記事
生成AI用語集：顧客体験・従業員体験を変革する重要用語を徹底解説
顧客体験（CX）と従業員体験（EX）を変革する生成AIの重要用語を解説。現場で使える知識をこの1ページに集約。
更新日: 2025年4月14日
生成AIの登場により、企業と顧客の関係性は劇的に進化し、従業員にとっても業務の効率性と成果の最大化を両立できる環境が整いつつあります。顧客対応の自動化やニーズの先回りといった高度なパーソナライズが可能となり、生成AIはCX（顧客体験）の質的向上を推進する鍵として注目を集めています。こうした進展を正しく活用するには、生成AIに関連する重要用語や概念を体系的に理解しておくことが不可欠です。
本ページでは、50以上の用語を収録した生成AI用語集をご紹介します。CCやEX（従業員体験）の分野で生成AIがどのように活用され、価値を提供しているかを理解するための基盤として、ぜひご活用ください。
アルファベット順 (英単語)
AI – 人工知能（AI）
人工知能（AI）とは、人間の認知機能を模倣し、自然言語の理解、パターン認識、意思決定、問題解決などの高度なタスクを機械が実行できるようにする技術を指します。
Artificial general intelligence – 人工汎用知能（AGI）
人工汎用知能（AGI）は、人間が実行可能なあらゆる知的タスクを実行することができるAIの理論形態です。 AGIシステムは、自律的に理解・学習・適応が可能で、既定のタスクに焦点を当てた特定型AIの能力を上回り、汎用性に秀でています。
人工汎用知能（AGI）は、人間と同等またはそれ以上の知的タスクを柔軟に実行可能なAIを指し、自己学習と適応力を備えています。汎用性の高さから、特定型AIを超える応用が期待されています。
Artificial narrow intelligence – 人工特定知能（ANI）
人工特定知能（ANI）は、単一または限定された範囲のタスクに特化したAIで、「弱いAI」とも呼ばれます。分野横断的な知識転用はできませんが、高精度で効率的な処理が可能です。
「弱いAI」と呼ばれることもある人工特定知能（ANI）は、単一のタスクまたは限られた一連の機能を高効率・高精度で実行するために設計されたAIです。 一般的なAIとは異なり、ANIは範囲が限られており、領域間で知識やスキルを移転することはできません。
Artificial superintelligence – 人口超知能（ASI）
人工超知能（ASI）は理論上の概念で、人間の知能をあらゆる面で凌駕するAIを指します。極めて高い意思決定力や問題解決能力を持つ一方、倫理的・社会的な影響への慎重な検討が求められます。
人工超知能（ASI）とは、あらゆる分野で人間の知能を超える、AIの仮説上の知能レベルを指します。 投機的でありながら、ASIはAGIをさらに上回り、優れた問題解決能力と意思決定能力を兼ね揃えています。AIが仕事やプライバシーに与える潜在的な影響に関して、倫理的な懸念が提起されています。
AI agent – AIエージェント
【リライト前】
AIエージェントは、複雑な顧客の問いにも的確に対応できる高度なAIボットです。ZendeskのAIエージェントは、顧客の意図をリアルタイムに把握し、人的サポートと遜色ない対応を実現。導入直後から顧客満足度と業務効率の向上を可能にします。
【リライト後】
AIエージェントは、複雑な問い合わせであっても、理解して完全に解決できる次世代のAI搭載ボットです。 ZendeskのAIエージェントは、顧客の希望を自動的に検出し、人間のサポート担当者と同じように対応できます。CXの分野では他を寄せ付けない自律性を誇り、導入初日からメリットをもたらします。
AI Copilot – AIコパイロット（AIツール）
AIコパイロットは、人間の作業を補助し、業務効率を向上させる提案型AIアシスタントです。ZendeskのAI Copilotは、サポート業務の自動補完や精度向上に貢献し、担当者の負担を軽減するだけでなく、迅速な対応を実現します。
AI ethics – AI倫理
AI倫理とは、AIの開発・運用において公平性や透明性、プライバシーの尊重を含む倫理的原則に基づく行動を指します。CX分野では、説明責任や信頼性の確保が特に重視されています。
AI safety – AIの安全性
AIの安全性は、誤情報や偏見による有害な出力を防ぎ、AIの利用が人間の価値観や社会に適合するよう設計する取り組みを意味します。リスク低減策の設計が不可欠です。
AI toxicity – AIの毒性
AIの毒性とは、不正確・攻撃的・不快なコンテンツがAIによって生成される現象です。学習データの偏りなどが原因で発生し、ブランド信頼性を損なうリスクがあるため制御が求められます。
Anthropomorphism – 擬人化
擬人化は、AIやロボットなどの非人間的存在に人間的な特徴や意図を付与する考え方です。感情的な親近感を生む一方で、実際のAI能力への誤解を招く懸念もあります。
Augmentation – オーグメンテーション（増幅）
オーグメンテーションは、人間の能力を代替するのではなく、AIによって補完・強化するという考え方です。ZendeskのAIは、担当者がより高度な課題に集中できるよう、定型業務を肩代わりし、組織全体の生産性を高めます。
Automation – 自動化
自動化は、人手を介さずに反復作業をAIやテクノロジーで処理する手法です。CX領域における代表例には以下が含まれます。
インテリジェンスを活用した自動化により、応答時間の短縮、業務負荷の軽減、さらには顧客満足の向上まで実現可能です。
Bias – 偏見・バイアス
AIにおけるバイアスは、特定の属性や集団に対する一貫した偏りを指し、学習データやアルゴリズムの設計に起因します。会話型AIにおけるバイアス対策は、公平で包括的な体験を提供するうえで不可欠であり、責任あるAI実装の要です。
Chain of thought – 思考の連鎖
思考の連鎖とは、AIが複雑な判断を行う際に、段階的かつ論理的に推論を重ねるプロセスです。これにより、より人間らしく、一貫性のある出力が実現されます。
Chatbot – チャットボット
チャットボットは、AIによる会話型インターフェイスを活用し、自然言語での自動応答を実現するツールです。カスタマーサービス領域では、NLP（自然言語処理）を活用したチャットボットが、顧客対応の一次窓口として広く利用されています。
Conditional generation – 条件付き生成
条件付き生成とは、特定のインプットや条件に基づいてAIがアウトプットを生成する技術です。ユーザーの意図や状況に応じた最適なレスポンス生成に貢献します。
Context window – コンテキストウィンドウ
コンテキストウィンドウとは、AIが応答時に参照できる過去の情報の範囲を指します。ウィンドウが広いほど、文脈を維持した自然な会話が可能になります。
Conversational AI – 対話型AI
対話型AIは、人間との会話を模倣するインテリジェントなシステムであり、チャットボットやバーチャルアシスタントの中核技術として活用されています。自然な会話の実現により、CXの質を高めます。
Deep learning – ディープラーニング
ディープラーニング（DL）は、多層構造のニューラルネットワークを用いて大量のデータから特徴を自動抽出する手法です。CX強化における応用として、複雑な文脈理解や画像認識が挙げられます。
Emergent behavior – 創発的行動
創発的行動とは、複雑なAIシステムと大規模データセットの相互作用により、設計段階では予測できなかった新しい振る舞いや機能が自然発生的に現れる現象です。高度な生成AIではこのような現象が頻出します。
Explainable AI（XAI）- 説明可能なAI（XAI）
説明可能なAI（XAI）は、AIの意思決定過程を人間が理解・説明できるように設計された透明性の高いモデルを指します。CXリーダーにとって、XAIは信頼構築やコンプライアンス対応の鍵となります。
Feedback loops – フィードバックループ
フィードバックループは、AIの出力に対するユーザーの反応や評価を活用して、継続的にAIのパフォーマンスを向上させる仕組みです。顧客対応の質を向上させる重要なプロセスです。
Few-shot learning – フューショット学習
フューショット学習とは、ごく少数の例から新しい概念やタスクを学習できるAIの能力を指します。高効率な学習が可能で、カスタマイズや適応性の面で注目されています。
Fine-tuning – ファインチューニング
ファインチューニングは、既にトレーニング済みのAIモデルを特定の用途や業界ニーズに合わせて微調整するプロセスです。これにより、実際の業務課題に対して精度の高い対応が可能となります。
Generator – ジェネレータ
生成AIにおけるジェネレータは、テキスト・画像・音声などの新しいデータを生成する中核コンポーネントです。創造性と自律性を担保する重要な役割を果たします。
Generative adversarial network（GAN） – 敵対的生成ネットワーク（GAN）
GANは、生成器（ジェネレータ）と識別器（ディスクリミネータ）の2つのニューラルネットワークが相互に競い合いながら、リアルなデータを生成するAIモデルです。生成品質の向上により、CX用途にも広く応用が進んでいます。
- ジェネレータ：新たな合成データを作成
- ディスクリミネータ：本物と偽物を判定
Generative AI – 生成AI
生成AIは、膨大なデータを活用して新しいコンテンツを生成するAI技術であり、CX、EX、マーケティングなどさまざまな領域で革新的な体験を提供しています。
Generative pre-trained transformer（GPT）- 生成的な事前学習済みトランスフォーマー（GPT）
GPTは、OpenAIが開発した代表的な大規模言語モデル（LLM）であり、多くの自然言語処理タスクや生成AIアプリの基盤として広く利用されています。文脈理解や応答生成に強みを持ちます。
Hallucination – ハルシネーション
ハルシネーションとは、AIが事実に基づかない、または矛盾した内容をあたかも正確であるかのように出力する現象です。生成AIに特有の課題として、信頼性と正確性の維持には綿密な検証と制御が求められます。
Inference – 推論
推論は、AIが学習済みモデルを用いて新たなデータに対する出力や意思決定を行うプロセスです。CXにおいては、リアルタイムの問い合わせ対応などに活用され、即応性を高めます。
Large language model（LLM）- 大規模言語モデル
大規模言語モデル（LLM）は、膨大なテキストデータをもとに訓練されたAIであり、高度な自然言語の理解と生成能力を備えます。カスタマーサービスやFAQ自動化などの多様なユースケースに対応可能です。
Machine learning – 機械学習
機械学習（ML）は、データや経験からパターンを学び、タスクの精度を継続的に向上させるAIの基礎技術です。CXの現場では、問い合わせ傾向の予測やチャットボットの精度改善に貢献します。
Model – モデル
AIモデルは、与えられた目的に応じて予測・分類・生成を行うために訓練された構造体です。たとえば、ZendeskのAIモデルは過去の問い合わせデータから学び、顧客のニーズ予測や自動応答に活用されています。
Natural language processing（NLP）- 自然言語処理（NLP）
自然言語処理は、AIが人間の言語を理解し、解釈し、意味のあるアウトプットを生成する技術です。感情分析や自動翻訳、チャットボットによる顧客対応など、さまざまな業務に応用されています。
Neural network – ニューラルネットワーク
ニューラルネットワークは、人間の脳を模した構造を持つAIモデルで、複雑なパターンや関係性を抽出することが可能です。CXでは、問い合わせ分類や顧客感情の検出などに用いられます。
Parameters – パラメータ
パラメータは、AIモデルの動作や予測精度を決定する内部の変数であり、学習過程で調整されます。パラメータ数が多いほど、モデルの表現力や処理能力が高まる傾向があります。
Pre-trained model – 学習済みモデル
学習済みモデルは、広範なデータセットで事前に訓練されており、特定の業務ニーズに応じて再調整（ファインチューニング）することで、短期間で高い成果が得られます。ZendeskのAIエージェントもこの方式を活用しています。
Prompt – プロンプト
プロンプトは、AIに対して出力を指示するためのインプット情報です。プロンプトの設計次第で、AIの応答品質が大きく変わるため、実務活用には戦略的な工夫が求められます。
Prompt engineering – プロンプトエンジニアリング
プロンプトエンジニアリングは、望ましいAI出力を得るためのプロンプトの設計・最適化プロセスです。以下のような技法が活用されます：
テンプレート化による汎用性確保
プロンプトチェーンによるステップ思考
プロンプトチューニングによる出力精度向上
Reinforcement learning – 強化学習
強化学習は、AIが報酬と罰を通じて最適な行動を学ぶトレーニング手法です。カスタマーサービス領域では、顧客からのフィードバックをAIに反映させることが成功の鍵となります。
Retrieval augmented generation（RAG）- 検索拡張生成（RAG）
RAGは、生成AIに検索機能を統合し、外部情報を参照しながら高精度な出力を行う技術です。ナレッジベースと連携することで、CXの一貫性と正確性を両立できます。
Sentiment analysis – 感情分析
感情分析は、文章や発話に含まれる感情や意見をAIが自動的に検出・分類する技術です。顧客の感情を可視化することで、パーソナライズやクレーム対応の質を高めることが可能です。
Supervised learning – 教師あり学習
教師あり学習は、正解ラベル付きのデータを使用してAIを訓練する手法であり、分類や予測精度の向上に有効です。CX対応でのケース分類などに広く活用されています。
Temperature – 温度
生成AIにおける「温度」は、出力の創造性や多様性を制御するパラメータです。温度が高いとランダム性が増し、低いと一貫性が強調されます。利用シーンに応じた調整が重要です。
Token – トークン
トークンは、AIが処理するテキストの最小単位（単語や記号など）です。AIモデルの理解精度やコスト計算にも関わるため、最適なトークン設計が性能に直結します。
Training – トレーニング
トレーニングは、AIが特定のタスクを遂行できるように、データを使って学習させる工程です。CX業務では、実際の問い合わせデータを用いたモデル訓練が重要です。
Training data – トレーニングデータ
トレーニングデータは、AIモデルを育成するための学習素材です。多様性と精度を備えたデータが、AIの実用性や汎化性能に直接影響します。
Transformer – トランスフォーマー
トランスフォーマーは、自然言語処理に最適化されたニューラルネットワーク構造です。GPTなど多くのLLMの中核を成しており、長文の文脈理解に優れています。
Unsupervised learning – 教師なし学習
教師なし学習は、ラベルなしのデータからAIが自律的にパターンや関係性を見出す学習法です。クラスタリングや異常検知に活用され、データ分析の探索段階で有効です。
Validation – 検証
検証は、訓練済みモデルが新しいデータに対してどの程度の性能を発揮するかを評価するプロセスです。過学習防止や汎化性能の確認に欠かせません。
Zero data retention – ゼロデータ保持
ゼロデータ保持は、AIがユーザーの入力データを保持・保存しない設計を意味し、プライバシー保護を最優先とするアプローチです。差分プライバシーの実践例でもあります。
Zero-shot learning – ゼロショット学習
ゼロショット学習は、AIが特定タスクに関して事前学習なしで対応できる能力です。フレキシビリティの高いAI構築に不可欠で、新規シナリオへの即応性を高めます。
Zendesk AIでCXを強化
生成AI関連の用語を深く理解することで、AI活用の全体像と具体的な実装方法が明確になります。チーム全体で共通言語として用いることで、戦略的かつ効果的なコミュニケーションが可能となり、先回りした顧客対応やCXの向上を実現できます。
たとえば、Zendeskのソリューションを導入すれば、顧客の期待に応えるAI戦略の立案や、柔軟なサポート体制の構築が可能です。業務効率とエンゲージメントの両立に向けた基盤づくりに役立ててください。
Zendeskの無料トライアルを今すぐお試しいただき、生成AIによるCX変革の第一歩を体感してみてください。
