知識 · AI基礎

LLM・大規模言語モデル

Large Language Model

📂AI基礎⏱読了2分📊入門🔗関連5

LLMとは?

一行定義
膨大なテキストで学習し「次に来る言葉」を予測して文章を生成する大規模言語モデル(Large Language Model)、すなわち大規模なニューラルネットワーク。ChatGPTやClaudeの頭脳。
このテーマを社内研修で📚 関連講座💬 研修のお問い合わせ
⚡ 3行要約
  • 膨大なテキストで「次の言葉」を予測
  • 文章を生成する大規模ニューラルネットワーク
  • ChatGPTとClaudeの頭脳

LLMが実際に変えたのは回答の品質ではなく、仕事の指示の仕方です。以前は問い合わせメールを種類別に分ける機能ひとつを作るにも、ルールをコードで書き、例外を一つずつ登録しなければなりませんでした。今は指示文と例を数個示すだけで同じことを始められます。そのため自動化の出発点が開発部門ではなく、業務を最もよく知る実務担当者の側へ移ってきました。その代わり結果の品質はコードではなく文章に左右されるようになり、どこまで信頼して外に出すかを判断する負担も現場が一緒に負うことになりました。

実務では少なくとも三つを区別する必要があります。モデルが一度に見られる分量であるコンテキストウィンドウは製品によって数万から数十万トークンで(ハングルはおおむね一文字がトークン一つ前後です)、ここに入れた資料はその会話が終わると消えます。学習データには時点の区切りがあるため、先月改定した社内規定や今四半期の単価表は知りません。社内の知識を加える方法はプロンプトに直接入れる、RAGで検索して加える、ファインチューニングで口調や形式を固めるに分かれますが、正確さが目的なら、たいてい RAG が先で、ファインチューニングはその次です。

現場で最もよくズレるのは、「自社の資料を入れたので学習された」という誤解です。チャット画面に貼り付けた文書は学習されたのではなく、一時的に見せただけなので、ウィンドウを閉じるとモデルはその内容を知りません。また、LLMは電卓でもありデータベースでもないため、売上合計や在庫数といった数字はもっともらしく間違えます。同じ質問に毎回違う答えが出るのも故障ではなく、確率で文章をつなぐ仕組みの特性です。これを知らずに回答をそのまま顧客向け見積書や契約文言に移すと、存在しない規定条項や生産終了のモデル番号がそのまま出てしまい、謝罪メールを書くことになります。

この用語が登場する研修 · AI・DX
おすすめ研修 · おすすめ講師 · 簡易見積もり
🧮 ミニ見積もり・講師料の基準
約120万ウォン(約14万円)特別講義 2時間 · 20名以下 · 韓国語
この条件で正式な見積もりを依頼 →
💡 かんたんに言うと
膨大な読書量で「次に来る言葉」を見事に言い当てること — そうやって文章を作り出します。
実務でなぜ重要なのか
生成AIの心臓部です。LLMの仕組みを理解すると、プロンプト・RAG・ハルシネーションをはるかにうまく扱えるようになります。
LLM vs sLM(小型言語モデル)
区分LLM(大規模)sLM(小型)
規模数百億以上のパラメータ比較的小さい
強み汎用・高性能低コスト・高速・オンデバイス
コスト高い低い
用途複雑で多様な作業特定用途のファインチューニング
由来と出典

今日のLLMの基盤構造であるトランスフォーマー(Transformer)は、2017年にGoogleの研究チームによる論文「Attention Is All You Need」で示され、GPT・Claude・Geminiなどはこの上に作られました。

出典 · Vaswani et al., 「Attention Is All You Need」(2017, Google) · 原文を見る
事例で理解する

架空の事例で見てみましょう。産業用部品を流通させるA社は、従業員210名、年売上約1,200億ウォン(約1,435,081万円)規模です。CSチーム6名が1日に140件ほど届く技術問い合わせメールを処理していましたが、繁忙期には返信が2日ずつ遅れ、営業部門からの苦情が絶えませんでした。3か月間、LLMで回答の下書きを作る実験を行いました。

  1. CSチーム長が直近3か月のメール4,200件を種類別に分けたところ、62%が仕様・互換性の問い合わせで、答えがすでに製品カタログに全部載っている内容でした。
  2. 情報システム課長がカタログを丸ごと貼り付けて答えを求めたところ、2年前に生産終了したモデルを現行の在庫として説明する回答がそのまま出てきました。
  3. そこで社内PDF900種余りを先に検索し、根拠となる段落だけを選んで一緒に渡す方式に変え、回答の末尾に出典の文書名とページを付けるようにしました。
  4. 営業本部長が「出典のない回答は絶対に出すな」と明確に定め、根拠が見つからない場合は下書きの代わりに「担当者による確認が必要」とだけ表示されるよう制限しています。
  5. 3か月後、1件あたりの平均応答時間は18分から6分に減り、下書きをほぼそのまま送信した割合は74%、誤答で戻ってきたメールは月31件から7件になりました。
関連用語
関連AIツール
この用語に関連する研修
📚ChatGPT、AIツール教育ナヌム経営コンサルティング 企業研修 · 対面/オンライン研修を見る →
このテーマで社内研修が必要でしょうか?
ご担当者さま向けの研修プログラム・お見積もりを、すぐにご覧いただけます。
研修のお問い合わせ
最終更新 2026-09-13 · 監修 金鍾赫

よくある質問

LLMは「言語」を扱う生成AIの一種です。画像・音声を生成するモデルはまた別のものです。
一般に性能は高いものの、コストや速度も大きくなります。作業に合ったサイズのモデルを選ぶことが実務の感覚です。
LLMは生成AIの代表的な「言語」モデルです。生成AIは画像・音声まで含むより広い概念です。
いいえ、作業に合ったサイズが重要です。小さくても効率のよいモデルも多くあります。