本文へスキップ

AI過渡期のデータと趨勢

AI通信

一次情報で読み解く、AIニュース・比較・実務活用ガイド

ChatGPT・Claude・Geminiの最新動向とビジネス活用を、一次情報にもとづいて解説する。

注目記事

社会

米国のAI世論、利用49%でも不信71%：Pewが見る「使うほど疑う」構造と若年層の逆転

Pew Researchの2026年6月調査で米国成人のAIチャットボット利用は49%に達したが、進歩が「速すぎる」63%、個人情報がより危険になる71%と不信も強い。18〜29歳は50歳以上より悲観的で、Gallup・JFFの独立調査も同じ逆転を裏づける。利用拡大と不信深化の同時進行を一次データで整理する。

2026年8月26日 ・ 約15分

社会

「人工知能基本計画」を読む：閣議決定からわずか半年で「第Ⅱ期」へ、日本のAI国家戦略の全体像

2025年12月、日本初のAI国家戦略「人工知能基本計画」がAI推進法第18条に基づき閣議決定された。政府は開発投資の出遅れを自ら認め、わずか半年後の2026年7月には「第Ⅱ期」へ改定し、日本AX路線へ舵を切った。3原則から4原則への変化と、変わらない骨格を一次資料で整理する。

2026年7月26日 ・ 約14分

特集

最新記事

ビジネス

「効率化はできた、稼ぐ力はまだ」：厚労省とIPA、二つの一次統計が示す共通パターン

厚生労働省「労働経済動向調査」（2026年2月・新設項目）とIPA「DX動向調査」（1,799社）という、母集団の異なる政府系一次統計が独立に同じ構造を示す。AI活用の狙いは業務効率化に集中し、効果も効率化には表れるが、人手不足の解消や売上・利益の向上にはほとんど届いていない。

2026年9月3日 ・ 約13分

ビジネス

「使っているが、変えていない」：総務省令和8年版情報通信白書が示す日本のAI組織的取組ギャップ

総務省令和8年版情報通信白書によれば、日本の生成AI利用率は個人58.8%・企業86.4%へ急伸し、米独中との差はほぼ解消した。だが「業務変革の組織的な取組はない」と答えた日本企業は27.0%、米国1.4%・独4.9%・中国2.6%と桁違いに高い。利用率の先に残るギャップを一次データで読み解く。

2026年8月21日 ・ 約16分

社会

AI電話が独居高齢者を見守る自治体2026——出雲市の実証と山形市の孤立対策に見る実装のいま

総務省調査でAI・RPA導入済み自治体は64.5%に達した(令和6年12月31日時点)。出雲市はAI電話サービスで高齢者約70人を対象に9か月の実証実験を行い2026年4月に商用化、山形市は生成AIと専門職のハイブリッド相談で孤独・孤立を抱える住民を支える。行政AI実装の現在地を一次データで読み解く。

2026年7月17日 ・ 約11分

社会

AI時代に「教師は代替不能」と言えるか——UNESCOの規範と文科省の実装

UNESCOは学生に批判的判断や市民としての責任など4つの視点からAIコンピテンシーを求め、教師には「脱専門化」からの保護を提言する。文部科学省もガイドラインVer.2.0で教職員の校務利用を学習活動より慎重さの少ない形で先行させる設計を取る。国際規範と国内実装の重なりを整理する。

2026年7月11日 ・ 約10分

社会

AI導入企業ほど雇用が揺れる：OECD雇用見通し2026とGallup・LinkedInで見る『失業経由』の労働市場再編

OECD雇用見通し2026は、AIによる雇用調整が「転職」でなく「失業」を経由し労働者に傷痕を残すと分析する。Gallupは導入企業で採用と解雇が同時に増え、大企業では縮小が拡大を逆転する実態を報告した。複数の一次データから雇用「再編」の中身を整理する。

2026年7月10日 ・ 約13分

ビジネス

生成AIの隠れコスト2026：ハルシネーション対応と「AIスロップ」の検証負担、TDBが示す「使いこなし格差」

生成AIは「導入したかどうか」ではなく「使った後に何が起きているか」が問われる段階に入った。ハルシネーション（AI幻覚）への対応・SHRM調査が示す「AIスロップ」自己認識と週4時間の修正作業、帝国データバンクが示す社内の「使いこなし格差」を、日米のデータから整理する。

2026年7月9日 ・ 約13分

生成AI用語辞典

すべての用語を見る →

生成AIの専門用語を、意味・目的・使われる場面まで図解でわかりやすく解説しています。

モデル

人工知能（AI）

じんこうちのう

人工知能（AI）とは、人間が行うような認識・推論・判断・学習などの知的な働きを、コンピュータで再現する技術の総称です。意味・目的・特徴・利用場面を解説します。

学習・チューニング

深層学習（ディープラーニング）

しんそうがくしゅう

深層学習（ディープラーニング）とは、人間の脳の仕組みをまねた多層の構造を使い、大量のデータから複雑なパターンを学び取る機械学習の手法です。意味・目的・特徴を解説します。

学習・チューニング

機械学習

きかいがくしゅう

機械学習とは、コンピュータが大量のデータから規則性やパターンを自動で学び取り、予測や判断を行えるようにする技術のことです。意味・目的・特徴・利用場面を分かりやすく解説します。

アーキテクチャ

ニューラルネットワーク

にゅーらるねっとわーく

ニューラルネットワークとは、人間の脳の神経細胞のつながりをまねて作られた、データから学習するための計算の仕組みのことです。意味・目的・特徴・利用場面を分かりやすく解説します。

モデル

生成AI

せいせいえーあい

生成AIとは、文章・画像・音声などの新しいコンテンツを、入力に応じて自動でつくり出すAIのことです。意味・目的・特徴・使われる場面を解説します。

モデル

大規模言語モデル（LLM）

だいきぼげんごもでる

大規模言語モデル（LLM）とは、大量の文章データで学習し、人間のような自然な文章を理解・生成する深層学習モデルのことです。意味・目的・特徴・利用場面を解説します。

カテゴリから探す