「生成AIって、結局何ができるの?」——この素朴な疑問に、まとめて答えるのがこの記事です。できることの全体像(ケイパビリティ)を知ることは、生成AIを活用する上での出発点であり、生成AIテストでも問われる基本テーマです。初めての方も安心して読み進めてください。
📖 この項目で学ぶこと
この記事で扱うのは、シラバスの理解項目「生成AIには何ができるのかを理解している。」です。そもそも生成AI(Generative AI)とは、ひと言でいうと「文章・画像・音声などの新しいコンテンツを作り出せるAI」のことです。これまでのAIの主流は、写真に写っているのが犬か猫かを当てる「識別」や、過去のデータから明日の売上を見積もる「予測」でした。
これに対して生成AIは、「書く」「描く」「まとめる」「答える」といった、これまで人間の仕事だと思われてきた「作る」作業をこなせる点が画期的です。しかも、翻訳専用・要約専用といった単機能のツールではなく、1つのAIが驚くほど幅広い仕事に対応できます。この「できることの範囲」を表す言葉が、今回のキーワードであるケイパビリティです。
できることを知らなければ、活用のアイデアは生まれません。逆に、できることの全体像を頭に入れておくと、日々の仕事の中で「この作業、生成AIに任せられるのでは?」という気づきが自然に増えていきます。同時に、「できること」の理解は「苦手なこと」の見極めと表裏一体です。この記事では両面をセットで整理します。
🔍 キーワードをやさしく解説
ケイパビリティ (Capability)
ケイパビリティ (Capability) とは、ひと言でいうと「そのAIに備わっている能力、できることの範囲」のことです。英語のcapabilityは「能力・性能」を意味し、生成AIの文脈では「このモデルは何ができるのか」を指す言葉として使われます。
身近な例えで考えてみましょう。職場に新しい同僚が配属されたとき、「英語が話せる」「Excelが得意」「デザイン経験がある」といったスキルの一覧が分かれば、どんな仕事を頼めるか判断できますよね。ケイパビリティとは、まさに生成AIの「スキル一覧」にあたるものです。
もう少し詳しく説明します。大規模言語モデル(LLM)の大きな特徴は、特定のタスク専用に作られたわけではないのに、非常に幅広いタスクをこなせる汎用性にあります。1つのモデルが翻訳も要約もプログラミング支援もできるのです。さらに、モデルの規模が大きくなる過程で、開発者が明示的に教え込んでいない能力が現れることも報告されており、ケイパビリティの全貌は開発者自身にも完全には把握しきれていないと言われます。だからこそ「何ができるかを利用者側が理解し、引き出す」ことに価値があるのです。
代表的なケイパビリティ(1) 文章をあつかう力
生成AIの中心となるのは、テキストに関する能力です。代表的なものを挙げます。
- 文章生成: メール、企画書、ブログ記事などの下書きをゼロから作る
- 要約: 長い議事録や論文を、要点だけに短くまとめる
- 翻訳: 多くの言語間で、文脈をふまえた自然な翻訳をする
- 質問応答: 質問に対して、学習した知識をもとに説明する
- 校正・リライト: 誤字の指摘や、文体の調整(丁寧に、簡潔に、など)をする
- 分類・抽出: 問い合わせメールの仕分けや、文中から日付・金額だけを抜き出す作業をする
- アイデア出し: 企画案を10個挙げるなど、発想の「壁打ち相手」になる
ポイントは、これらすべてを1つのAIとの「会話」だけで頼める点です。従来は作業ごとに別々のツールや人手が必要でした。しかも、これらの能力は組み合わせて使えます。たとえば「この英語の議事録を日本語に翻訳し、決定事項だけを箇条書きで要約して」という依頼は、翻訳・抽出・要約の3つの能力の合わせ技です。組み合わせを意識できると、頼める仕事の幅は一気に広がります。
代表的なケイパビリティ(2) プログラムをあつかう力
プログラムのコードも「文字で書かれたもの」なので、生成AIの得意分野です。コードの自動生成、エラーの原因の解説、他人が書いたコードの説明、テストの作成などができます。プログラミングを学んだことがない人でも、「Excelでこういう集計をしたい」と日本語で伝えれば数式やマクロの候補を提案してもらえるため、非エンジニアにとっても恩恵の大きい能力です。
代表的なケイパビリティ(3) 画像・音声をあつかう力
テキスト以外を扱う生成AIも広がっています。文章で指示して画像を作る画像生成、画像を見せて内容を説明させる画像理解、音声を文字に起こす音声認識、文章を自然な声で読み上げる音声合成などです。このように複数の種類のデータ(モダリティ)を扱えることをマルチモーダルと呼びます(詳しくは1-10で解説しています)。
裏返しとしての「苦手なこと」
ケイパビリティを正しく理解するには、苦手なことも知っておく必要があります。生成AIは、学習した時点より後の最新情報を知らない(知識カットオフ)、複雑な計算を間違えることがある、そして事実と異なる内容をもっともらしく答えてしまうハルシネーションという現象がある、といった弱点を持ちます。厳密には、これらは「能力の欠如」というより生成AIの仕組みに由来する性質で、詳しくは1-1や1-11で扱っています。「できること」と「保証できないこと」を区別する姿勢が、活用の大前提です。
💬 実生活・仕事でどう役立つ？
ケイパビリティの知識は、そのまま「仕事の頼み方リスト」として使えます。たとえば朝のメール処理では文章生成と校正を、会議後は録音の文字起こしと要約を、企画立案ではアイデア出しを、というように、1日の業務の各場面に対応する能力があります。「生成AIに何ができるか」を知っている人と知らない人とでは、同じツールを使っても引き出せる価値が大きく変わります。
特におすすめなのは、自分の仕事を「文章を作る」「まとめる」「調べる」「発想する」「チェックする」といった作業の種類に分解してみることです。分解してみると、生成AIのケイパビリティと重なる作業が想像以上に多いことに気づくはずです。この気づきが、後の記事(2-4)で扱う「自分ならではの活用方法の開発」につながっていきます。
もう1つのポイントは、頼む前に「これは得意分野か?」を判断できるようになることです。たとえば「最新のニュースを教えて」や「この計算結果は絶対に正確?」といった依頼は、生成AI単体の苦手分野に踏み込んでいます。ケイパビリティの境界線を知っていれば、AIの回答を過信して失敗するリスクを減らし、確認が必要な場面を見極められます。
📝 生成AIテストではこう問われる
- 生成AIに「できること」と「苦手なこと」を区別させる問題。選択肢に要約・翻訳などの得意分野と、最新情報の取得・事実の保証などの苦手分野を混ぜて出題される形が考えられます
- 従来の識別系AI(分類・予測)と生成AIの違いを問う問題。「新しいコンテンツを作り出す」点が生成AIの特徴です
- ケイパビリティという用語の意味を問う問題。「モデルが持つ能力・できることの範囲」と押さえましょう
- 1つのLLMが多様なタスクをこなせる「汎用性」に関する問題。タスクごとに専用モデルが必須、という記述は誤りと判断できるようにしておきましょう
📚 まとめ
- 生成AIは「新しいコンテンツを作り出すAI」で、識別・予測中心の従来AIと区別されます
- ケイパビリティとは、AIに備わった能力・できることの範囲を指す言葉です
- 文章の生成・要約・翻訳・質問応答から、コード支援、画像・音声まで、1つのAIが幅広くこなせる汎用性が最大の特徴です
- 知識カットオフやハルシネーションなど苦手なことの理解も、ケイパビリティ理解の一部です
- 次は「どう使うのか」を扱う2-2「生成AIの使い方」に進むと、知識が実践につながります
