LLM（大規模言語モデル）とは？仕組みをわかりやすく解説

LLMとは、たくさんの文章から言葉のつながりを学んだ「文章を読み書きするAI」

LLM（エルエルエム）とは、たくさんの文章を読んで言葉のつながり方を学び、文章を読んだり書いたりできるようにしたAIです。英語の「Large Language Model（ラージ・ランゲージ・モデル）」の頭文字で、日本語では「大規模言語モデル」と呼ばれます。言葉を分けると、次のような意味になります。

• 言語：人が使う言葉。日本語や英語などの文章のことです
• モデル：たくさんの例から学んだ「判断のくせ」をまとめたもの。AIの中身にあたります
• 大規模：学ぶ文章の量と、中で調整される数値（あとで説明する「パラメータ」）の数が、とても多いこと

つまりLLMは、「とても多くの文章から、言葉の使われ方を学んだAIの中身」です。質問や指示を受け取ると、その内容に続く言葉を予測して並べ、答えの文章を作ります。

「たくさん本を読んだ、文章の続きを書く名人」にたとえると

国語の授業で「むかしむかし、あるところに」と書かれたら、多くの人は「おじいさんとおばあさんが住んでいました」と続けますよね。たくさんのお話を読んだり聞いたりしてきたからです。LLMは、これをとても大きな規模で行っています。本・記事・説明書など、人が一生かけても読みきれないほどの文章を読み、「この言葉の後には、こういう言葉が続きやすい」というつながり方を覚えているのです。

「続きを予測するだけ」と聞くと単純に思えます。けれども、学んだ量がとても多いため、要約（短くまとめること）、言い換え、翻訳、質問への回答、書類からの読み取りなど、言葉にかかわるいろいろな作業ができるようになりました。

LLMは「製品」ではなく「部品」

知っておいていただきたいのは、LLMはそれだけで使う道具ではなく、ほかのサービスに組み込まれて使われる「部品」だということです。車にたとえると、LLMはエンジンにあたります。

LLMの仕組み——「次に来る言葉」の予測をくり返して文章を作る

LLMが文章を作る仕組みは、ひとことで言えば「次に来る言葉を予測して1つ選ぶ」をくり返すことです。人が文章を書くときのように、最初に全体の答えを決めてから書いているわけではありません。

文章ができるまでの流れ

1. 文章を細かく区切る：受け取った質問や指示を、「トークン」と呼ばれる小さな単位に区切ります
2. 次の言葉の候補を出す：それまでの文章の流れから、次に来そうな言葉の候補と、それぞれの「来やすさ」を計算します
3. 1つ選ぶ：来やすさの高い候補の中から、次の言葉を1つ選びます
4. つなげて、また予測する：選んだ言葉を文章の最後につなげ、それを含めた全体から、さらに次の言葉を予測します
5. 終わりまでくり返す：答えが終わったと判断するまで、2〜4をくり返します

たとえば「日本の首都は」という文章を受け取ると、LLMは次に来る言葉として「東京」の来やすさが高いと計算し、「東京」を選びます。続けて「です」「。」と予測を重ねて、「日本の首都は東京です。」という文ができあがります。

トークンとは、LLMが文章を区切る小さな単位

トークンとは、LLMが文章を扱うときの、文字や言葉の小さなまとまりのことです。英語ではおおむね単語やその一部、日本語では1文字から数文字くらいのまとまりになることが多く、区切り方はモデルによって違います。

トークンは、仕事で使うときにも出てくる言葉です。多くのLLMでは、一度に読める文章の長さや、利用料がトークンの数で決まるからです。長い資料を読ませるほど、たくさんのトークンを使うことになります。

「来やすさ」で選ぶから、自然だが正しいとは限らない

この仕組みから、LLMの大事な性質がわかります。LLMが選んでいるのは、「事実として正しい言葉」ではなく、「それまでの流れに続く言葉として自然なもの」です。学んだ文章の中で正しいことが多く書かれていれば、自然な続きは正しい答えになりやすくなります。しかし、学んでいない内容や、あいまいな質問では、自然だけれど事実と違う文章ができることがあります。これが、あとで説明する「ハルシネーション」の原因の1つです。

学習と推論、パラメータ——LLMはどうやって賢くなり、どう答えているのか

LLMの話でよく出てくる「学習」「推論」「パラメータ」という言葉も、たとえで整理しておきましょう。

学習と推論は「勉強」と「テスト本番」

LLMの一生は、大きく「学習」と「推論」の2つに分かれます。

学習には、さらにいくつかの段階があります。まず大量の文章で言葉のつながりを広く学び（事前学習）、そのあとで、質問に答える形や、ていねいで安全な答え方を、人が用意した例や評価をもとに学びます（追加の学習）。こうして、ただ続きを書くだけでなく、質問に答えたり指示に従ったりできるLLMになります。

大事なのは、ふだんLLMを使っているときは「推論」だけが行われていることです。会話の中で教えた内容は、その場の答えには使われますが、それだけでLLMの中身が書きかわるわけではありません。また、学習した時点より後のできごとは、基本的には知りません。

パラメータは「頭の中の、つまみの数」

パラメータとは、LLMの中で、言葉のつながり方を表すために調整される数値のことです。音響機器の調整つまみにたとえるとわかりやすくなります。ひとつひとつのつまみが、「この言葉とこの言葉はつながりやすい」といった細かな傾向を少しずつ表していて、学習とは、たくさんの文章に合うように、このつまみを少しずつ回して調整する作業です。

LLMのパラメータは、とても多い数になります。一般に、パラメータが多いほど細かな言葉のつながりを表せるため、複雑な文章の理解や作成が得意になる傾向があります。一方で、動かすための計算も増えるため、答えが返るまでの時間や利用料がかかりやすくなります。そのため、作業に合わせて大きいモデルと小さいモデルを使い分けることがよくあります。

少しくわしい補足

現在の多くのLLMは、「トランスフォーマー」と呼ばれる仕組みをもとに作られています。文章の中のどの言葉とどの言葉が関係しているかに注目しながら、次の言葉を予測するのが得意な仕組みです。経営者の方がこの中身まで覚える必要はありませんが、提案書で見かけたら「LLMの土台になっている仕組みの名前」と考えておけば十分です。

LLMと生成AIの関係——生成AIの中で、文章を扱う代表的な仕組み

LLMと一緒によく出てくる言葉に、生成AI、チャット型AI、AIエージェントがあります。これらは横に並んだ別々のものではなく、指している範囲や役割が違う言葉です。生成AIそのものについては、記事生成AIとは？わかりやすく簡単に解説でくわしく説明しています。

つまり、生成AIという大きなグループの中に、文章を扱う部品としてLLMがあります。そして、そのLLMを使って作られた完成品が、チャット型AIやAIエージェントです。最近のLLMには、文章だけでなく画像やPDFを読めるものも増えていますが、「言葉を中心に扱うAI」と考えておけば大きく外れません。

「サービスの名前」と「モデルの名前」は別もの

提案書や見積書では、サービスの名前とモデルの名前が混ざって書かれていることがあります。チャット型AIのサービスは、中で使うモデルを提供元の判断で新しいものに入れ替えることがあり、同じサービス名でも、時期によって中身のモデルが違う場合があります。外部に依頼するときは、「どのモデルを、どんな契約条件で使うのか」「モデルが変わったときはどうするのか」まで確認しておくと、あとから話が食い違うのを防げます。

LLMでできること・苦手なことと、代表的な使われ方

LLMは「言葉のつながり」を学んだAIです。そのため、言葉を読んだり書いたりする作業は得意です。一方で、仕組みから生まれる苦手もあります。

LLMでできること（代表的な使われ方）

LLMに出す指示文は「プロンプト」と呼ばれます。何を、どんな形で、どこに気をつけて答えてほしいかをはっきり書くほど、使える答えが返りやすくなります。書き方は記事プロンプト（AIへの指示文）とは？で紹介しています。

苦手なことと、仕組みで補う方法

社内の資料をもとに答えさせる仕組みについては、記事RAGとは？で説明しています。LLMの苦手の多くは、LLMそのものを取りかえるより、資料の渡し方や確認の流れといった周りの仕組みで補うほうが確実です。

LLMを仕事で使うときの注意点と、LLMが生成した内容の扱い方

LLMを仕事で使うときには、仕組みからくる注意点があります。特に押さえておきたいのは次の5つです。

1. ハルシネーション：もっともらしい間違いが混ざる

LLMが事実と違う内容を、もっともらしく書いてしまうことを「ハルシネーション」と呼びます。英語で「幻覚」という意味です。前の章で見たように、LLMは「自然な続き」を選ぶ仕組みなので、存在しない制度や数字、資料に書かれていない内容を書いてしまうことがあります。原因と減らし方は、記事ハルシネーションとは？でくわしく説明しています。

2. 情報の入力：入れてよい情報の範囲を決める

お客様の情報や社員の個人情報、取引の条件などをLLMに入力する場合は、どのサービス・どの契約条件で使うかを確認します。入力したデータが学習（AIの改良の材料）に使われないか、どこで処理され、どのくらい保存されるかも確かめ、入力してよい情報の範囲を社内ルールで決めておきます。個人情報の扱いは法律にかかわるため、迷う場合は専門家や公式の情報で最新の内容を確認してください。

3. 確認：人が確かめる項目と担当を決める

金額・日付・数量・固有名詞（人や会社、商品の名前）・法令や制度にかかわる内容は、間違えたときの影響が大きい項目です。LLMの答えをそのまま社外に出したり、システムに登録したりせず、誰がどこを確かめるかを決めておきます。

4. 知識の区切り：最新の情報は資料で渡す

LLMが学んだ情報には区切りの時点があり、最新の制度や価格、社内の変更は知りません。最新の情報が必要な作業では、資料を渡して答えさせる形にします。

5. 答えのゆれ：毎回少し変わる前提で仕組みを作る

同じ質問でも、言い回しや細かいところが変わることがあります。また、提供元がモデルを新しくすると、答えの傾向が変わることもあります。出力の形を決め、更新のあとはいつもの作業で結果を確かめる手順を用意しておきます。

LLMが生成した内容はどう扱うべきか

まとめると、LLMが生成した内容は「完成品」ではなく「よくできた下書き」として扱うのが基本です。次の流れを社内のルールにしておくと、安全に手間を減らせます。

1. 根拠と一緒に出させる：社内の資料をもとに答えさせ、どの資料のどこを使ったかを添えさせます
2. 大事な項目を確かめる：数字・名前・日付・制度にかかわる内容は、元の資料と照らし合わせます
3. 使い道で確認の深さを変える：社内のメモなら軽く、お客様に出す文書や契約・お金にかかわるものは必ず人が承認します
4. 責任は人が持つ：社外に出した内容の責任は、AIではなく会社と担当者にあると考え、最後の判断は人が行います
5. 間違いを記録して直す：よく起きる間違いを記録し、指示文や渡す資料を見直します

各モデルの性能や料金、データの扱いの条件は変わっていくため、最新の情報は各社の公式サイトで確認してください。

言葉を覚えるより、「どの業務のどの手間をなくしたいか」から考える

LLMという言葉の意味や仕組みを知っておくことは役に立ちます。けれども、仕事で成果を出すうえで本当に大切なのは、どの業務のどの手間をなくしたいかをはっきりさせることです。「問い合わせの仕分けと返信の下書きに毎日時間がかかっている」「書き方がばらばらな注文書の入力が大変」といった具体的な困りごとが決まれば、どのくらいの大きさのモデルが必要か、どんな資料を渡し、どこで人が確かめるべきかが自然に決まってきます。

当社の「AI社員」は、LLMを中心の部品として、お客様の業務に合わせて資料の検索やツールの操作、人の確認の流れを組み合わせて作る月額のサービスです。作業ごとに合うモデルを選び、提供元の更新に合わせた調整も、保守の中で行います。料金は初期費用＋月5万円で、保守・相談・メンテナンスは回数の制限なくご利用いただけます。初期費用は業務の内容をお聞きしたうえでお見積もりします。AIの利用料は実費です。構築期間は内容によって2週間程度から1か月程度で、最短2週間で稼働できます。

当社にはこれまで、製造、物流、建設・設備、医療・介護、士業・会計など、約90社からご相談をいただいてきました。「LLMという言葉は聞くが、自社の業務で何に使えるのかわからない」という段階からでも、なくしたい手間を教えていただければ、どこにどう使えるか、どこに人の確認が必要かを一緒に整理することができます。お気軽にご相談ください。