メインコンテンツへスキップ
NEWS約2.4億円の資金調達を実施（新しいタブで開きます）

LLM

LLM（大規模言語モデル）とは。仕組み・できること・業務で使うときの注意点

LLM（大規模言語モデル）とは、膨大な文章で学習し、与えられた文章の続きとして最も確からしい言葉を予測して文章を生成するAIのモデルです。ChatGPTなどの対話型AIの中核にある技術で、要約・質問への回答・文章の作成や分類などを1つのモデルでこなせます。

更新日：執筆・運営：

LLMは、自然言語処理（NLP）の分野で作られてきた「言語モデル」を、データ量とモデルの規模の両面で大きくしたものです。言語モデルとは、ある言葉の並びがどれくらい自然かを確率で表すモデルのことで、かつては日本語入力の変換候補や音声認識の補正などに使われていました。

自然言語処理とは、人が日常で使う言葉（自然言語）をコンピュータで扱うための技術の総称です。形態素解析（文を単語に区切る処理）、機械翻訳、文書分類、感情分析、文字起こしの後処理など、幅広い技術を含みます。LLMはその中の1つの手法ですが、1つのモデルで多くの作業をこなせるため、現在の自然言語処理の中心になっています。

生成AIは、文章・画像・音声などを新しく作り出すAIの総称です。LLMは生成AIのうち文章を扱う代表的な技術で、ChatGPT、Gemini、Claude、Copilotといったサービスは、LLMに対話の画面や検索などの機能を組み合わせた製品です。

LLM・生成AI・自然言語処理の違い
用語指す範囲例
自然言語処理（NLP）人の言葉をコンピュータで扱う技術の分野全体形態素解析、機械翻訳、感情分析、テキストマイニング
LLM（大規模言語モデル）大量の文章で学習した、文章を予測・生成するモデルGPT系、Gemini、Claude、Llamaなどのモデル
生成AI文章・画像・音声などを生成するAI全般対話型AI、画像生成AI、音声合成
対話型AIサービスLLMを画面や機能と組み合わせて提供する製品ChatGPT、Gemini、Microsoft Copilot

LLMを業務で使うときに知っておくと役に立つのは、トークン・事前学習・ファインチューニング・コンテキスト長の4つの言葉です。

仕組みの面で押さえておきたいのは、LLMが答えを「調べて」いるのではなく、学習した統計的な傾向と、その場で渡された文章をもとに「もっともらしい続き」を作っている点です。正しい情報が入力にあれば正確に要約できますが、入力にない事実を尋ねると、もっともらしい誤り（ハルシネーション）を出すことがあります。

  1. 01

    トークン：文章を区切った単位

    LLMは文章を「トークン」という単位に区切って扱います。英語ではおおむね単語や単語の一部、日本語では1〜数文字が1トークンになることが多く、区切り方はモデルごとに異なります。利用料金や扱える量は、文字数ではなくトークン数で決まるのが一般的です。

  2. 02

    事前学習：次の言葉を当てる練習

    ウェブページや書籍などの大量の文章を使い、「この続きに来る言葉は何か」を当てる練習をくり返します。この過程で、文法、言葉どうしの関係、一般的な知識の傾向をパラメータ（数値）として身につけます。

  3. 03

    ファインチューニングと人のフィードバック

    事前学習だけのモデルは、質問に答えるより文章の続きを書きがちです。そこで、指示と望ましい回答の例で追加学習し、人が回答を評価した結果を使って調整します（RLHFと呼ばれる方法）。対話型AIが指示に従って答えられるのは、この段階があるためです。

  4. 04

    コンテキスト長：一度に読める量

    LLMが1回の処理で読み込める入力と出力の合計の上限です。トークン数で表され、モデルによって大きく異なります。長い会議の文字起こしを丸ごと渡すときは、この上限に収まるかを確かめます。

モデルの名前や版は数か月単位で入れ替わります。業務で選ぶときは、モデルの名前よりも、入力したデータの扱い（学習に使われるか、どこに保存されるか）と、作業に必要な精度を満たすかで判断するほうが確実です。

LLMの発展の主な出来事
年出来事意味
2017年Googleの研究者らがTransformerを発表現在の主なLLMの土台になった構造
2020年OpenAIがGPT-3を発表（パラメータ数1,750億）例を数個見せるだけで新しい作業をこなせることを示した
2022年人のフィードバックで調整したInstructGPTの論文が公開指示に従って答えるモデルの作り方が広まった
2022年11月30日ChatGPTが公開一般の利用者がLLMに直接触れるきっかけになった
2023年以降Gemini、Claude、Llamaなど各社のモデルが続く業務ツールへの組み込みが進んだ

会議や文書の業務に絞って、任せやすい作業と確認が欠かせない作業を分けました。

業務の作業別：LLMに任せられるか
作業向き・不向き理由と使い方
長い文章の要約任せやすい入力に答えがあるため誤りが起きにくい。決定事項と数字は元の文章と照合する
決定事項・タスクの抽出任せやすい形式を指定すると安定する。担当者と期限の取り違えは確認する
文章の言い換え・敬語への変換任せやすい社外向けの最終稿は人が読み直す
入力にない事実を答える苦手学習時点より後の情報や社内の事情は知らない。資料を渡すか、RAGの仕組みを使う
正確な計算・集計苦手桁の多い計算や件数の集計は誤ることがある。表計算ソフトで確かめる
出典つきの調べもの注意が必要存在しない文献やURLを作ることがある。出典は必ず開いて確かめる
人事評価・合否などの判断任せない判断の材料を整理する用途にとどめ、判断は人が行う

小売チェーンの30分の定例会議から4つの発言を抜き出し、LLMで要約・決定事項・タスクに分けた例です。入力・処理・出力を並べると、LLMが得意なことと人が確かめることの境目が見えます。

入力：会議の文字起こし（抜粋）

佐藤
新しい見積もりフォーム、来月から全店で使う方向でいいですか。
田中
いいと思います。ただ、北海道の2店舗は端末の入れ替えが11月なので、そこだけ12月からにしたいです。
佐藤
では全店は11月1日から、北海道の2店舗は12月1日からにしましょう。
田中
店舗向けの説明資料は私が10月25日までに作ります。

LLMの中で起きること

  1. 文字起こしと指示（「要約・決定事項・タスクに分けて」）をトークンに分けて読み込む
  2. 「11月1日」「12月1日」「10月25日」など、文脈の中で関係する語どうしを結びつける
  3. 次に来る確率の高いトークンを1つずつ選び、指示された形式で文章を書き出す

出力：要約・決定事項・タスク

要約
新しい見積もりフォームを全店で導入する。北海道の2店舗は端末の入れ替えに合わせて1か月遅らせる。
決定事項
全店は11月1日から、北海道の2店舗は12月1日から新フォームを使う。
タスク
店舗向けの説明資料を作る（担当：田中、期限：10月25日）

確認するのは日付と担当者の2点です。「北海道の2店舗」がどの店舗かは会話に出ていないため、議事録に店舗名を足すのは人の仕事です。

この例で出力が正確なのは、答えがすべて入力の発言の中にあるからです。逆に「北海道のどの店舗か」のように入力にない情報を出力に含めるよう求めると、LLMはもっともらしい店舗名を作ってしまうおそれがあります。会議の記録をLLMに任せるときは、入力にないことを書かせない指示と、日付・担当者・数字を元の発言で確かめる工程をセットにします。

個人情報保護委員会は2023年6月に、生成AIサービスに個人情報を入力する際の注意を公表しています。業務で使う前に、少なくとも次の4点を決めておきます。

  • 入力したデータが学習に使われるか：サービスや契約プランによって扱いが違います。利用規約とデータの取り扱い方針で、学習に使わない設定や契約になっているかを確かめます。
  • 機密情報と個人情報の区分：入力してよい情報、要約だけならよい情報、入力しない情報を社内で区分します。会議の録音や文字起こしには、顧客名や人事の情報が混ざりやすい点に注意します。
  • 保存場所と保存期間：入力と出力がどこに、どれくらいの期間保存されるかを確認します。
  • 出力の確認責任：LLMの出力を社外に出す前に、誰が何を確かめるかを決めます。

Klangは、会議の録音から文字起こしを作り、言語モデルを使って要約・決定事項・タスクを自動で作成するAI議事録サービスです。AIチャットで過去の会議に質問でき、回答から根拠になった発言に戻って確かめられます。

Klangはお客様の会話データをAIモデルの学習に利用しません。ISO/IEC 27001:2022の認証を取得しています。フリープランでも文字起こしは無制限で、AI要約とAIチャットを使えます。

Klangは会議を文字起こしし、要約・決定事項・タスクを作成します。AIチャットで過去の会議に質問でき、回答の根拠になった発言に戻って確かめられます。

  • フリープランでも文字起こしは無制限です。
  • お客様の会話データをAIモデルの学習に利用しません。
  • ISO/IEC 27001:2022の認証を取得しています。
無料で試す
LLMとは何ですか。

LLMは「大規模言語モデル（Large Language Model）」の略で、大量の文章で学習し、文章の続きを予測して生成するAIのモデルです。要約・質問への回答・文章作成・分類など、多くの言語の作業を1つのモデルでこなせます。

LLMと生成AIの違いは何ですか。

生成AIは文章・画像・音声などを生成するAI全般を指し、LLMはそのうち文章を扱う代表的なモデルです。ChatGPTのような対話型AIは、LLMに対話の画面や検索などの機能を組み合わせたサービスです。

自然言語処理とLLMはどう違いますか。

自然言語処理は人の言葉をコンピュータで扱う技術の分野全体を指し、LLMはその分野の中の1つの手法です。形態素解析や機械翻訳、感情分析なども自然言語処理に含まれます。

LLMのトークンとは何ですか。

トークンは、LLMが文章を扱うときの区切りの単位です。日本語では1〜数文字が1トークンになることが多く、区切り方はモデルごとに異なります。利用料金や一度に扱える量はトークン数で決まるのが一般的です。

LLMに社内の機密情報を入力しても大丈夫ですか。

サービスと契約の内容によります。入力データが学習に使われるか、どこにどれくらい保存されるかを確かめ、社内で入力してよい情報の区分を決めてから使うのが安全です。

LLMはなぜ間違えるのですか。

LLMは事実を調べているのではなく、学習した傾向からもっともらしい続きを生成しているためです。入力にない事実を尋ねると、存在しない情報を作ることがあり、これをハルシネーションと呼びます。

クレジットカードは不要です。数分でお使いいただけます。

無料で始めるお問い合わせ