マワルくん
・AIの種類が増えすぎて全体像がつかめない
・生成AI・AIエージェント・特化型の位置関係を整理したい
・自社の目的にどの種類が合うか判断したい
生成AI、AIエージェント、フィジカルAI、ソブリンAI。ここ一年ほどでAIの呼び名は一気に増え、どれとどれが同じ話で、どれが別物なのかが見えにくくなりました。用語を追うほど、自社の仕事とどう結びつくのかが分からなくなる、という声をよく聞きます。
AIの種類とは、AIを分ける複数の軸ごとに整理されたグループのことです。種類は暗記するものではなく、自社の用途から逆算して選ぶための地図です。本記事では「用途・形態」を主軸に、能力・技術という別の分け方も添えながら、それぞれが1枚の地図のどこに位置するか、自社の目的からどう選ぶかを整理します。
この記事を監修した人
AIエンジニア
小洞 映ハユル コボラ
この記事のゴール（読了目安 約10分）
AIの分け方には「用途・形態」「能力」「技術」の複数の軸があると理解し、生成AI・AIエージェント・特化型などが地図のどこに位置するかを説明できるようになる。そのうえで、自社の目的から使う種類を選ぶ入口をつかむ。
AIの種類は1つの軸では分けられない
分け方には3つの軸がある
AIの種類を並べた記事はたくさんありますが、実は分け方が1つではありません。大きく分けて、何に使うかで見る「用途・形態」、どこまで賢いかで見る「能力」、どう作られているかで見る「技術」の3つの軸があります。
同じAIでも、どの軸で見るかによって呼び名が変わります。混乱の多くは、別々の軸の言葉を同じ列に並べてしまうことが原因です。
この記事は用途・形態を主軸にする
3つの軸のうち、本記事は「用途・形態」を地図の主軸に置きます。理由は単純で、この軸だけが「自社は何をしたいか」から逆算できるからです。能力や技術は仕組みを理解するには役立ちますが、どれを導入するかの判断には直結しません。
能力軸と技術軸は「もう一つの分け方」として先に手短に触れ、そのうえで本題の用途・形態へ進みます。選ぶための軸は用途・形態、と覚えておいてください。
まず能力で見る｜特化型・汎用型・超知能
ANI・AGI・ASIの3段階
能力軸は、AIがどこまで人間に近い知能を持つかで3段階に分けます。特定の作業に絞って力を発揮する特化型（ANI）、人間並みに幅広くこなす汎用型（AGI）、人間を超えるとされる超知能（ASI）です。
現在実用化されているAIはすべて特化型（ANI）です。生成AIもAIエージェントも、幅広く見えて実際は「与えられた範囲で力を発揮する特化型」に含まれます。
汎用型・超知能は研究段階
汎用型や超知能は、実現時期も定義も定まっておらず、現時点では研究や議論の段階にあるとされています。ニュースで華やかに語られますが、明日の業務に導入する対象ではありません。
この能力軸をもう少し深く知りたい場合は、超知能と汎用型の違いを扱った関連記事で整理しています。導入判断の前段として仕組みを理解したいときに読むと、ニュースの内容がつかみやすくなります。
次に技術で見る｜機械学習と生成AIの関係
包含関係で捉える
技術軸は、AIがどう学習しているかで見る分け方です。ここは並列ではなく、大きな箱の中に小さな箱が入る包含関係で捉えると整理できます。機械学習という大きな枠の中に深層学習があり、その中に生成AIがある、という入れ子構造です。
生成AIは機械学習の外側にある別物ではない、という関係だけ押さえておけば十分です（総務省「令和6年版 情報通信白書」）。この積み重なりがどう発展してきたかは、AIの歴史をたどった関連記事で流れを追えます。
技術軸は「仕組みの理解」に使う
技術軸は、ベンダーの説明を読み解いたり、なぜこのAIが得意・不得意なのかを理解したりするのに役立ちます。ただし導入の判断そのものは、次に見る用途・形態の軸で行うほうが早道です。
本題｜用途・形態で見るAIの6タイプ
ここからが地図の本体です。用途・形態で見ると、AIは大きく6つのタイプに分けられます。それぞれ「何をするAIか」を一言で押さえ、詳しい違いは関連記事へ進める形にします。
生成AI｜文章や画像を「作る」
生成AIは、求めに応じて文章、画像、音声、動画、コードなどの成果物を新しく作り出すAIです。資料のたたき台、記事、デザイン案、要約など、ゼロから何かを生み出す用途に向きます。マーケティングでの具体的な使い方は、生成AIマーケティングを扱った関連記事で詳しく解説しています。
AIエージェント｜タスクを「進める」
AIエージェントは、与えた目標に向けて手順を自分で組み立て、複数の処理を自律的に進めるAIです。生成AIが「作る」のに対し、こちらは「段取りして動かす」のが役割です。基礎はAIエージェントの入門記事、より自律性の高いものはエージェンティックAIの関連記事に分けて説明しています。
特化型・業界特化AI｜業務に「絞る」
特化型AIは、特定の業務や業界に用途を絞り込んだAIです。医療、法務、建設のように専門領域へ最適化したものはバーティカルAIとも呼ばれます。範囲を絞るほど精度と実用性が上がるのが強みで、詳しくはバーティカルAIの関連記事で扱っています。
フィジカルAI｜現実世界を「動かす」
フィジカルAIは、ロボットや設備を通じて現実世界の物を実際に動かすAIです。画面の中で完結する他のタイプと違い、身体を持って物理的に作用する点が特徴です。位置づけや事例はフィジカルAIの関連記事にまとめています。残る2つ、提供形態（クラウド・ローカル・ソブリン）と導入形態（AI SaaS）は、次章以降で扱います。
入力と出力で見る｜マルチモーダルの広がり
扱える情報の種類で見る
同じ生成AIでも、テキストだけを扱うのか、画像・音声・動画までまとめて扱えるのかで得意分野は同じではありません。文字も画像も音声も横断して理解し出力できるものをマルチモーダルと呼びます。
複数の種類の情報を一度に扱えるほど用途は広がります。写真を見せて説明させる、図表を読ませて要約させるといった使い方は、この広がりから生まれます。仕組みや活用の詳細は、マルチモーダルLLMの関連記事で解説しています。
動かす場所で見る｜クラウド・ローカル・ソブリン
データをどこで処理するか
AIをどこで動かすかも、種類を分ける大事な軸です。これはデータをどこで処理するか、つまりセキュリティや主権に直結する話です。
- クラウド: 事業者のサーバーで動かす。手軽だがデータは外に出る
- ローカル: 自社の環境内で動かす。機密を外に出さずに使える
- ソブリン: 国や組織が主権を保った基盤で動かす
自社の環境でモデルを動かすローカルLLMは、ローカルLLMの関連記事で扱っています。国内でデータと基盤を管理するソブリンAIについては、政府が2026年7月に閣議決定したAI基本計画でも「AI主権」を柱の一つに掲げており（内閣府「人工知能基本計画（第Ⅱ期）」令和8年7月14日閣議決定）、ソブリンAIの関連記事で位置づけを整理しています。
使い方の形で見る｜自作かAI SaaSか
モデルを持つか、サービスで使うか
最後の軸は、AIを自前で構築するか、できあがったサービスとして契約して使うかです。前者はモデルやデータを自社で抱え、後者は月額などで提供される機能を使います。
中小企業の現実的な入口は、多くの場合AI SaaSです。開発の負担なく必要な機能だけ使い始められるため、まず試すには向いています。サービスとして使うAIの選び方は、AI SaaSの関連記事にまとめています。
種類ごとの向き・不向き早見
強い所と人が判断する所
種類を知る目的は、優劣を付けることではなく、用途への向き・不向きを見極めることです。どのタイプにも、AIが強い領域と、人が判断すべき領域があります。
- 生成AI: たたき台づくりに強い。事実確認と仕上げは人が担う
- AIエージェント: 定型の段取りに強い。最終承認は人が握る
- 特化型AI: 絞った業務で高精度。範囲外は苦手
- フィジカルAI: 反復作業に強い。安全管理は人の責任
AIを万能扱いせず、苦手なことと人が握るべき点をセットで把握するのが、選び方を誤らないコツです。
自社に合う種類の選び方
目的から3ステップで絞る
種類名から入ると迷子になります。順番は逆で、目的から用途、形態へと絞っていくのが確実です。
- STEP1 目的を言語化: 一番困っている業務と、達成したい状態を書き出す
- STEP2 用途を特定: 作る・進める・絞る・動かす、のどれに当たるか決める
- STEP3 形態を確認: クラウドかローカルか、扱うデータの制約はあるか確認する
大切なのは、ツールや流行の種類名から入らないことです。施策から入ると、目的に合わない種類を選んでしまいます。困りごとを起点にすれば、必要なAIの種類は自然と絞られます。
【プロの視点】暗記より「どれが強いか」を試す
AIの種類を語るとき、分類名を正確に覚えることに関心が向きがちです。しかし本当に役立つのは、名前を覚えることではなく、自社の用途に対してどのAIが実際に強かったかを確かめることです。
同じ「作る」AIでも、何を・どんな形で作らせるかで実用性は大きく変わります。実案件で生成AIの動画を試したときは、人物の顔や手、一貫した人物表現には違和感が残った一方、人物を含まない映像や実写素材を動かす用途、短い尺の動画では十分に使えました。デザインでも同じことが起きます。たたき台となる初稿を素早く出す用途ではAIが強かったものの、余白やフォント、ブランドらしさといった仕上げの部分には人の手が残りました。
つまり「AI動画は使えるか」「AIデザインは使えるか」と種類の名前で問うのではなく、その種類をどの用途に当てるかで向き不向きが決まるということです。だから見るべきは分類名ではなく、自社の用途に対してどのAIが実際に強かったか、という一点になります。
【waltsu視点】種類は道具、価値は試行回数
種類を分ける本当の目的は何か。それは「どれが正解か」を当てることではなく、安全に試せる範囲を絞り込み、試行回数を増やすことにあります。
種類ごとの向き不向きは、机上で分類を眺めていても分かりませんでした。生成AIの動画も、AIによるデザインも、実際に一度作らせてみて初めて、どこまでは任せられて、どこからは人が入るかの線が見えます。試すまで、向き不向きは分からないのです。だからこそ、用途を絞って小さく試せる状態を作ることに価値があります。
中小企業が明日から踏み出す一歩は、シンプルです。一番困っている1つの業務を選び、その用途に合うAIを1つだけ試してみることです。全部を一度に検討する必要はありません。1業務・1種類から始めれば、失敗も学びも小さく回せます。種類はそのための道具であって、目的ではありません。
よくある種類の取り違え
混同しやすい4つの誤解
種類選びで実際につまずくのは、次のような取り違えです。
- 生成AIとAIエージェントを同じと思う: 作ると進めるで役割が違う
- 特化型を劣った旧世代と思う: 絞るからこそ精度が出る
- 全部AIに任せられると思う: 最終判断は人が握る前提
- 古い分類だけで見る: 新しい形態を見落とす
取り違えたまま進むと、目的に合わない種類へ過剰に投資したり、機密データを外に出してしまったりします。種類選びの誤りは、そのままコストと情報漏洩のリスクになるため、最初の見極めが大切です。
よくある質問
AIの種類は結局いくつある？
分け方の軸によって変わります。用途・形態なら6タイプ前後、能力なら3つ（ANI・AGI・ASI）、技術なら機械学習・深層学習・生成AIの包含関係で見ます。数を数えるより、どの軸で見るかを決めるのが先です。
生成AIとエージェントの違いは？
生成AIは求めに応じて成果物を「作る」もの、AIエージェントは目標に向けて処理を自律的に「進める」ものです。作ると進めるで役割が分かれます。詳しくはAIエージェントやエージェンティックAIの関連記事をご覧ください。
特化型は汎用型より劣る？
劣っているのではなく役割が違います。現状の実用AIはほぼすべて特化型で、業務に絞るほど精度と実用性が上がります。汎用型（AGI）はまだ研究段階です。
中小企業はどこから始める？
一番困っている1業務に、用途の合うAIを1つだけ試すのが現実的です。多くはAI SaaSから小さく始められ、開発の負担なく効果を確かめられます。
選ぶ基準は何にすべき？
種類名ではなく、何をしたいか（用途）、どこで動かすか（形態）、扱うデータの制約、の3点から逆算します。選び方の具体的な手順は本文の3ステップを参照してください。
この記事のポイント
・AIの種類は「用途・形態」「能力」「技術」の複数の軸で分けられる
・選ぶなら「作る・進める・絞る・動かす」の用途・形態軸で見る
・現状の実用AIはすべて特化型で、汎用型・超知能は研究段階
・種類名を暗記せず、用途に対してどれが強いかを試して見極める
まとめ
AIの種類は、能力・技術・用途というように複数の軸で分けられます。ニュースで次々に増える呼び名も、能力や技術ではなく「何をするAIか」という用途・形態の軸に置き直せば、生成AI・AIエージェント・特化型・フィジカルAIとして1枚の地図に収まります。
大切なのは、種類名を暗記することではなく、自社の目的から逆算して選ぶことです。困っている業務を起点に用途を特定し、形態とデータの制約を確認する。この順番で見れば、増え続ける用語に振り回されずに、自社に必要なAIへたどり着けます。
まずは一番困っている1つの業務を選び、その用途に合う種類を1つだけ試すところから始めてみてください。そのうえで、自社のどの業務にどの種類のAIが合うか迷う場面が出てきたら、waltsuが用途からの選定と検証をご支援します。
