確性が求められる領域では人間の判断を挟む、あるいは出力の信頼度をユーザーに明示するといった運用ルールの設計が求められます。関連用語生成AI 用語集用語LLM（大規模言語モデル）RAGプロンプトPrompt EngineeringTransformerAttention機構Zero-shot／Few-shot LearningFine-tuning

この記事の監修者佐々木真PM Career事業責任者（Xアカウント ＠shin_sasaki19）株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。PM Careerに無料会員登録する転職についての情報はこちらをご覧ください！ プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】Zero-shot／Few-shot Learningの概要Zero-shot Learning（ゼロショットラーニング）とFew-shot Learning（フューショットラーニング）は、生成AIモデルの汎用性や柔軟性を支える学習手法です。従来の機械学習では大量の教師データが必要でしたが、これらの手法により、少ないあるいはゼロの事例でも新しいタスクに対応できるようになります。Zero-shot LearningとはZero-shot Learningとは、事前にそのタスクに関する学習を一切行わずに、指示（プロンプト）だけをもとにAIがタスクを遂行する学習方式です。たとえば、「この文章がポジティブかネガティブか分類してください」とだけ指示する場合、モデルはその指示文（プロンプト）から意図を理解し、学習なしに応答を生成します。特徴学習済みモデルに新しいタスクを即座に与えられるタスクに特化した追加データが不要多くのタスクに汎用的に対応可能Few-shot LearningとはFew-shot Learningは、数個の例（数ショット）をプロンプトに含めることで、AIにタスクの意図を伝え、より正確な応答を得る手法です。たとえば以下のように指示と例をセットで与えることで、AIはそのパターンを学び、以降の入力にも適切に対応します。例：Q: 昨日の映画は最高だった！A: ポジティブQ: 雨ばかりで嫌になるA: ネガティブQ: この製品は普通だったA:特徴数個の例を与えるだけで、精度が大きく向上タスクの意図をより明確に伝えられるトレーニングではなく「プロンプト設計」で制御するZero-shot／Few-shot Learningの活用例タスクZero-shot対応Few-shotで精度向上感情分析〇（単語での指示可）◎（例を加えると明確）文書分類△（曖昧な場合あり）◎（分類例で補足）質問応答〇◎（フォーマット明示）コード生成△◎（入力・出力例提示）Zero-shotでも一定のパフォーマンスが出せますが、Few-shotにすることで指示の解釈が安定し、出力の一貫性も高まります。プロンプトデザインとの関係この2つの手法は、プロンプトエンジニアリングと密接に関係しています。プロンプトの書き方次第で、モデルの応答品質は大きく変わります。少ないデータで高精度な結果を得るためには、的確なプロンプト設計が不可欠です。関連用語生成AI 用語集用語プロンプトエンジニアリングプロンプトAttention機構