AI用語解説
LLM(大規模言語モデル)とは?仕組み・生成AIとの関係・仕事での使い方
LLM(大規模言語モデル)とは、膨大な文章から言葉のつながりを学んだAIの土台です。仕組みと生成AIとの関係、仕事での使い方を順に紹介します。
LLM(大規模言語モデル)とは、膨大な量の文章をもとに言葉のつながりを学び、質問への回答や文章づくりができるようになったAIモデルのことです。ChatGPTのようなチャットAIは、このLLMを土台にして使えるようにしたサービスです。
この記事の書き手:たーなー先生(田中直人)。ボイストレーナー歴30年、30年間で5万人以上を指導。2026年には、自社の22の窓口の設計と制作に、構成・文章の下書き・表示確認でAIを使い、事実と判断は人が確認する進め方を実践しています。
この記事では、LLMの意味、仕組み、生成AIとの関係、仕事での使い方を、Amazon Web Servicesの解説と総務省の情報通信白書、AI事業者ガイドラインで確かめた内容にそろえて紹介します。AI全体の入口は生成AIとは?で紹介しています。
LLM(大規模言語モデル)とは?
LLMは「Large Language Model」の略で、日本語では大規模言語モデルと呼ばれます。Amazon Web Servicesの解説では、LLMは大量のデータで事前に学習された、非常に大規模な深層学習モデルと説明されています。名前の「大規模」は、モデルの内部にある調整用の数値(パラメータ)が、数千億個規模にもなることを表しています。
総務省の情報通信白書では、膨大な量のデータでトレーニングされ、さまざまなタスクに適用できる知識を獲得した基盤モデル(Foundation Model)や大規模言語モデルの登場により、新しいタスクのたびにモデルを再トレーニングする必要がなくなり、開発や利用が大幅に容易になったと紹介されています。AI事業者ガイドラインでも、大規模言語モデルは基盤モデルの代表として位置づけられています。
LLMの仕組みは?文章が生まれる三つの段階
LLMがどうやって文章を作るのかを、この記事では三つの段階に分けて整理します。
- 言葉を小さな単位に分ける:文章は「トークン」という単位の並びとして扱われます。
- 文章全体のつながりを読む:トランスフォーマーという仕組みが、文章全体を並列に処理しながら、言葉どうしの関係を読み取ります。
- 次のトークンを予測して、つなげる:学習では、次のトークンを予測できるようにモデルが調整されます。使うときは、予測したトークンを一つずつつなげて文章が作られます。
Amazon Web Servicesの解説によると、トランスフォーマーは従来の方式のように入力を順番に処理せず、文章全体を並列に処理します。このため、大量のデータでの学習を短い時間で進められるようになりました。
ここで大切なのは、LLMの答えは、学習で身につけた言葉のつながりから組み立てられるという点です。この性質が、次に紹介するできることの広さと、確かめながら使う理由の両方につながっています。
LLMと生成AI・ChatGPTの関係は?
よく混ざる言葉を、関係がわかる形で並べます。
| 言葉 | 意味 | LLMとの関係 |
|---|---|---|
| 生成AI | 文章、画像、プログラムなどを生成できるAIモデルにもとづくAIの総称(AI事業者ガイドライン) | LLMは文章を扱う生成AIの中心 |
| 基盤モデル | 膨大なデータで学習し、さまざまな課題に使えるモデル | LLMは基盤モデルの代表例 |
| LLM | 大量の文章で学習した大規模な言語モデル | ChatGPTなどの中身にあたる部分 |
| チャットAI | LLMに話しかけて使える画面やアプリ(この記事での呼び方) | LLMを使いやすい形にしたサービス |
整理すると、生成AIという大きな枠の中に、文章を得意とするLLMがあります。ChatGPTのようなサービスは、LLMに話しかけるための入り口です。
生成AIとこれまでのAIの違いは生成AIとAIの違いは?で、サービスごとの使い分けはGeminiとは?で紹介しています。
LLMにできることは?得意な仕事
Amazon Web Servicesの解説で挙げられている主な用途を、仕事の場面に置き換えた一例で整理します。
- 質問応答:知識をもとにした質問に答える。資料の内容を確かめる
- 文の補完:書きかけの文章の続きを考える
- 文章づくり:お知らせ文、紹介文、返信文などの下書きを作る
- 分類:問い合わせを種類ごとに分ける。感想の傾向を整理する
- コード生成:自然言語の指示から、プログラムやデータ検索の式を作る
どれも「言葉を材料にした仕事」です。たとえば問い合わせへの返信は、型を決めておけばLLMが下書きを作れます。具体的な手順はAIで問い合わせへの返信文を下書きするで、長い資料の読み方は長い資料をAIで要約して読み合わせるで紹介しています。
LLMを仕事で使うには?始め方の五つの手順
はじめて使うときは、小さな仕事を一つ選んで試す進め方が続けやすいです。
- 仕事を一つ選ぶ:毎週くり返す文章の仕事(お知らせ、返信、議事メモなど)から選ぶ
- 入れる情報を仕分ける:お客様の名前や連絡先など、入れない情報を決めておく。仕分けの方法は入力前の仕分け表が役に立つ
- 指示文を整える:目的、読み手、材料、形、守ることの五つを書く。型はプロンプトとは?で紹介している
- 出てきた下書きを人が直す:事実、固有名詞、数字を自分の目で確かめて、自社の言葉に整える
- 結果を見て、続けるか決める:かかった時間と手直しの量を記録し、次の仕事に広げる
Amazon Web Servicesの解説では、LLMの使い方の工夫として、指示だけで答えさせる方法(ゼロショット)、少数の例を示す方法(フューショット)、用途に合わせたデータでパラメータを調整する方法(ファインチューニング)が紹介されています。指示文に例を添える方法は、手軽に試せる一歩です。
社内で使うときの決めごとは生成AIの社内ルールの作り方に五つにまとめています。
LLMを使うときの注意は?誤りへの備え方
Amazon Web Servicesの解説でも、LLMは完璧ではなく誤りを含む回答をする可能性があり、指示だけで答えさせる場合は正確さにばらつきがあると説明されています。LLMは言葉のつながりから文章を組み立てるため、もっともらしく見える誤りが混ざることがあります。この現象はハルシネーションとは?で詳しく紹介しています。
備え方は三つです。
- 人が確かめる:数字、日付、固有名詞、制度の話は、公式の資料と照らして確かめる。点検表は事実を公開前に確かめる点検表が使える
- 材料を渡して答えさせる:自社の資料を渡し、その範囲で答えてもらうと、根拠をたどりやすくなる。NotebookLMとは?はこの使い方の代表例
- 役割を分ける:AIは下書きと整理を、判断は人が行う。この線引きはAIに任せる仕事と人が決める仕事の線引きで四つの基準にまとめている
AI事業者ガイドラインでは、RAG(検索拡張生成)の活用で、ハルシネーションの抑制や、出力の根拠の見えやすさが期待されていると述べられています。
LLMを自分の仕事に取り入れたいときは?
LLMの力を生かせるかどうかは、道具の名前より、どの仕事に当てるかで決まります。TARNAR AIでは「AIは下書きと整理を、判断は人が。」を方針に、ご相談、棚卸し、小さな実証、導入と計測、月ごとの改善の5段階で、音楽・教育・観光の事業者や小さな会社のAI活用を支援しています。道具より先に、今の仕事の流れを一緒に見るところから始めます。
まず身近な一つの仕事から試したい方は、業務の棚卸しで効く場所を見つけるところからどうぞ。活用の全体像は生成AIの活用方法にまとめています。ご相談はお問い合わせフォームから受け付けています。
よくある質問
LLMと生成AIは同じものですか?
重なる部分が大きい言葉で、範囲が違います。生成AIは文章、画像、プログラムなどを作れるAIの総称で、LLMはその中で文章を中心に扱う土台のモデルです。ChatGPTなどのチャットAIは、LLMを使いやすい形にしたサービスです。
LLMはどうやって文章を作っているのですか?
文章をトークンという単位で扱い、次のトークンを予測して、一つずつつなげて文章にしています。学習では、この予測ができるようにモデルが調整されます。
LLMの答えは正しいと考えてよいですか?
誤りが混ざることがあるため、数字や固有名詞は人が確かめる進め方が安心です。自社の資料を渡して答えてもらう方法や、RAGのような仕組みで根拠を見えやすくする方法もあります。
AIに詳しくなくてもLLMを仕事で使えますか?
使えます。毎週くり返す文章の仕事を一つ選び、指示文に目的と読み手を書くところから始められます。TARNAR AIでは、今の仕事の流れを聞くところからご相談を受け付けています。