【2026年版】Claude Code用語集｜初心者が最初に覚えるべき必須ワード30選
目次
1. Claude Codeとは？ 用語を学ぶ前に押さえたい基礎知識
Claude Codeとは、Anthropic社が提供するAIコーディングアシスタントのことです。ターミナル（黒い画面）上で動作し、自然言語で指示を出すだけでファイルの作成・編集やコマンドの実行までを自律的に行ってくれるツールです。
前回の記事ではClaude Codeの概要やインストール方法を解説しましたが、いざ使い始めると「プロジェクト」「セッション」「トークン」といった聞き慣れない用語が次々と登場します。用語の意味がわからないまま進めてしまうと、設定ミスや余計なコスト発生の原因にもなりかねません。
なぜ今、用語の理解が重要なのか
AI導入を検討する企業が急増する中、現場と経営層の間で「用語がわからず会話が噛み合わない」という問題が頻発しています。エンジニアが「コンテキストウィンドウの制限で…」と報告しても、管理者が「それは何のことだ？」となれば、正しい意思決定はできません。
たとえば、こんな場面に心当たりはないでしょうか。
- 会議で「RAGを導入しましょう」と提案されたが、何のことかわからず質問もできなかった
- 「APIのトークン数を最適化すればコスト削減できます」と言われたが、判断材料がなかった
- AI関連のニュース記事を読んでも、専門用語が多すぎて内容が頭に入ってこない
こうした「用語の壁」は、AI導入の最大の障壁の一つです。逆に言えば、用語さえ理解できれば、AIに関する議論に自信を持って参加でき、適切な意思決定ができるようになります。
チーム内で共通言語を持つことは、AI導入のスピードと精度を大きく左右します。実際に、AI導入に成功している企業の多くは、まず「用語の統一」から始めています。全員が同じ言葉を同じ意味で使える状態になって初めて、「どのモデルを使うか」「予算はどう配分するか」といった本質的な議論に進めるのです。
この記事では、Claude Codeに関する用語を中心に、AI全般やその周辺ツールの用語まで網羅的に解説していきます。用語は大きく4つのカテゴリに分けて紹介します。
- Claude Code基本用語（セクション2）: 日常的に使う必須ワード10選
- AI共通用語（セクション3）: ChatGPTやGeminiでも使える汎用知識
- 開発ツール用語（セクション4）: GitHub、Cursorなど周辺サービス
- ビジネス上級用語（セクション5）: 管理者・意思決定者向け
現場の担当者から管理者の方まで、ぜひブックマークして辞書代わりにご活用ください。
2. まず覚えたい！Claude Code基本用語10選
Claude Codeを使い始めるにあたって、最初に押さえておくべき10個の基本用語を厳選しました。これらを理解しておけば、公式ドキュメントや解説記事がぐっと読みやすくなります。
① プロジェクト（Project）
プロジェクトとは、Claude Codeが作業対象とするフォルダ（ディレクトリ）全体のことです。Claude Codeを起動するフォルダがそのまま1つのプロジェクトになります。プロジェクトごとに「CLAUDE.md」という設定ファイルを置くことで、AIの振る舞いやルールをカスタマイズできます。
一般的なプロジェクト管理ツール（JiraやNotionなど）における「プロジェクト」と概念は似ていますが、Claude Codeの場合は物理的なフォルダ構造と直結している点が特徴です。
② セッション（Session）
セッションとは、Claude Codeとの1回の会話のまとまりのことです。Claude Codeを起動してから終了するまでが1セッションとなり、その間の会話履歴はAIが記憶しています。
新しいセッションを開始すると、前回の会話内容はリセットされます。ただし、プロジェクト内のCLAUDE.mdやメモリ機能を使えば、セッションをまたいで情報を引き継ぐこともできます。Webブラウザの「タブ」に近いイメージで、タブを閉じれば会話もリセットされると考えるとわかりやすいでしょう。
③ コンテキスト（Context）
コンテキストとは、AIが現在の会話で把握している情報の範囲のことです。「文脈」とも訳されます。あなたが送ったメッセージ、AIの返答、読み込んだファイルの内容など、セッション内のすべてのやり取りがコンテキストに含まれます。
重要なのは「コンテキストウィンドウ」という概念です。これはAIが一度に扱える情報量の上限を指します。Claude Codeでは最大約20万トークン（Opus 4.6は100万トークン）のコンテキストウィンドウを持ち、上限を超えると古い情報から自動的に圧縮・削除されます。
④ トークン（Token）
トークンとは、AIが文章を処理する際の最小単位のことです。AIは人間のように「文字」単位ではなく「トークン」単位でテキストを読み書きします。
英語では1単語≒1トークンですが、日本語では1文字あたり約1〜2トークンを消費します。つまり、同じ意味の文章でも日本語は英語よりトークン消費量が多くなります。API料金はトークン数に基づいて計算されるため、コスト管理を行ううえで理解必須の概念です。
⑤ プロンプト（Prompt）
プロンプトとは、AIに対する指示文のことです。Claude Codeに「このファイルを修正して」「テストを実行して」と入力するテキストがプロンプトにあたります。
「良いプロンプト＝良い結果」という鉄則があり、あいまいな指示よりも具体的で明確な指示の方が、AIは正確に動きます。たとえば「いい感じにして」よりも「エラーハンドリングを追加して、ユーザーにわかりやすいメッセージを表示して」の方が圧倒的に良い結果を得られます。
⑥ モデル（Model）
モデルとは、AIの頭脳にあたるプログラムのことです。Claude Codeでは、Anthropic社が開発した以下の3つのモデルファミリーを利用できます。
| モデル名 | 特徴 | コスト | 向いている用途 |
|---|---|---|---|
| Opus | 最高性能・高精度 | 高 | 複雑な分析・設計 |
| Sonnet | バランス型 | 中 | 日常的なコーディング |
| Haiku | 高速・軽量 | 低 | 定型処理・メタデータ生成 |
用途に応じてモデルを使い分けることで、品質とコストのバランスを最適化できます。
⑦ CLAUDE.md
CLAUDE.mdとは、プロジェクトごとに配置するAIへの「取扱説明書」のことです。Markdown形式で書かれたテキストファイルで、プロジェクトのルール、コーディング規約、禁止事項などを記載しておくと、Claude Codeがそれに従って動作します。
たとえば「テストは必ずJestで実行する」「日本語でコメントを書く」といった指示を書いておけば、毎回プロンプトで伝えなくても、Claude Codeが自動的にルールを守ってくれます。チームで開発する際には、CLAUDE.mdを共有することで全員が同じAIの振る舞いを得られるメリットもあります。
⑧ スラッシュコマンド（/command）
スラッシュコマンドとは、Claude Code上で特定の操作をすばやく実行するためのショートカットです。「/」（スラッシュ）に続けてコマンド名を入力することで、あらかじめ定義された処理を呼び出せます。
たとえば/helpでヘルプを表示、/clearでコンテキストをクリアするといった使い方ができます。さらに、自分だけのカスタムスラッシュコマンド（スキル）を作成することも可能で、繰り返し行う作業を1コマンドで自動化できます。
⑨ パーミッション（Permission）
パーミッションとは、Claude Codeに対してどこまでの操作を許可するかを制御する仕組みのことです。AIがファイルを書き換えたり、コマンドを実行したりする前に、ユーザーの許可を求める仕組みが組み込まれています。
これにより、意図しないファイルの削除やシステムへの影響を防ぐことができます。「AIに全部任せるのは怖い」という方でも、パーミッション設定によって安全に利用できる設計になっています。
⑩ フック（Hook）
フックとは、Claude Codeの特定の操作の前後に自動実行されるスクリプトのことです。たとえば「ファイルを編集した後に自動でコードフォーマットをかける」「コマンド実行前にログを記録する」といった処理を自動化できます。
プログラミングの世界では広く使われる概念で、Gitの「pre-commit hook」なども同様の仕組みです。日常業務の自動化を進めるうえで、知っておくと便利な用語です。
基本用語10選まとめ
| 用語 | 英語名 | 一言で説明 | 重要度 |
|---|---|---|---|
| プロジェクト | Project | 作業対象のフォルダ全体 | ★★★ |
| セッション | Session | 1回の会話のまとまり | ★★★ |
| コンテキスト | Context | AIが把握している情報の範囲 | ★★★ |
| トークン | Token | AI処理の最小単位・料金の基準 | ★★★ |
| プロンプト | Prompt | AIへの指示文 | ★★★ |
| モデル | Model | AIの頭脳（Opus/Sonnet/Haiku） | ★★☆ |
| CLAUDE.md | — | AIへの取扱説明書ファイル | ★★☆ |
| スラッシュコマンド | /command | 操作のショートカット | ★★☆ |
| パーミッション | Permission | AIの操作権限の制御 | ★★☆ |
| フック | Hook | 操作前後の自動実行スクリプト | ★☆☆ |
3. AI全般で使われる共通用語をマスターしよう
ここからは、Claude Codeに限らずAI全般で使われる共通用語を解説します。ChatGPTやGeminiなど他のAIサービスでも頻出する用語なので、覚えておくとAI関連の情報収集がスムーズになります。
LLM（大規模言語モデル）
LLMとは、Large Language Modelの略で、大量のテキストデータから言語パターンを学習した巨大なAIモデルのことです。ChatGPTの基盤であるGPT、GoogleのGemini、そしてClaude Codeの基盤であるClaudeは、すべてLLMに分類されます。
LLMは「次に来る単語を予測する」という仕組みで動いており、その予測精度が極めて高いため、人間のような自然な文章を生成できます。2026年現在、LLMの性能は急速に向上しており、コード生成や分析といった専門的なタスクもこなせるようになっています。
API（Application Programming Interface）
APIとは、ソフトウェア同士が機能をやり取りするための窓口のことです。レストランに例えると、客（あなたのアプリ）がウェイター（API）を通じてキッチン（AIの頭脳）に注文を届ける仕組みです。
Claude Codeは裏側でAnthropic社のAPIを呼び出して動作しています。自社のシステムやWebサービスにAIの機能を組み込みたい場合は、このAPIを使って連携することになります。API利用は従量課金制（使った分だけ支払う）が一般的で、トークン数に応じた料金が発生します。
ファインチューニング vs RAG（検索拡張生成）
どちらもAIをカスタマイズする手法ですが、アプローチが大きく異なります。
| 比較項目 | ファインチューニング | RAG（検索拡張生成） |
|---|---|---|
| 概要 | AIモデル自体を追加学習させる | 外部データを検索してAIに参照させる |
| たとえるなら | 新しい知識を「暗記」させる | 「参考書」を横に置いて読ませる |
| コスト | 高い（学習に計算資源が必要） | 比較的低い |
| 情報の鮮度 | 再学習しないと更新されない | データを差し替えればすぐ反映 |
| 向いている場面 | 特定の文体・判断パターンの習得 | 最新情報・社内データの活用 |
多くの企業では、まずコストが低く導入しやすいRAGから始めるのがおすすめです。社内のマニュアルやFAQをRAGで参照させるだけでも、AIの回答精度は大幅に向上します。
ハルシネーション（Hallucination）
ハルシネーションとは、AIが事実に基づかない情報をもっともらしく生成する現象のことです。「幻覚」を意味する英語に由来しています。
たとえば、存在しない論文を引用したり、架空の統計データを提示したりすることがあります。AIは「正しいかどうか」ではなく「確率的にもっともらしい文章」を生成する仕組みのため、この現象は完全には避けられません。ビジネスで利用する際は、AIの出力は必ず人間が事実確認するというルールを徹底することが重要です。
マルチモーダル（Multimodal）
マルチモーダルとは、テキスト・画像・音声・動画など複数の種類のデータを同時に扱えるAIの能力のことです。従来のAIはテキストのみの処理が中心でしたが、2026年現在のLLMは画像の理解やPDFの読み取りなども可能になっています。
Claude Codeもマルチモーダル対応で、スクリーンショットを見せて「このUIの問題点を指摘して」といった使い方ができます。
主要AIサービスの用語対応表
同じ概念でも、AIサービスによって呼び方が異なることがあります。以下の対応表を参考にしてください。
| 概念 | Claude / Claude Code | ChatGPT / OpenAI | Gemini / Google |
|---|---|---|---|
| AIモデル | Claude（Opus/Sonnet/Haiku） | GPT（GPT-4o等） | Gemini（Ultra/Pro/Flash） |
| プロジェクト設定 | CLAUDE.md | Custom Instructions | Gems |
| 外部ツール連携 | MCP | Plugins / GPTs | Extensions |
| コード生成ツール | Claude Code | Codex / ChatGPT | Gemini Code Assist |
| 最大コンテキスト | 最大100万トークン | 最大12.8万トークン | 最大200万トークン |
このように、基本的な概念は各サービスで共通していますが、呼び名や実装方法が異なります。1つのサービスで用語を覚えれば、他のサービスの理解もスムーズになるのがポイントです。
4. 開発ツール・サービスの用語を理解する
Claude Codeは単体で使うこともできますが、実際の開発現場ではさまざまなツールやサービスと組み合わせて使われます。ここでは、Claude Codeの周辺でよく登場するツールやサービスの用語を解説します。
GitHub（ギットハブ）
GitHubとは、ソースコードの保管・共有・チーム開発を行うためのプラットフォームのことです。世界中の開発者が利用しており、2026年現在で1億人以上のユーザーを抱えています。
よく混同されるのが「Git」と「GitHub」の違いです。Gitはファイルの変更履歴を記録・管理する「バージョン管理システム」そのもので、GitHubはGitをベースにした「Webサービス」です。たとえるなら、Gitが「日記帳の仕組み」、GitHubが「日記帳を保管・共有できるクラウドサービス」にあたります。
Claude CodeはGitと連携して動作し、コードの変更をコミット（記録）したり、GitHub上でプルリクエスト（変更のレビュー依頼）を作成したりすることも可能です。
Cursor（カーソル）
Cursorとは、AI機能が組み込まれたコードエディタのことです。VS Code（後述）をベースに開発されており、エディタ内でAIとの対話やコード補完ができます。
Claude Codeとの違いは、CursorがGUI（グラフィカルな画面）ベースなのに対し、Claude CodeはCLI（コマンドライン）ベースである点です。両者は競合というよりも補完関係にあり、Cursorで視覚的にコードを確認しながら、Claude Codeで大規模な処理を自動化するという使い分けも可能です。
VS Code（Visual Studio Code）
VS Codeとは、Microsoft社が提供する無料のコードエディタのことです。世界で最も利用者が多いエディタの1つで、拡張機能（プラグイン）を追加することでさまざまな言語やフレームワークに対応できます。
Claude Codeとの関係では、VS Codeの拡張機能としてClaude Codeを組み込んで使うことも可能です。ターミナル画面に慣れていない方は、まずVS Code内でClaude Codeを試してみるのもおすすめです。
ターミナル / CLI
ターミナルとは、文字（コマンド）を入力してコンピュータを操作するためのインターフェースのことです。CLIはCommand Line Interface（コマンドラインインターフェース）の略で、ターミナルとほぼ同義で使われます。
Macでは「ターミナル.app」、Windowsでは「PowerShell」や「コマンドプロンプト」がこれにあたります。Claude CodeはこのCLI上で動作するため、基本的なコマンド操作（ディレクトリの移動、ファイルの一覧表示など）を覚えておくと作業がスムーズです。
MCP（Model Context Protocol）
MCPとは、AIと外部ツールを標準的な方法でつなぐための通信規格のことです。Anthropic社が2024年に提唱し、2025年以降急速に普及が進んでいます。
従来、AIにSlackのメッセージを読ませたり、Google Driveのファイルを参照させたりするには、ツールごとに個別の連携コードを書く必要がありました。MCPはこれを「USB」のような共通規格に統一し、対応しているツールなら簡単に接続できる仕組みを提供しています。
Claude CodeではMCPサーバーを設定するだけで、データベース、外部API、ファイルストレージなどと連携可能です。ビジネスでのAI活用の幅を大きく広げるキーテクノロジーとして注目されています。
各ツールの役割まとめ
| ツール名 | カテゴリ | Claude Codeとの関係 | 初心者おすすめ度 |
|---|---|---|---|
| GitHub | コード管理 | 変更履歴の保存・共有先 | ★★☆ |
| Cursor | AIエディタ | GUIでの補完ツール | ★★★ |
| VS Code | コードエディタ | 拡張機能で連携可能 | ★★★ |
| ターミナル | 操作インターフェース | Claude Codeの動作環境 | ★★☆ |
| MCP | 接続規格 | 外部ツールとの連携基盤 | ★☆☆ |
5. ビジネスで差がつく！知っておくべき上級用語
ここまでの用語を理解できたあなたは、すでにAIリテラシーの基礎が身についています。ここからは視点を変えて、ビジネスの現場でAIを「武器」として使いこなすために必要な上級用語を見ていきましょう。
プロンプトエンジニアリング（Prompt Engineering）
プロンプトエンジニアリングとは、AIに最適な出力を得るために指示文を設計・改善する技術のことです。先ほど紹介した「プロンプト」をさらに深掘りした専門分野です。
ビジネスの現場では、同じAIツールを使っていても、プロンプトの品質によって成果物のクオリティに大きな差が生まれます。たとえば、社内の報告書作成をAIに依頼する場合、「報告書を書いて」という指示と「過去3ヶ月の売上データを基に、前年同期比を含む四半期レポートを、経営会議向けのフォーマットで作成して」という指示では、出力の精度がまったく異なります。
2026年現在、プロンプトエンジニアリングは独立したスキルとして求人市場でも評価されるようになっており、AI導入を推進する企業にとっては重要な投資領域です。社内にプロンプト設計のノウハウを蓄積し、テンプレート化して共有する企業も増えています。「誰が書いても一定品質の出力が得られる」仕組みを整えることが、AI活用の成熟度を高める鍵となっています。
エージェント（Agent）
エージェントとは、AIが自律的に判断しながら複数のタスクを連続実行する仕組みのことです。従来のチャットボットが「質問に答える」受動型なのに対し、エージェントは「目的を達成するために自ら考え、行動する」能動型です。
Claude Codeはまさにエージェント型のAIツールです。「このWebサイトを作って」と指示すれば、必要なファイルの作成、コードの記述、テストの実行、エラーの修正まで、一連の作業を自律的に進めてくれます。人間が細かくステップを指示しなくても、ゴールに向かって自走できるのがエージェントの最大の強みです。
ビジネスの現場では、エージェント型AIの導入により、これまで数時間かかっていた定型的な開発作業が数分で完了するケースも増えています。たとえば、社内ツールの改修、データ処理スクリプトの作成、ドキュメントの自動生成など、「人間が考え、AIが実行する」という分業体制が急速に広がっています。
ワークフロー自動化
ワークフロー自動化とは、複数の作業ステップをAIに連続実行させる仕組みのことです。単発のタスクをAIに頼むのではなく、「データを取得→分析→レポート作成→メール送信」のような一連の業務フローを丸ごと自動化します。
Claude Codeのスキル機能やフック機能を組み合わせることで、独自のワークフローを構築できます。たとえば、毎朝の定例レポート作成、コードレビューの自動チェック、マーケティング記事の一括生成など、繰り返し発生する業務を自動化することで、人的リソースをより創造的な業務に振り向けることが可能になります。
実際にこの記事自体も、Claude Codeのワークフロー自動化機能を活用して生成されています。構成案の作成からHTML記事の執筆、メタデータの生成、WordPress投稿まで、一連の工程をスキルとして定義し、コマンド1つで実行できる仕組みです。このように、自社の業務プロセスに合わせたワークフローを設計できるのが、Claude Codeの大きな魅力です。
コスト最適化（トークンエコノミクス）
トークンエコノミクスとは、AI利用にかかるトークン消費量とコストを戦略的に管理する考え方のことです。AIのAPI利用は従量課金制が主流であり、何も考えずに使えば予想外の高額請求につながるリスクがあります。
管理者が押さえておくべきポイントは以下の3つです。
- モデルの使い分け: 定型処理には安価なHaiku、重要な分析にはOpusと、タスクに応じてモデルを使い分ける
- プロンプトの効率化: 不要な情報を省き、簡潔なプロンプトでトークン消費を抑える
- キャッシュの活用: 同じ指示を繰り返す場合はキャッシュを活用してコストを削減する
こうしたコスト管理のノウハウは、AI導入の投資対効果（ROI）を左右する重要なファクターです。しかし、最適な設計には技術的な知見が欠かせないため、専門家に相談することで無駄なコストを大幅に削減できるケースも少なくありません。
6. 用語がわかったら次にやること｜実践3ステップ
用語の意味を理解した今、次にやるべきことは実際に手を動かしてみることです。知識だけでは使いこなせないのがAIツールの特徴です。ここでは、すぐに始められる3つのステップをご紹介します。
ステップ1 — Claude Codeをインストールしてみる
まずはClaude Codeを自分のパソコンにインストールしましょう。Node.jsの環境があれば、ターミナルで1行のコマンドを実行するだけで導入できます。詳しい手順は初心者向け完全ガイドでも解説しています。
インストールしたら、まずは簡単な質問（「このフォルダの中身を教えて」など）から試してみてください。セッション、コンテキスト、パーミッションといった用語が、実際に触ることで体感的に理解できるようになります。
実際に試してみると、Claude Codeが「このファイルを編集してもいいですか？」と許可を求めてくる場面があります。これがまさに「パーミッション」の仕組みです。このように、本記事で学んだ用語が目の前の画面とつながる瞬間は、理解が一気に深まるタイミングです。
ステップ2 — 小さなプロジェクトで試す
次に、小さなプロジェクトをClaude Codeで試してみましょう。おすすめは以下のような軽いタスクです。
- 簡単なHTMLページの作成
- 既存のテキストファイルの整理・変換
- CSVデータの集計・分析
- 社内用のシンプルなツール作成
ここで大切なのは、失敗しても影響の少ない環境で試すこと。本番のシステムではなく、テスト用のフォルダを作って実験しましょう。CLAUDE.mdを作成してプロジェクトのルールを設定する練習にもなります。
たとえば、テスト用フォルダ内にCLAUDE.mdを置いて「すべての出力は日本語で行うこと」「ファイル名は日本語を含めないこと」といったルールを書いてみましょう。Claude Codeがルールに従って動作する様子を確認でき、プロジェクトとCLAUDE.mdの関係が実感として理解できます。
ステップ3 — チームで共通言語を揃える
個人で使い方を覚えたら、次はチームで共通言語を揃えるステップに進みましょう。この記事の用語集をチーム内で共有し、「トークン」「コンテキスト」「プロンプト」といった基本用語の意味をメンバー全員が理解している状態を目指します。
管理者の方は、AI導入の方針を決める際に「どのモデルを使うか」「コスト上限をどう設定するか」「プロンプトの品質管理をどうするか」といった判断を求められます。ここまでに学んだ用語の知識があれば、エンジニアチームとの議論にも自信を持って参加できるはずです。
具体的な共有方法としては、この記事のURLをチーム内のチャットで共有する、週次のミーティングで1つずつ用語を取り上げて解説する、社内Wikiに用語集ページを作る、といったやり方があります。大切なのは一度に全部覚えようとせず、実務で出てきた用語からひとつずつ理解を広げていくことです。
ただし、全社的なAI導入設計や、APIを活用した業務システムの構築となると、社内リソースだけでは対応が難しいケースもあります。よくある失敗パターンとして、「とりあえずAIを導入してみたが、使い方が定まらず現場が混乱した」「コストが想定以上に膨らんでしまった」「セキュリティやデータの取り扱いが曖昧なまま運用してしまった」といった事例があります。
こうした失敗を防ぐためには、技術的な要件定義からプロンプト設計、コスト最適化、運用ルールの策定まで、一貫してサポートできる専門パートナーの力を借りることが有効です。特に、自社の業務フローに合わせたカスタマイズや、社員向けのAIリテラシー研修なども含めた包括的な支援を受けることで、導入スピードと成功確率が格段に上がります。
7. よくある質問（FAQ）
Claude Codeの用語に関して、よくいただく質問をまとめました。
Q1.「トークン」と「文字数」は何が違うのですか？
トークンはAIが文章を処理する際の最小単位で、文字数とは異なります。英語では1単語≒1トークンですが、日本語では1文字が1〜2トークンになることが多く、同じ文章でも日本語の方がトークン消費量が多くなります。API料金はトークン数で計算されるため、コスト管理の際に重要な概念です。
Q2.「コンテキスト」と「セッション」はどう違うのですか？
セッションはClaude Codeとの「1回の会話のまとまり」を指し、コンテキストはその会話の中でAIが把握している「情報の範囲」を指します。セッションが器だとすれば、コンテキストは器の中身のイメージです。コンテキストウィンドウ（上限）を超えると、古い情報から忘れていきます。
Q3.「プロンプト」と「プロンプトエンジニアリング」の違いは何ですか？
プロンプトはAIへの「指示文そのもの」、プロンプトエンジニアリングは「より良い結果を得るために指示文を設計・最適化する技術」です。たとえば「要約して」が単なるプロンプト、「箇条書き3点で、専門用語を避けて要約して」が工夫されたプロンプトです。
Q4.「API」とは何ですか？ なぜビジネスで重要なのですか？
APIとは、ソフトウェア同士が機能をやり取りするための窓口です。Claude Codeの場合、Anthropic社のAPIを通じてAIの能力を呼び出しています。自社システムにAI機能を組み込む際にはAPI連携が必須となるため、ビジネスでのAI活用を検討する際に理解しておくべき用語です。
Q5.「MCP」とは何ですか？ 従来の仕組みと何が変わるのですか？
MCPはModel Context Protocolの略で、AIと外部ツール（データベース、Slack、Google Driveなど）を標準的な方法でつなぐ規格です。従来はツールごとに個別の接続コードが必要でしたが、MCPにより統一された方法で連携できるようになりました。USBのような「共通規格」をイメージするとわかりやすいです。
Q6.「エージェント」と「チャットボット」は何が違うのですか？
チャットボットは「質問に答える」受動的なAIですが、エージェントは「自分で判断して複数のタスクを実行する」自律的なAIです。Claude Codeはエージェント型で、ファイルの作成・編集・コマンド実行などを自ら判断して行います。
Q7.「ハルシネーション」はどうすれば防げますか？
ハルシネーション（AIがもっともらしいウソを生成する現象）を完全に防ぐことは現時点では困難です。対策としては、具体的な情報ソースを指定する、出力結果を人間が確認する、RAG（検索拡張生成）で正確なデータを参照させる、といった方法があります。ビジネス利用では「AIの出力は必ず人間がチェックする」というルールが不可欠です。
Q8.「RAG」と「ファインチューニング」はどちらを選ぶべきですか？
RAGは外部データを検索してAIに参照させる方法、ファインチューニングはAIモデル自体を追加学習させる方法です。自社の最新情報を反映させたい場合はRAG、特定の文体や専門的な判断パターンを覚えさせたい場合はファインチューニングが向いています。多くの企業では、まずコストが低く導入しやすいRAGから始めるのがおすすめです。
