ChatGPT、Gemini、Claude、DeepSeek——ニュースで名前を聞かない日はないほど、LLMを利用したサービスは次々と登場しています。ではこれらは「どれが一番すごいか」で見るべきものなのでしょうか? この記事では個別サービスの優劣ではなく、「LLMサービスにはどんな種類があり、どんな観点で見ればよいか」という、変化に流されない見方を解説します。
📖 ひと言でいうと
LLMを利用したサービスとは、大規模言語モデル(LLM)を頭脳として組み込み、誰でも使える形に仕上げた製品・サービスの総称です。
例えるなら、エンジンと自動車の関係です。同じ種類のエンジン(LLM)でも、乗用車・トラック・バスといった車体(サービス)に載せれば、まったく違う用途の乗り物になります。逆に、車体が立派でもエンジンが用途に合わなければ役に立ちません。サービスを理解するコツは、「エンジン(モデル)」と「車体(周辺機能や提供形態)」を分けて見ることです。
🖼 1枚でわかるLLMを利用したサービス
🔍 しっかり理解する
サービスは「モデル+周辺部」でできている
まず押さえたいのは、私たちが画面越しに触れているのは「LLMそのもの」ではなく「LLMを包んだサービス」だという構造です。対話型サービスの中身を分解すると、中心にあるLLMのほかに、会話画面、会話履歴の管理、ウェブ検索やファイル読み込みなどの拡張機能、不適切な出力を抑える安全対策、そして利用規約やデータの取り扱いポリシーといった要素が組み合わさっています。
この構造が分かると、大切なことが見えてきます。同じ系統のモデルを使っていても、周辺部の作り込みが違えば使い勝手も安全性も別物になる、ということです。たとえば「入力した内容がモデルの学習に使われるかどうか」は、モデルの性質ではなくサービスの設定・規約で決まります。サービス選びとは、実はモデル選びと周辺部選びの2階建てなのです。
5つのタイプに分類する
個別のサービス名は入れ替わっていきますが、提供形態の分類は長持ちする知識です。代表的な5タイプを整理します。
| タイプ | どんな形か | 主な利用者 |
|---|---|---|
| 対話型サービス | チャット画面でLLMと直接やり取りする | 個人・ビジネス全般 |
| API型 | LLMの機能を部品として自社システムに組み込む | 開発者・企業 |
| 組み込みアシスタント型 | 文書作成ソフトや検索など既存サービスにAI機能が内蔵される | 既存ソフトの利用者 |
| 特化型サービス | コーディング支援・翻訳・議事録作成など特定用途に最適化 | 各業務の担当者 |
| 自前運用型 | 公開されているモデルを自社設備や自分のPCで動かす | 技術力のある企業・個人 |
対話型サービスは最も身近なタイプで、ChatGPT、Gemini、Claudeなどが代表例として広く知られ、DeepSeekに代表される新興サービスも次々と登場しています。API型(APIとは、ひと言でいうと「プログラム同士をつなぐ接続口」)は、企業が自社の業務アプリやチャットボットにLLMの頭脳を組み込むための形態です。組み込みアシスタント型は、使い慣れたソフトの中にAIが入ってくる形で、利用者が「AIを使いに行く」のではなく「いつもの作業の中でAIに手伝ってもらう」体験になります。特化型は、汎用チャットでは不十分な専門用途に的を絞ったもの。自前運用型は、オープンなモデル(1-8参照)を自分たちの環境で動かす形で、データを外部に出さずに済む一方、運用の技術力が必要です。
「そのまま使う」か「組み込んで使う」か
5分類を大づかみにすると、「完成品をそのまま使う」系統と、「部品として組み込む」系統に分かれます。この違いは、企業でのAI活用を考えるときの最初の分岐点になります。
- 導入がすぐで、専門知識が不要
- 個人の生産性向上に向く
- カスタマイズの自由度は限られる
- 自社業務やRAG・エージェントと連携できる
- データの扱いを細かく設計できる
- 開発・運用の体制とコストが必要
親記事のテーマである「業界に特化した活用」は、主に🅱の系統で実現されます。RAGで社内文書をつないだり、AIエージェントに業務ツールを持たせたりするには、LLMを部品として扱える形態が土台になるからです。
選び方の観点——優劣ではなく適合で見る
サービスが多様化した今、「一番良いサービスはどれか」という問いはあまり意味を持ちません。得意分野や機能はサービスごとに異なり、変化も速いためです。代わりに持つべきは、次のような適合の観点です。
- 目的への適合: 文章作成、調べもの、開発支援など、主な用途に必要な機能があるか
- データの扱い: 入力内容が学習に利用されるか、どこに保存されるか。規約で確認できるか
- 組織のルールへの適合: 会社の利用ガイドラインや、扱う情報の機密性(3章参照)に合うか
- 提供形態: そのまま使いたいのか、システムに組み込みたいのか
- 継続性・依存リスク: 特定サービスに深く依存した場合の乗り換えにくさも考慮する(3-1参照)
この観点を持っていれば、新しいサービスが登場しても「どのタイプで、何に適合するか」と冷静に位置づけられます。多くのサービスに無料と有料の提供区分があり、区分によって使える機能やデータの取り扱いが変わる場合があることも、規約を確認すべき理由の1つです。
💡 具体例で考える
情報システム部のGさんは、上司から「うちもAIを導入したい。どれが一番いいのか調べて」と頼まれました。最初は各サービスの評判を集めていましたが、切りがありません。そこでGさんは問いを変えました。「社員の文書作成支援なら、全社導入しやすい組み込みアシスタント型か対話型の法人プラン。問い合わせ対応の自動化なら、API型で社内FAQをRAG連携する構成。機密性の高い部署は、データを外に出さない自前運用型の検討」——用途ごとにタイプで整理した提案に変えたところ、議論が一気に前へ進みました。「どれが一番か」ではなく「どの型がどの要件に合うか」という問いの立て方こそが、この分類の使い方です。
⚠️ よくある誤解・つまずきポイント
- 誤解: チャット画面のサービス=LLMそのもの → 正しくは: サービスはモデルに画面・拡張機能・安全対策・規約を加えたパッケージです。同系統のモデルでもサービスが違えば体験は変わります
- 誤解: 有名なサービスを選んでおけば常に正解 → 正しくは: 知名度と要件適合は別問題です。データの扱いや組織ルールとの適合が優先です
- 誤解: 新興のサービスは性能が低い・使う価値がない → 正しくは: 新興サービスの台頭は業界の大きな動向です。評価は先入観でなく、用途と規約への適合で行いましょう
- 誤解: 1つのサービスに全社で統一すべき → 正しくは: 用途別の併用は一般的です。ただし特定サービスへの過度な依存はリスクにもなるため、バランスを設計します
📝 生成AIテストではこう出る
- 「LLMを利用したサービス」の代表例(ChatGPT・Gemini・Claude・DeepSeekなど)と、多様なサービスが登場しているという動向の理解を問う問題
- LLM(モデル)とそれを利用したサービスの区別を問う問題。「サービス=モデル+周辺機能・規約」という構造を押さえましょう
- サービス選定の観点として適切なもの(用途適合・データの取り扱い・組織ルール)を選ばせる問題。「知名度だけで選ぶ」は誤りの選択肢になりやすい構図です
- APIによる組み込みや自前運用など、チャット以外の利用形態の存在を問う問題にも対応できるようにしましょう
📚 まとめ
- LLMを利用したサービスは「モデル(頭脳)+周辺部(画面・機能・規約)」のパッケージで、この2階建てで見るのが基本です
- 提供形態は対話型・API型・組み込みアシスタント型・特化型・自前運用型の5タイプに整理できます
- 大手に加えて新興サービスが次々登場する多様化が現在の動向で、個別の優劣より分類と観点を知ることが応用の効く学び方です
- 選ぶ基準は「一番すごいか」ではなく、目的・データの扱い・組織ルールへの適合。依存リスクへの目配りも忘れずに
