図解でわかる
図解でわかる:図解の一覧
AI-Ready.jp のガイド・コラム・用語集・ひな形には、すべてのページに、文章だけではつかみにくい流れや関係を図でも示しています(238点)。はじめての方は、図から読むと全体の見通しが立ちやすくなります。
図解の決まり
- 図に書くのは、その記事・用語の本文に書いてある内容だけです。新しい事実や数字は足しません。
- 本文の「原則として」「場合があります」などの留保は、図にも残します。法令に触れる図には、専門家への確認の一文を添えています。
- 図の文字は画像にせず、本文と同じ文字で組んでいます。読み上げや検索にも対応します。
- 図を作る担当とは別の担当が、本文と照らし合わせてから公開しています。
ガイド27点コラム14点用語集150点ひな形19点国内外の動き5点
ガイド27点
- AIと企業価値:M&A・上場でAIとITはどう見られるか
- 手順・分かれ道ITの状態が関わる4つの点
- 手順・分かれ道事業承継の前に整える順番
- AIに使うデータの整え方:所在・置き場所・権限・品質・責任者
- AIのセキュリティの基本:AIへの攻撃とAIを使った攻撃への備え
- AIの効果の測り方:時間・費用・品質の指標
- 流れ・時期議事録の例:測る期間の取り方
- AIの社内研修と推進役の育て方:全社員・管理職・推進役の3層で考える
- 関係3つの層に伝えること
- 流れ・時期推進役から先に始める
- AIへの投資の判断基準と予算の立て方:試す・広げる・続けるで分ける
- 組み立て費用は3つに分けて書き出します
- 流れ・時期段階ごとに、判断の基準を変えます
- AIを使う業務の選び方:業務の棚卸しから優先順位まで
- AIエージェントを業務に入れる前に確かめること:任せる範囲・権限・記録
- 手順・分かれ道導入の前に決める5つのこと
- AI事業者ガイドラインの読み方:AIを使う会社がやること
- 手順・分かれ道自社の立場の見分け方
- 手順・分かれ道AI利用者が読む順番
- AI推進の体制のつくり方:横断の会議体・推進役・相談窓口
- 手順・分かれ道AI推進の体制の4つの要素
- AI法と企業の対応:罰則のない法律で何をすべきか
- AI活用の方針と1〜3年の計画のつくり方:経営の目標から逆算する
- 手順・分かれ道方針と計画の違い
- 流れ・時期1〜3年の段階の目安
- PoCの進め方:成功と撤退の条件の決め方
- 流れ・時期PoCの期間の組み立て
- 手順・分かれ道撤退の条件に当たったときは、原因を分けて考えます
- デジタル化・AI導入補助金の使い方
- 流れ・時期交付決定の前と後
- 法人向けの生成AIツールの選び方:契約と設定で確かめること
- 手順・分かれ道比べる順番
- 生成AIと個人情報の扱い:個人情報保護法と注意喚起から確かめること
- 手順・分かれ道クラウドのサービスに入力する場合の考え方
- 生成AIと著作権:文化庁の考え方にそって利用者が確かめること
- 手順・分かれ道生成したものの利用が著作権侵害になるかの考え方
- 手順・分かれ道生成と利用で、判断が異なり得ます
- 生成AIのはじめ方:会社として最初の30日でやること
- 流れ・時期最初の30日の進め方
- 生成AIの利用ルールの作り方(ひな形つき)
- 手順・分かれ道出力の確認と責任の決め方
- 社内の資料をAIで探せるようにする(RAGの基本)
コラム14点
- AIで変わる法人営業 経験とデータを組み合わせる営業の進め方
- 手順・分かれ道AIが役立つ3つの場面
- 手順・分かれ道成果につなげる3つの準備
- AIと一緒に働く力を育てる 今日から始める3つのリスキリング
- 手順・分かれ道問いを決める人と、答えるAI
- 手順・分かれ道会社として学びを支える4つのこと
- AIの導入で成果を出す会社は何が違うのか? 公開事例から見る進め方
- 組み立て期待どおりの成果まで届いた割合
- 手順・分かれ道事例から見える進め方
- AIは経営の参謀になるか? データに基づく経営の進め方
- いまのAIにできること、できないこと 「予測」と「説明」の違いから考える使い方
- 手順・分かれ道AIへの任せ方の目安
- プロンプトエンジニアリング入門 AIに伝わる頼み方の基本
- 手順・分かれ道よい答えを引き出す5つの要素
- ローカルLLM入門 自社のPCでAIを動かす利点と始め方
- 国内のLLM開発はいまどうなっているか? 2026年秋の動きと企業の選び方
- 手順・分かれ道用途で使い分ける考え方の例
- 採用にAIをどう使うか? スキルを公平に見るための進め方と注意点
- 社内の問い合わせ対応をAIに任せるには? 小さく始めて育てる進め方
- 手順・分かれ道答え方の決まり
用語集150点
- 301リダイレクトとは
- AGI(汎用人工知能)とは
- 手順・分かれ道いま使われているAIとAGIの違い
- AI Overviews(AIによる概要)とは
- 手順・分かれ道AI Overviewsの要点
- AI-Readyとは
- 手順・分かれ道AI-Readyといえる条件の例
- AIOとは
- 手順・分かれ道AIOの2つの意味
- AIエージェントとは
- 手順・分かれ道AIエージェントの進め方
- AIガバナンスとは
- 手順・分かれ道AIガバナンスで決めて回すこと
- AIクローラーとは
- 手順・分かれ道robots.txtでの指定で変わること
- AIセーフティ・インスティテュート(AISI)とは
- 手順・分かれ道AISIの概要
- AIタイムシェアとは
- 手順・分かれ道AIタイムシェアの考え方
- AIレディネスとは
- 手順・分かれ道AIレディネスの測り方と生かし方
- AI事業者ガイドラインとは
- 手順・分かれ道AI事業者ガイドラインの要点
- AI法(AI推進法)とは
- 流れ・時期AI法(AI推進法)の施行
- AI開発者・AI提供者・AI利用者とは
- 手順・分かれ道AI事業者ガイドラインの3つの立場
- APIとは
- CoE(推進組織)とは
- 手順・分かれ道CoE(推進組織)の役割と形
- DX(デジタルトランスフォーメーション)とは
- 手順・分かれ道部分的なデジタル化とDXの違い
- E-E-A-Tとは
- 手順・分かれ道E-E-A-Tの4つの観点
- ETLとは
- 手順・分かれ道ETLの3つの処理
- EU AI法とは
- 流れ・時期EU AI法の段階的な適用
- FDE(現場に入るエンジニア)とは
- 手順・分かれ道FDEの関わり方
- GA4とは
- 手順・分かれ道GA4で計測すること
- GEOとは
- 手順・分かれ道GEOという言葉の整理
- GPUとは
- 手順・分かれ道GPUの用意のしかた
- ISMS(ISO/IEC 27001)とは
- 手順・分かれ道ISMSの回し方
- ISO/IEC 42001とは
- ITデューデリジェンスとは
- 手順・分かれ道ITデューデリジェンスで調べること
- IT導入支援事業者とは
- KPIとは
- 手順・分かれ道AI活用のKPIの考え方
- LLMOとは
- 手順・分かれ道LLMOという言葉の整理
- MCP(Model Context Protocol)とは
- 関係MCPでつなぐ形
- MVPとは
- 手順・分かれ道PoCとMVPで確かめること
- NIST AI RMFとは
- 手順・分かれ道NIST AI RMFの要点
- PMIとは
- 流れ・時期M&AとPMIの時間の流れ
- PoC(概念実証)とは
- 流れ・時期PoCの進め方
- RAG(検索拡張生成)とは
- 手順・分かれ道RAGの流れ
- ROI(投資対効果)とは
- 組み立てROIの一般的な表し方
- RPAとは
- 手順・分かれ道RPAの得意・不得意
- SEOとは
- 手順・分かれ道SEOで整えること
- SLM(小規模言語モデル)とは
- 手順・分かれ道SLMと大規模なモデルの違い
- SOCとは
- SaaSとは
- Search Consoleとは
- canonicalとは
- llms.txtとは
- 手順・分かれ道llms.txtの位置づけ
- アクセス権限とは
- 手順・分かれ道アクセス権限の考え方
- アジャイル開発とは
- アルゴリズムとは
- 手順・分かれ道AIでのアルゴリズム
- エージェントの権限設計とは
- 手順・分かれ道権限の制限の例(必要最小限が基本)
- オンプレミスとは
- 手順・分かれ道オンプレミスの利点と負担
- オープンウェイトモデルとは
- 手順・分かれ道オープンウェイトモデルで公開されるもの・負うもの
- オープンデータとは
- 手順・分かれ道オープンデータ基本指針が示す3つの条件
- クラウドとは
- 手順・分かれ道クラウドの利点と確かめること
- コパイロットとは
- コンテキストウィンドウとは
- サプライチェーンリスクとは
- システムプロンプトとは
- 流れ・時期システムプロンプトが働く時
- シャドーAIとは
- 手順・分かれ道シャドーAIへの向き合い方
- シングルサインオン(SSO)とは
- ゼロクリック検索とは
- 手順・分かれ道ゼロクリック検索の受け止め方
- ゼロトラストとは
- 手順・分かれ道ゼロトラストの考え方
- ソフトローとは
- 手順・分かれ道ソフトローとハードローの違い
- チェンジマネジメントとは
- 手順・分かれ道チェンジマネジメントの主な取り組み
- チャットボットとは
- 流れ・時期チャットボットの変化
- ツール利用(Function Calling)とは
- 手順・分かれ道ツール利用の流れ
- ディープフェイクとは
- 手順・分かれ道ディープフェイクの心配と備え
- ディープラーニングとは
- 手順・分かれ道ディープラーニングの強みと注意点
- デジタル化・AI導入補助金とは
- 手順・分かれ道デジタル化・AI導入補助金のあらまし
- データウェアハウスとは
- 手順・分かれ道データレイクとの違い
- データカタログとは
- データガバナンスとは
- 手順・分かれ道データガバナンスで決めること
- データレイクとは
- 手順・分かれ道データレイクの使い方で変わること
- データ品質とは
- 手順・分かれ道データ品質を見る観点と保ち方
- データ漏えいとは
- 手順・分かれ道データ漏えいが起きる経路と備え
- トークンとは
- 手順・分かれ道トークンの数え方と使われ方
- ニューラルネットワークとは
- 手順・分かれ道ニューラルネットワークの層
- ハルシネーションとは
- 手順・分かれ道ハルシネーションが起きる理由と対策
- バイアスとは
- 手順・分かれ道AIのバイアスが生まれる元と対策
- バックアップとは
- 手順・分かれ道バックアップの工夫
- バリューアップとは
- パラメータとは
- 手順・分かれ道パラメータとハイパーパラメータの違い
- ヒューマン・イン・ザ・ループとは
- ファインチューニングとは
- 手順・分かれ道目的に応じた使い分けの目安
- フィジカルAIとは
- フィッシングとは
- プロダクトマネジメントとは
- 手順・分かれ道プロダクトマネジメントで決めること
- プロンプトとは
- プロンプトインジェクションとは
- プロンプトエンジニアリングとは
- 手順・分かれ道プロンプトエンジニアリングの進め方
- ベクトルデータベースとは
- ベンダーロックインとは
- 手順・分かれ道ベンダーロックインが起きる流れと備え
- マスタデータとは
- マルチエージェントとは
- 手順・分かれ道マルチエージェントの仕組み
- マルチモーダルAIとは
- メタデータとは
- 手順・分かれ道メタデータの例と役立つ場面
- モデルとは
- 関係モデルの働き
- ユースケースとは
- 手順・分かれ道ユースケースの選び方(よく用いられる進め方)
- ラボ型開発とは
- 手順・分かれ道一括での発注とラボ型開発の違い
- リスキリングとは
- 手順・分かれ道AI活用のリスキリング
- リスクベースアプローチとは
- 手順・分かれ道社内での使い分けの例
- リマーケティングとは
- レッドチーミングとは
- 手順・分かれ道AIのレッドチーミングで試すこと
- ログとは
- 手順・分かれ道ログに残すものと扱い
- ロボティクスとは
- 組み立てロボット導入で検討する範囲
- ローカルLLMとは
- 手順・分かれ道ローカルLLMの利点と負担
- ワークフロー自動化とは
- 手順・分かれ道自動化を進める順番
- 人工知能基本計画とは
- 流れ・時期人工知能基本計画の閣議決定
- 人工知能(AI)とは
- 手順・分かれ道AIと機械学習・ディープラーニングの関係
- 仮名加工情報とは
- 手順・分かれ道仮名加工情報の主な決まり
- 個人情報保護法とは
- 手順・分かれ道個人情報保護法で事業者に求められること
- 公平性とは
- 手順・分かれ道公平性の考え方と備え
- 内製化とは
- 手順・分かれ道内製化の利点・課題と分担の例
- 動画生成AIとは
- 手順・分かれ道動画生成AIの使いどころと注意点
- 匿名加工情報とは
- 手順・分かれ道匿名加工情報の主な決まり
- 合成データとは
- 手順・分かれ道合成データの使い道と注意点
- 国産LLMとは
- 手順・分かれ道国産LLMの特徴と選び方
- 埋め込み(エンベディング)とは
- 手順・分かれ道RAGでの埋め込みの役目
- 基盤モデルとは
- 多要素認証とは
- 手順・分かれ道本人確認の3つの要素(二つ以上を組み合わせる)
- 大規模言語モデル(LLM)とは
- 学習データとは
- 手順・分かれ道学習データで押さえる点
- 属人化とは
- 手順・分かれ道属人化の起こり方と解き方
- 広島AIプロセスとは
- 流れ・時期広島AIプロセスの歩み
- 強化学習とは
- 手順・分かれ道強化学習の流れ
- 推論とは
- 流れ・時期学習と推論の起きる時
- 推論モデルとは
- 手順・分かれ道作業の難しさに応じた使い分け
- 教師あり学習とは
- 手順・分かれ道教師あり学習の流れ
- 教師なし学習とは
- 業務の棚卸しとは
- 手順・分かれ道業務の棚卸しでわかること
- 構造化データとは
- 構造化データ(Schema.org)とは
- 機械学習とは
- 手順・分かれ道機械学習の主な学び方
- 汎用目的AIモデル(GPAI)とは
- 手順・分かれ道GPAIの要点
- 特徴量とは
- 生成AIとは
- 手順・分かれ道生成AIの使いどころと課題
- 画像生成AIとは
- 手順・分かれ道画像生成AIを商用で使うときの流れ
- 画像認識とは
- 手順・分かれ道画像認識の使いどころと準備
- 翻訳AIとは
- 手順・分かれ道翻訳AIを業務で使うときの注意
- 脆弱性とは
- 手順・分かれ道脆弱性が生まれるところと対応
- 自律性とは
- 手順・分かれ道作業の重要度に応じた段階の付け方の例
- 著作権法第30条の4とは
- 手順・分かれ道第30条の4の考え方の整理
- 要約とは
- 関係AIによる要約
- 説明可能性(XAI)とは
- 手順・分かれ道説明可能性が求められる理由
- 透明性の義務とは
- 手順・分かれ道EU AI法で求められる透明性
- 過学習とは
- 手順・分かれ道過学習のときに起きること
- 適正性確保に関する指針とは
- 手順・分かれ道適正性確保に関する指針の位置づけ
- 非構造化データとは
- 手順・分かれ道非構造化データの活用の例
- 音声合成とは
- 音声認識とは
- 手順・分かれ道音声認識を業務で使うとき
- 高リスクAIとは
- 手順・分かれ道EU AI法の高リスクAI
ひな形19点
- AIのリスク評価表
- AIの委託先・サービスの確認リスト
- 手順・分かれ道確認の流れ
- AIへの投資の判断シート
- AI推進の体制と役割分担表
- 手順・分かれ道体制づくりの流れ
- 手順・分かれ道役割分担表の3つの記号
- AI研修の計画表
- PoC計画書
- 手順・分かれ道成功の条件と撤退の条件
- 流れ・時期PoCの期間と判断
- 入力してはいけない情報の一覧
- 効果測定シート
- 業務の棚卸し表
- 組み立て月の時間の計算
- 手順・分かれ道効果×難しさで決まる優先度
- 生成AIの利用ルール(ひな形)