AI・自動化用語集
AI・自動化用語集では、AIエージェント、LLM、RAG、自動化に関する用語をわかりやすく解説します。それぞれに簡単な例を添え、AI Flowi Workflowでその考え方がどこに使われているかを紹介します。
各用語は、関連する用語や対応するコンポーネントのページにリンクしています。定義の確認から、実際に動作する構成の設定へと進めます。
更新日 · 全51ページ
この節の執筆：Ai Flowi；事実確認日：2026年10月21日。
給与、請求書、AIスタッフの管理に関する用語
このページ内の定義は、給与、請求書、AIスタッフの管理に関する用語を説明します。外部の用語の意味は公式資料で、製品の対応範囲はリンク先の機能ガイドで確認してください。
執筆：Ai Flowi
更新日：2026年10月21日；事実確認日：2026年10月21日
文書で確認した製品機能です。根拠の扱いに関する方針をご覧ください。
これらの定義は、法定料率や申告手順を示すものではありません。適用年と従業員の状況は、給与・会計の責任者と確認してください。
EPF：Employees Provident Fund（従業員積立基金）
EPFは、KWSPとも呼ばれるマレーシアの退職貯蓄基金です。義務的拠出には従業員負担分と雇用主負担分があり、加入者の口座に積み立てられます。
給与記録の確認では、退職貯蓄の拠出を、社会保障の拠出や月次の税控除と分けて扱いましょう。
説明用の設定例であり、顧客の成果ではありません。架空の給与明細の従業員・雇用主の負担区分を、適用される公式案内と比較してください。
Ai Flowiの給与計算は年別の法定計算テーブルを使用し、テーブルは毎年確認が必要です。
出典：KWSPの義務的拠出に関する案内；確認日：2026年10月21日。
SOCSO：Social Security Organisation（社会保障機構）
SOCSOはPERKESOとも呼ばれ、労働災害や障害への保障を含む制度を通じて、社会保障を提供します。
給与に関する話し合いでは、組織名と個別の拠出・制度を区別してください。すべての法定控除をまとめてSOCSOと呼ばないでください。
説明用の設定例であり、顧客の成果ではありません。給与明細の確認では、社会保障の拠出と退職貯蓄の項目を分けてください。
人事・給与ガイドは法定計算の記録を説明しており、給与処理を記録しても送金は行われません。
出典：PERKESOの概要と役割；確認日：2026年10月21日。
EIS：Employment Insurance System（雇用保険制度）
EISはPERKESOが運営する雇用保険です。給付には求職支援や研修関連の支援があり、受給条件が適用されます。
関連制度の案内と記録を照合する際は、雇用保険を独立した給与項目として扱ってください。
説明用の設定例であり、顧客の成果ではありません。架空の給与チェックリストにEISの項目を明記し、対象となるかどうかは責任を持つ確認担当者に判断してもらいましょう。
Ai Flowiの年別の法定計算テーブルは、給与計算でEISを扱いますが、テーブルの確認は引き続き必要です。
出典：PERKESOのEIS給付案内；英語ページ、確認日：2026年10月21日。
PCB：月次の税控除
PCBはPotongan Cukai Bulananの略で、従業員の報酬から行う月次の税控除です。HASiLの雇用主向け案内は、控除と納付を区別しています。
控除の計算や記録だけでは、納付した証拠にはなりません。
説明用の設定例であり、顧客の成果ではありません。架空の給与記録で控除項目を確認し、実際の納付証拠は別に確認してください。
Ai Flowiの給与機能は年別の法定計算テーブルでPCBを計算しますが、送金は行いません。
出典：HASiLの雇用主の責任に関する案内；確認日：2026年10月21日。
UBL 2.1のe-Invoice：構造化された請求書データ
UBL 2.1は、MyInvoisの公式請求書仕様で参照されている構造化文書形式です。請求書文書のバージョン1.1では、署名の検証が有効になります。
請求書の形式と、提出の完了は別々に確認する必要があります。
説明用の設定例であり、顧客の成果ではありません。署名や提出の相談前に、架空の請求書の準備済みデータを確認してください。
Ai Flowiの経理AIスタッフは、マレーシアのe-Invoice形式（UBL 2.1）で請求書データを作成します。LHDN MyInvoisへの送信は、現時点では含まれていません。
出典：請求書バージョン1.1の公式仕様；確認日：2026年10月21日。
人が介在する承認：操作前の判断権限
AIスタッフにおける人が介在する承認とは、リスク区分に応じて操作に適用する判断の管理です。
AIによる取り消し可能な書き込みは標準設定では承認待ちとなり、オーナーは自動実行に設定できます。取り消し不可能な書き込みと金銭に関する操作には常に承認が必要です。金銭に関する操作には2人目の承認者も必要です。承認によって資金が移動することはありません。
説明用の設定例であり、顧客の成果ではありません。オーナーに、提案された記録変更とその理由を確認してから、許可する内容を判断してもらいましょう。
操作の対応範囲は、承認ルールをご覧ください。学習内容の改善には、別途承認が必要です。
追記専用の監査ログ：記録された履歴を保つ
Ai Flowiのアクティビティログは、AIの判断、書き込み、承認、拒否された試行を記録します。監査・承認イベントは編集も削除もできません。
追記専用とは記録済みの履歴を保護する仕組みで、判断の正しさや外部操作の完了を実証するものではありません。
説明用の設定例であり、顧客の成果ではありません。承認を配信の証拠と見なさず、承認記録を提案された変更と比較してください。
確認を計画する際は、セキュリティと監査の説明を、レポートの対応範囲と併せてご覧ください。
ロールに基づくアクセス：担当業務のための権限
Ai Flowiはロールと部門の権限で全権限・制限付き・アクセス不可を定め、機密項目には追加の権限を設けています。給与・銀行情報には追加認証が必要です。
記録には、会社への帰属と権限の確認も適用されます。
説明用の設定例であり、顧客の成果ではありません。架空の従業員が閲覧できる情報と、人事ロールが担う予定の責任を比較してください。
ロール名だけでは、すべての項目へのアクセス権限を示せません。アクセス制御を読み、予定する業務に使う権限を確認してください。
用語一覧（英語名のA〜Z順）
- エージェントメモリ
エージェントメモリには、会話履歴、タスクのメモ、選別・整理された知識が含まれます。AI Flowi Workflowでの保持、忘却、分離の確認について解説します。
- エージェントの計画：前提条件、依存関係、再計画
前提条件、根拠、予算を組み込んだ、実行状況を観測できるエージェントの計画を作成します。情報源が変わると、それに依存する作業が無効になる仕組みを確認します。
- AIエージェントのガードレール
AIエージェントのガードレールは、ツールの権限、入力チェック、モデルによる検出、人によるレビューを組み合わせます。それぞれの役割と限界を解説します。
- AIエージェントのスキル
AIエージェントのスキルは、再利用可能なタスクの指示と、明示的な機能の範囲を組み合わせます。カタログの例を使って、スキル、プロンプト、ツールを比較します。
- AIOps：アラートの相関分析とその限界を理解する
模擬アラートのセットを使って、重複のグループ化、相反するシグナル、インシデントに関する仮説の明確な限界を確認し、AIOpsを理解します。
- APIゲートウェイ：入口でのルーティング、ポリシー、バックエンドとの責任範囲を理解する
APIゲートウェイは、バックエンドの実行前に、入口でのルーティングとポリシーの適用を担います。責任範囲、業務データへの書き込みを示す証拠、迂回のリスクを比較します。
- API連携
リクエストの仕様、認証、スキーマのマッピング、非同期エクスポートの完了という観点からAPI連携を解説します。ページネーションとレート制限の関連情報も紹介します。
- APIページネーション：ページの境界と取得の完全性を追跡する
カーソルの境界、重複ID、取得漏れのページを追跡します。APIで1ページを正常に取得できたことと、データ全体を漏れなく取得できたことを区別します。
- APIのレート制限：再試行前に提示された仕様を確認する
架空のAPIについて、割り当て量、共有される処理枠、再試行のタイミングを読み解きます。安全な読み取りと、完了したか不明な書き込みを区別します。
- 自律型AIエージェント
行動範囲、ツールの権限、停止ルール、人による承認を通して、自律型AIエージェントを理解します。範囲を限定した調査の例も紹介します。
- コンピュータビジョン：画像から確認できる根拠、認識、推論を区別する
コンピュータビジョンの役割を学び、分類、検出、セグメンテーションを比較します。画像で目視確認できる根拠と、根拠のない推論を区別します。
- コンテキストエンジニアリング
コンテキストエンジニアリングを解説します。出所を保持し、コンテキストの上限を管理しながら、指示、根拠、ツールの結果、履歴を選びます。
- 対話型AI
例や失敗事例、カタログに裏付けられたAI Flowi Workflowの関連情報を通して、対話型AI、対話の文脈、応答生成を理解します。
- データアノテーション：ラベル、判断の不一致、レビューの記録
8件のメッセージに対するラベル付けの手引き、レビュアーによる独立したラベル付け、判断の不一致を記録する台帳、明示的な裁定ルールを使って、データアノテーションを理解します。
- データクレンジング：欠損値、矛盾、重複
欠損値、単位、矛盾、重複に対するデータクレンジングのルールを定めます。元のレコードを保存し、読み込む前に未解決の判断事項を確認します。
- イベント駆動アーキテクチャ：イベント、コマンド、配信保証を区別する
イベントの識別、文書ごとの順序、コンシューマーの受信順序を通して、イベント駆動アーキテクチャを学びます。測定で確認された配信上の制約も扱います。
- 抽出・変換・読み込み：ETLとELTのワークフローの範囲
ETLとELTの処理段階の順序、拒否された行、照合、チェックポイント、およびカタログに掲載された読み取り・変換・書き込みコンポーネントの限界を理解します。
- Few-shotプロンプティング
Few-shotプロンプティングは、プロンプト内に例を示す手法です。例を含まない指示、境界事例、プロンプトには含めず、評価用に別途確保した模擬事例を比較します。
- ファインチューニングと転移学習：重みの変更とコンテキストの提供
ファインチューニングで何が変わるのか、転移学習とどう関係するのか、どのような場合にプロンプト内の例や検索がタスクに適しているのかを学びます。評価用ワークシートも用意しています。
- 関数呼び出し
関数呼び出しでは、モデルによるツールの選択と、検証を経た実行を分けます。スキーマ、観測結果、失敗への対処、読み取り専用ツールの範囲を学びます。
- 生成AI：下書きの作成と事実の検証は別の作業
生成AIとは何でしょうか。分類、要約、返信の下書きを比較し、捏造された納期の約束と、文書に明記されたコンポーネントの制約を検討します。
- HTTPステータスコード：応答の分類とアプリケーションの成功
HTTP応答の分類を読み解き、想定したステータス、有効な本文、処理結果の反映完了、非公開データの漏えいを区別します。
- 人工知能における知的エージェントの例
観測と行動の例を通して、反射型、目標ベース、効用ベース、学習型のエージェントを見ていきます。範囲を限定したソフトウェアの例と、その限界も扱います。
- ナレッジグラフ：エンティティ、関係、根拠をモデル化する
エンティティID、関係のトリプル、根拠、有効性を使って、小さなナレッジグラフをモデル化します。明示的なリンクと意味的な類似性を区別します。
- LLMのグラウンディング
LLMのグラウンディングは、応答内の主張を根拠に結び付けます。主張と根拠となる文章の対応を記録した模擬台帳を確認し、裏付けのある主張、裏付けのない主張、根拠と矛盾する主張を区別します。
- LLMのハルシネーション
アーカイブの例を使ってLLMのハルシネーションを分類します。捏造された参照情報、裏付けのない手順、矛盾と、分類ごとの修正方法を扱います。
- LLMのオブザーバビリティ：トレース、メトリクス、欠けている証拠
LLMのログ、メトリクス、トレース、評価を理解します。時間が不明な状態とゼロを区別し、カタログに掲載された評価機能と、ネイティブなトレース機能を示す証拠を区別します。
- LLMの構造化出力
LLMの構造化出力は、回答をフィールドに整理します。データを利用する前に、必須の値、不明な状態、スキーマのチェック、根拠の検証について学びます。
- LLMのtemperatureとtop-p：サンプリングの計算例
説明用の4つの確率、核サンプリングのしきい値、temperatureによる再調整、繰り返し生成した出力の評価ログを使って、LLMのtemperatureとtop-pを理解します。
- ローコードとノーコード：設定、拡張、テストを理解する
CSVのチェックを使って、ローコード、ノーコード、手作業を比較します。GUIによる設定でも、仕様、認証情報、テストが必要な理由を確認します。
- 機械学習パイプライン：学習と推論の境界
機械学習パイプラインの各段階、学習と推論の境界、データセットの分離、モデルのバージョン、提出時のデータリークについて学びます。
- 固有表現抽出：エンティティ、ラベル、範囲
固有表現抽出が文字列の範囲と種類を識別し、別名や曖昧さを扱う方法を学びます。エンティティリンキングや文書へのラベル付けとの違いも解説します。
- 自然言語処理：タスク、入力、曖昧な表現
6件の架空のメッセージを使い、抽出、分類、要約、生成、解釈が定まらない表現を通してNLPを理解します。
- OCR：認識されたテキストは検証済みの文書データではない
OCRの意味を学び、文字や小数点の認識誤りを検討します。認識されたテキスト、抽出候補のフィールド、原本による確認を分けて扱います。
- AIのプロダクションシステム：事実、ルール、競合解消
具体的な記号処理のトレースを使って、AIのプロダクションシステムが事実とルールを照合し、競合する行動を調整して終了する仕組みを学びます。
- プロンプトエンジニアリング
模擬的な情報抽出の例を通して、プロンプトエンジニアリングを学びます。指示、例、出力仕様、条件を統制した評価を扱います。
- React Agent（ReActエージェント）
ReActエージェントは、行動と観測を繰り返すループを使います。観測可能なツールの実行履歴、上限を設けた停止条件、関数呼び出しとの違いを理解します。
- リバースETL：業務でのデータ活用と書き込みの範囲を理解する
リバースETLは、分析用データを業務システムに移します。フィールドの管理責任、古い情報による更新、欠落レコード、同じバッチの繰り返しを具体的に検討します。
- RPAとAI
入力と行動の範囲から、RPA、APIによる自動化、AIによる解釈を比較します。ルールや外部のデスクトップ操作ツールが適用される場面を例で示します。
- セマンティック検索
セマンティック検索は、語句の完全一致ではなく意味に基づいて検索します。処理段階の不一致、クエリの曖昧さ、検索結果の関連性について検討します。
- 合成データ：匿名性をうたわずにテスト例を作る
正常、空欄、矛盾、不正な形式のフィールドを含む、架空の問い合わせ6行からなるテストデータを作成します。テストでどこまで検証できるかと、匿名性に関する主張を区別します。
- テキスト分類：ラベル、判定の保留、評価
模擬的な文書の分類体系、混同行列、カタログ上の機能範囲を使って、テキスト分類のラベル、判定の保留、別途確保した評価用データによる評価を定義します。
- テキスト埋め込み
テキスト埋め込みは、テキストをベクトルで表現します。互換性のある埋め込み空間、Messageからベクトルへの変換仕様、類似性では証明できないことを学びます。
- 統一API：複数サービスのAPIに共通する仕様
2つの架空の情報源のスキーマ、共通レコード、対応する機能の範囲、AI Flowi Workflowにおけるアダプターの限界を使って、統一APIを解説します。
- ベクトルデータベース
情報源との関連付け、文書の改訂、廃止の確認、整合性のある検索可能なコレクションの再構築を通して、ベクトルデータベースを理解します。
- LLMとは？
LLMとは何でしょうか。大規模言語モデル、トークンの予測、学習と推論の違い、モデルとそのモデルを利用するアプリケーションの境界を学びます。
- カンバセーションインテリジェンスとは
カンバセーションインテリジェンスは、利用を許可された会話記録から、確認可能な知見を導き出します。根拠に関する要件、分析の限界、Flowiのコンポーネントの役割を学びます。
- 会話型コマースとは
会話型コマースは、商品に関する質問と購入の意思決定を結び付けます。問い合わせと取引の境界、および範囲を限定したFlowiの例を学びます。
- CRM自動化とは
顧客レコードの識別、許可される更新、失敗への対処を通して、CRM自動化を理解します。スプレッドシートを台帳として使う、範囲を限定した例も紹介します。
- RAGとは？
RAGは検索拡張生成を意味します。根拠を検索し、コンテキストを構成して、回答を生成します。そのアーキテクチャと、どこで失敗が起こり得るかを学びます。
- ワークフローオーケストレーション：依存関係、状態、復旧を調整する
各段階の状態と前提条件を満たす証拠を使って、依存関係を調整します。妥当性確認、検証、フォローアップに関する再開時の記録を確認します。
プラン：Goは年払いで月額USD8から（月払いUSD10）、Plusは月額USD16から（月払いUSD20）、Pro 100は月額USD80から（月払いUSD100）、Pro 200は月額USD160から（月払いUSD200）、Pro 500は月額USD400から（月払いUSD500）。毎月5,000～250,000 Flowi Tokensが含まれ、追加購入も可能です。ノード実行1回につき1トークン。サードパーティのAPIとモデルの利用料金は含まれません。料金をご覧ください。